Tarea 2 – Señales en el dominio de la frecuencia

Presentado a Tutor:
CAMILO ARTURO LAGOS

Presentado por:
ROGER BRYAN BETANCOURTH ANDRADE
Código: 87064456

Grupo:
203042_36

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA

SEÑALES Y SISTEMAS

NOVIEMBRE DE 2019

PASTO
INTRODUCCION

Muchos de los artefactos electrónicos usados en la actualidad, en las diferentes áreas del
conocimiento, se basan en el estudio de las señales continuas y discretas (Senoidal, cuadrada
y triangular), las cuales mediante procesos matemáticos sufren transformaciones, logrando
el comportamiento deseado, es importante mencionar que las series de Fourier son un
elemento importante en esta materia, ya que nos permite identificar las armónicas, la
amplitud de una señal, y su respectivo comportamiento en el tiempo.

En este trabajo analizaremos tres situaciones relacionadas a convolución en tiempo discreto

y en tiempo continuo, donde se realizará el procedimiento en entornos gráficos, analíticos y
computacionales, de la misma forma se dará solución a problemas de ingeniería cuya
representación se pueda lograr mediante conceptos de series y trasformadas de Fourier,
usando herramientas analíticas y/o computacionales.
OBJETIVOS
 Adquirir conocimientos en convolución continua, discreta, series de Fourier y
transformada de Fourier.
 Realizar procedimientos de convolución continua, discreta, series de Fourier y
transformada de Fourier.
 Verificar procedimientos las respuestas obtenidas mediante el uso de Software
especializado Matlab u Octave
Actividades a desarrollar

Tarea 2 - Señales en el dominio de la frecuencia

1. Definición de conceptos: estudiando el libro de (Ambardar), El estudiante investiga

de manera individual y da respuesta a las siguientes preguntas teóricas:

a- Explique qué es convolución continua y discreta. De cuatro (4) ejemplos de usos

y/o aplicaciones en la ingeniería.

Convolucion continua: la convolucion continua nos ayuda a determinar el efecto

que tiene el sistema en la señal de entrada a partir de la descomposición infinita
de impulsos de la señal esta dada por:

𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡) = ∫ 𝑥(𝑇)ℎ(𝑡 − 𝑇)𝑑𝑇

−∞

Sus propiedades son:

Elemento neutro
Conmutativa
Asociativa
Distributiva
Ejemplo:
 Reflejada y desplazada

Convolución discreta
Cuando se trata de hacer un procesamiento digital de señal no tiene
sentido hablar de convoluciones aplicando estrictamente la definición ya
que sólo disponemos de valores en instantes discretos de tiempo. Es
necesario, pues, una aproximación numérica.

Para realizar la convolución entre dos señales, se evaluará el área de la

función x(λ)h(t-λ). Para ello, disponemos de muestreos de ambas
señales en los instantes de tiempo 𝑛𝑡𝑠 , que llamaremos 𝑥𝑠 [𝑘] y ℎ𝑠 [𝑛 − 𝑘]
(donde n y k son enteros). El área es, por tanto,

𝑖𝑛𝑓 𝑖𝑛𝑓

𝑦𝑛 [𝑛] = ∑ 𝑡𝑠 𝑥𝑠 [𝑘]ℎ𝑠 [𝑛 − 𝑘] = 𝑡𝑠 . ∑ 𝑥𝑠 [𝑘]ℎ𝑠 [𝑛 − 𝑘]

𝑘=−𝑖𝑛𝑓 𝑘=−𝑖𝑛𝑓

La convolución discreta se define para un intervalo de muestreo 𝑡𝑠 = 1:

 𝑖𝑛𝑓

𝑦[𝑛] = 𝑥[𝑛] ∗ ℎ[𝑛] = ∑ 𝑥𝑠 [𝑘]ℎ𝑠 [𝑛 − 𝑘]

𝑘=−𝑖𝑛𝑓

Aplicaciones en la ingeniería

 Filtro de imágenes en las fotografías.

 Procesamiento digital de la señal por medio de la radio.
 En acústica, en un reciento grande en donde no se desea que el sonido se escape del lugar.
 Los sistemas LTI cumplen la convolución

b- ¿Qué es estabilidad y causalidad de sistemas LTI?

Causalidad en los sistemas LTI

Un sistema es causal si depende de la entrada en instantes anteriores o el actual.

Un sistema LTI será causal si cumple:

En estas condiciones:

Estabilidad en los sistemas LTI

Un sistema que genera una señal acotada si la entrada está acotada.

Un sistema LTI será estable si se cumple:

c- Explique que es correlación y de un (1) ejemplo de uso y/o aplicación en la

ingeniería.

La correlación es una operación similar a la convolución. Implica desplazar una función más
allá de otra y encontrar el área bajo el producto resultante. Sin embargo, a diferencia de la
convolución, no se efectúa ninguna reflexión. La correlación 𝑟𝑥𝑥 (𝑡) de dos funciones
idénticas x(t) se llama autocorrelación. Para dos funciones diferentes x(t) y y(t), la
correlación 𝑟𝑥𝑦 (𝑡) o 𝑟𝑦𝑧 (𝑡) se conoce como correlación cruzada.
 Usando el símbolo ** para denotar correlación, definimos las dos operaciones como

Aplicaciones en ingeniería

 La determinación de la distancia de blancos y en la estimación de señales contaminadas con

ruido.

 Predicción en los cambios climáticos

d- Explique qué es auto correlación y de un (1) ejemplo de uso y/o aplicación en la

ingeniería.

La correlación de una señal consigo misma se denomina autocorrelación

∞

𝑅𝑥𝑥 (𝑡) = 𝑥(𝑡) ∗∗ 𝑥(𝑡) = ∫ 𝑥(𝜆)𝑥(𝜆 − 𝑡𝑑𝜆

−∞

La autocorrelación representa la similitud entre una señal y su desplazada. El máximo de

autocorrelación se obtiene cuando no hay desplazamiento (t=0). La autocorrelación es
simétrica con respecto al origen, ya que 𝑅𝑥𝑥 (𝑡) = 𝑅𝑥𝑥 (−𝑡).

Aplicaciones en ingeniería

 Análisis de series pluviométricas mediante ordenador

 e- ¿Cuál es la diferencia de correlación continua y correlación discreta?

La correlación continua se da para cualquier instante de tiempo, en cambio la correlación

discreta solo se da para valores enteros de la función. Por lo tanto, para valores decimales
habrá una pérdida de información.

f- ¿Qué son las series de Fourier?

Las series de Fourier son series de términos coseno y seno y surgen en la tarea práctica de
representar funciones periódicas generales. Como aplicación constituyen una herramienta
muy importante en la solución de problemas en los que intervienen ecuaciones diferenciales
ordinarias y parciales.

La teoría de las series de Fourier es bastante complicada, pero la aplicación de estas series
es simple. Las series de Fourier son, en cierto sentido, más universales que las series de
Taylor, ya que muchas funciones periódicas discontinuas pueden desarrollarse en serie de
Fourier, pero, desde luego, no tienen representaciones en serie de Taylor.

La introducción de las series de Fourier (y de las integrales de Fourier) fue uno de los
mayores avances jamás realizados en la física matemática y en sus aplicaciones en la
ingeniería, ya que las series de Fourier (y las integrales de Fourier) son probablemente la
herramienta más importante en la solución de problemas con valores en la frontera. Esto se
explicará en el capítulo siguiente

g- ¿Qué es la transformada Continua de Fourier? De dos (2) ejemplos de uso y/o

aplicación en la ingeniería.

La transformada de Fourier de una función continua e integrable de una variable real x se

define por:
Observemos que la transformada de una función real es una función compleja. Es
decir, F(u)=R(u)+I(u)i, donde R(u) e I(u) son la parte real e imaginaria de F(u),
respectivamente.

La variable u recibe el nombre de variable de frecuencia.

El módulo de F(u), |F(u)|= (R(u)2+ I(u)2)1/2 recibe el nombre del espectro de Fourier.

El cuadrado del espectro se denomina espectro de potencias o densidad espectral de f(x).

Su ángulo P(u)=arctg(I(u)/R(u)) recibe el nombre de fase.

La inversa de la transformada se define como:

 2. Ejercicios: Cada estudiante de manera individual debe resolver los siguientes cuatro
(4) ejercicios.

Nota: la constante “a” corresponde al último digito del número de su grupo, y la

constante “b” corresponde con el último dígito de su código universitario (documento
de identidad), si “a” es cero, o “b” es cero utilice a=3, o b=3 según sea el caso.

A= 6

B= 6

Enlace del libro- Nota: Para poder ingresar al enlace del libro de Ambardar, debe
estar registrado en campus y no debe superar los 5 minutos de ingreso. Después de
los 5 minutos le pedirá contraseña y deberá salir del campus y volver a ingresar.

1.1. Ejercicio 1- Convolución continua (analítica): usando como guía el ejemplo

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

𝑥(𝑡) = (3 + 𝑒 −𝑎𝑡 )𝑢(𝑡)

ℎ(𝑡) = 3 ∗ 𝑒 −𝑎𝑡 𝑢(𝑡 − 3)

Sea x(t) = 3+e–6tu(t) y h(t) = 3*e-6tu(t-3). Entonces x(λ) = 3e 6λu(λ) y h(t - λ)

= 3e –(t - λ)u(t-λ). Puesto que u(λ) = 0 , λ < 0 y u(t - λ) = 0, λ > t podemos escribir:

Comentario: Advierta cómo sacamos e * de la primera integral porque no era una función
de λ.
Nota: Para la solución de este ejercicio, se deben repasar los métodos de integración vistos
en el curso de cálculo integral.

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

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

̌ , 6,6,4]
𝑥[𝑛] = [4,6, −2

ℎ[𝑛] = [ 0.5, 6̌, 2.5]

El método de lápiz y papel expresa la entrada como x[n] = 2δ[η] - δ[η - 1] + 3δ[η - 2] y
tabula la respuesta a cada impulso y la respuesta total como sigue:

h[n] = 0 5 6 2 5

x[n] = 4 6 -2 6 6 4

Entrada Respuesta

2δ[η] 2h[n] = 0 10 12 4 10

-δ[η-1] -h[n-l] = 0 -20 -30 -2 -20

3δ[η - 2] 3h[n - 2] = 0 9 12 3 9

Suma =x[n] Suma = y[n] = 0 10 -8 -17 20 -17 9

Así que,

𝑦[𝑛] = {0,10, −8, −17,20, −17,9}

= 0𝛿[𝑛] + 10𝛿[𝑛 − 1] − 8𝛿[𝑛 − 2] − 17𝛿[𝑛 − 3] + 20𝛿[𝑛 − 4]
− 17𝛿[𝑛 − 5] + 9𝛿[𝑛 − 6]

%% Grafica x[n] - Roger Betancourth

Xn=[4,6,-2,6,6,4];
n=[-2,-1,0,1,2,3];
subplot(3,1,1)
stem(n,Xn,'m')
grid
title('Señal discreta X(n) - Roger Betancourth')
xlabel('n')
ylabel('Amplitud')
xlim([-5,5])
%% Grafica x[n] - Roger Betancourth
Hn=[0,0.5,6,2.5,0,0];
subplot(3,1,2)
stem(n,Hn,'r')
grid
title('Señal discreta H(n) - Roger Betancourth')
xlabel('n')
ylabel('Amplitud')
xlim([-5,5])
%% Convolucion discreta X[n]*H[n]-Roger Betancourth
ConDis = conv(Xn,Hn);
ncon = (-4:1:6);
subplot(3,1,3)
stem(ncon,ConDis,'b')
grid
title('Convolucion discreta X[n]*H(n) - Roger Betancourth')
xlabel('n')
ylabel('Amplitud')
xlim([-6,6])
2.3. Ejercicio 3 – Series de Fourier: Usando como guía el capítulo 8 de la página
197 del libro Ambardar, dibuje tres (3) periodos de la siguiente señal 𝑥(𝑡) y
calcule los coeficientes trigonometricos de la serie de Fourier.

a) 𝑥(𝑡) = 9 ∗ 𝑟𝑒𝑐𝑡(𝑡 − 𝑏) con T=6 s

 Encuentre los coeficientes 𝑎0 , 𝑎𝑘 y 𝑏𝑘

El valor de la constante es b=6

b) 𝑥(𝑡) = 9 ∗ 𝑟𝑒𝑐𝑡(𝑡 − 6) con T=6

syms t
rect= 9*heaviside(t-6)-9*heaviside(t-10)+9*heaviside(t-14)-9*heaviside(t-
18)+9*heaviside(t-22)-9*heaviside(t-26);
fplot(rect,'b')
xlim ([4 30])
ylim ([0 10])
xlabel 'Tiempo'
ylabel 'Amplitud'
title 'Grafico-Roger Betancourth'

1 1
𝑓0 = = = 0.1 𝐻𝑧
𝑇 10

Coeficiente a0

10
1
𝑎0 = ∫ 𝑥(𝑡) 𝑑𝑡
𝑇
0
 10
1
𝑎0 = ∫ 𝑡 − 6 𝑑𝑡
10
0

1 𝑡2 10
𝑎0 = ( − 6𝑡) |
10 2 0

1 102
𝑎0 = ( − 6(10))
10 2

1 100
𝑎0 = ( − 60)
10 2

1
𝑎0 = ∗ (−10)
10

𝑎0 = −1

Coeficiente ak

10
2
𝑎𝑘 = ∫ 𝑥(𝑡) cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
𝑇
0

10
2
𝑎𝑘 = ∫ (𝑡 − 6) cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
10
0

10 10
2
𝑎𝑘 = ∫ 𝑡 ∗ cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡 − 6 ∫ cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
10
0 0

Evaluando

2 2𝜋𝑘𝑓0 𝑡 ∗ 𝑠𝑒𝑛 (2𝜋𝑘𝑓0 𝑡) + cos(2𝜋𝑘𝑓0 𝑡) 10 𝑠𝑒𝑛 (2𝜋𝑘𝑓0 𝑡) 10

𝑎𝑘 = ∗ 2 2 2
| −6∗ |
10 4𝜋 𝑘 𝑓 0 2𝜋𝑘𝑓0 0
 1 1 1 1
2 2𝜋𝑘 (10) 10 𝑠𝑒𝑛 (2𝜋𝑘 (10) 10) + cos (2𝜋𝑘 (10) 10) cos (2𝜋𝑘 (10) 0)
𝑎𝑘 = (( − )
10 1 1
4𝜋 2 𝑘 2 (10) 4𝜋 2 𝑘 2 (10)

1
𝑠𝑒𝑛 (2𝜋𝑘 (10) 10)
−6∗ )
1
2𝜋𝑘 (10)

2 100(2𝜋𝑘 𝑠𝑒𝑛 (2𝜋𝑘) + cos(2𝜋𝑘)) 100 10 𝑠𝑒𝑛 (2𝜋𝑘)

𝑎𝑘 = ∗( − − 6 ∗ )
10 4𝜋 2 𝑘 2 4𝜋 2 𝑘 2 2𝜋𝑘

Multiplicando 2/10 por ambas expresiones ya evaluadas

10(2𝜋𝑘 𝑠𝑒𝑛 (2𝜋𝑘) + cos(2𝜋𝑘)) 10 6 𝑠𝑒𝑛 (2𝜋𝑘)

𝑎𝑘 = ( − − )
2𝜋 2 𝑘 2 2𝜋 2 𝑘 2 𝜋𝑘

20 𝜋𝑘 𝑠𝑒𝑛 (2𝜋𝑘) + 10 cos(2𝜋𝑘)) 10 6 𝑠𝑒𝑛 (2𝜋𝑘)

𝑎𝑘 = ( − − )
2𝜋 2 𝑘 2 2𝜋 2 𝑘 2 𝜋𝑘

20 𝜋𝑘 𝑠𝑒𝑛 (2𝜋𝑘) 10 cos(2𝜋𝑘)) 10 6 𝑠𝑒𝑛 (2𝜋𝑘)

𝑎𝑘 = ( + − − )
2𝜋 2 𝑘 2 2𝜋 2 𝑘 2 2𝜋 2 𝑘 2 𝜋𝑘

10 𝑠𝑒𝑛 (2𝜋𝑘) 5 cos(2𝜋𝑘)) 5 6 𝑠𝑒𝑛 (2𝜋𝑘)

𝑎𝑘 = ( + 2 2
− 2 2 − )
𝜋𝑘 𝜋 𝑘 𝜋 𝑘 𝜋𝑘

4 𝑠𝑒𝑛 (2𝜋𝑘) 5 cos(2𝜋𝑘) − 5

𝑎𝑘 = +
𝜋𝑘 𝜋2𝑘2

5 cos(2𝜋𝑘) − 5 + 4𝜋𝑘 𝑠𝑒𝑛 (2𝜋𝑘)

𝑎𝑘 =
𝜋2𝑘2

Coeficiente bk

10
2
𝑏𝑘 = ∫ 𝑥(𝑡) sen(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
𝑇
0

10
2
𝑏𝑘 = ∫ (𝑡 − 6) sen(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
10
0
 10 10
2
𝑏𝑘 = ∫ 𝑡 ∗ sen(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡 − 6 ∫ sen(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
10
0 0

2 25 𝑠𝑒𝑛 (2𝜋𝑘) − 50 𝜋𝑘 ∗ cos(2𝜋𝑘) 10 𝑐𝑜𝑠 (2𝜋𝑘)

𝑏𝑘 = ( 2 2
) − 6 ∗ (− )
10 𝜋 𝑘 2𝜋𝑘

5 𝑠𝑒𝑛 (2𝜋𝑘) − 10 𝜋𝑘 ∗ cos(2𝜋𝑘) 6 𝑐𝑜𝑠 (2𝜋𝑘)

𝑏𝑘 = ( 2 2
)+( )
𝜋 𝑘 𝜋𝑘

5 sen(2𝜋𝑘) − 4𝜋𝑘 𝑐𝑜𝑠 (2𝜋𝑘) − 6𝜋𝑘

𝑏𝑘 =
𝜋2𝑘2

2.2 2.4. Ejercicio 4 – Transformada de Fourier: Usando como guía los

ejemplos 9.5 de las páginas 259 del libro Ambardar y las tablas 9.1 y 9.2,
determine la transformada de Fourier de las señales 𝑥(𝑡) y 𝑦(𝑡), usando pares
de transformadas y propiedades reconocibles. Posteriormente verifique su
respuesta diseñando un script con la combinación lineal de señales usadas
para obtener x(t) y y(t), en Matlab u Octave y anexe el resultado junto con el
script (práctica):

a.

+2b +4b t

-2
La Señal
𝑥(𝑡) = −𝑢(𝑡) + 𝑢(𝑡 − 2) + 𝑢(𝑡 − 2) − 𝑢(𝑡 − 4)

La transformada de Fourier es

1 1 −2𝑗𝑤 1 −2𝑗𝑤 1 −4𝑗𝑤

𝑥(𝑓) = −𝜋𝛿(𝑤) − + 𝜋𝛿(𝑤) + 𝑒 + 𝜋𝛿(𝑤) + 𝑒 − 𝜋𝛿(𝑤) − 𝑒
𝑗𝑤 𝑗𝑤 𝑗𝑤 𝑗𝑤

Queda

1 1 −2𝑗𝑤 1 −4𝑗𝑤
𝑥(𝑓) = −𝜋𝛿(𝑤) − + 2 (𝜋𝛿(𝑤) − 𝑒 ) − 𝜋𝛿(𝑤) − 𝑒
𝑗𝑤 𝑗𝑤 𝑗𝑤

En términos de Laplace

1 𝑒 −2𝑠 𝑒 −4𝑠
𝑥(𝑓) = − + 2 −
𝑠 𝑠 𝑠

clear all
clc

syms t
r1=-heaviside(t)+heaviside(t-2);
r2=heaviside(t-2)-heaviside(t-4);
r3=r1*2+r2*2;

fplot(r1,'r','linewidth',2)
hold on
fplot(r2,'b','linewidth',2)
hold on
fplot(r3,'y','linewidth',1)
grid on
title('señal x(t) – Roger Betancourth')
xlabel ('Tiempo')
ylabel ('Amplitud')
xlim ([-1 5]);
TL=laplace(r3)
 y(t)
3
b. Ítem grupal

0 +3a t

La Señal
2𝜋𝑡
𝑦(𝑡) = sin ( ) ∗ (𝑢(𝑡) − 𝑢(𝑡 − 6))
8

La transformada de Fourier es que tenemos a continuación:

1 1 1 1 −6𝑗𝑤
𝑦(𝑓) = 𝑗𝜋 [𝛿 (𝑤 + 2𝜋 ∗ ) − 𝛿 (𝑤 − 2𝜋 ∗ )] ∗ [ 𝜋𝛿(𝑤) + − 𝜋𝛿(𝑤) − 𝑒 ]
8 8 𝑗𝑤 𝑗𝑤

clc
clear all
% señal senoidal
syms t
sen=sin(2*t*pi/6);
fplot(sen,'y--','linewidth',3)
grid on
hold on
%señal escalones
%señal rect (t)
rect=heaviside(t)-heaviside(t-6);
fplot(rect,'g','linewidth',3)
hold on
y=rect.*sen*3;
%señal solicitada
fplot(y,'w','linewidth',6)
hold on
title('señal x(t) – Roger Betancourth ')
xlabel ('Tiempo')
ylabel ('Amplitud')
xlim ([-1 4]);
TL=laplace(y)
pretty(TL)
BIBLIOGRAFIA

Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Señales. Cengage

Learning, (2nd ed, pp. 8-11). Recuperado de
http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?tabID=&userGroupName=unad&i
nPS=true&prodId=GVRL&contentSet=GALE&docId=GALE|CX4060300016

Operaciones sobre señales continuas:

Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Operaciones Sobre
Señales. Cengage Learning, (2nd ed, pp. 12-13). Recuperado de
http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?tabID=&userGroupName=unad&i
nPS=true&prodId=GVRL&contentSet=GALE&docId=GALE|CX4060300017

Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Señales Discretas.

Cengage Learning, (2nd ed, pp. 39-41). Recuperado de
http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?tabID=&userGroupName=unad&i
nPS=true&prodId=GVRL&contentSet=GALE&docId=GALE|CX4060300027

Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Operaciones Sobre

Señales Discretas. Cengage Learning, (2nd ed, pp. 41-44). Recuperado de
http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?tabID=&userGroupName=unad&i
nPS=true&prodId=GVRL&contentSet=GALE&docId=GALE|CX4060300028

Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Clasificación de

Sistemas. Cengage Learning, (2nd ed, pp. 68-85). Recuperado de
http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?resultListType=RELATED_DOC
UMENT&userGroupName=unad&inPS=true&contentSegment=&prodId=GVRL&isETO
C=true&docId=GALE|CX4060300035