Procesamiento Digital de Señales

SEÑALES Y SISTEMAS
Señales en Tiempo Discreto
Señales Básicas
Propiedades
Sistemas Lineales Invariantes en el Tiempo

Edgard Oporto
2019 - II
Procesamiento de Señales

Procesamiento Conversor D/A

Conversor A/D
Digital de Señales
1. Señales

x(t) señal en tiempo continúo

x[n] señal en tiempo discreto (secuencia)

x(t) x[n]
s1

t 0 1 2 3 4 5 6 7 8 9 10 n

x[n] Consta de muestras tomadas de la señal analógica cada

cierto tiempo constante (Ts)
n Indice, representa el instante en el cual se toma o
aparece la muestra
Secuencia

 Representación:
x[n] = {1, 3, 7, 5 11}

11
x[n]
7
5
x[0] 3
1

n
Propiedades
 Reflexión respecto al eje vertical
 Inversión del tiempo (time reversal)
8 8

6 x[ n ] 6 x[ -n ]

4 4

2 2

0 0

-2 -2
-10 -5 0 5 10 -10 -5 0 5 10
Propiedades
 Reflexión respecto al eje vertical

f(x) = (1-x)/(1+x) f(x) = (1+x)/(1-x)

Time Inversion is simply flipping

the signal about the y-axis
 Propiedades
 Escalamiento en el tiempo
- Compresión
- Ensanchamiento o dilatación

Analizar la parte
positiva y
verificar por qué
corresponde
ensanchamiento
dilatamiento
 Propiedades
 Escalamiento en el tiempo

The sequence is compressed

Ocurre
pérdida de
muestras
(downsampling o
decimación)
Propiedades
 Escalamiento en el tiempo

a>1?
a<1?
a=1?

compressing dilating
shrink stretch

Time Scaling is compressing or dilating the signal.

Propiedades
 Escalamiento en el tiempo

The sequence is expanded

Called upsampling, or interpolation.

Propiedades

 Desplazamiento temporal Time Shift

Demostrar por qué las gráficas se desplazan hacia

adelante o atrás en cada caso.
Propiedades

 Desplazamiento temporal Time Shift

3 3

2.5 x[ n] 2.5
x[ n-n0]

2 2

1.5 1.5

1 1

0.5
... ... 0.5 ...
0 0

-0.5 -0.5 n0
-1 -1
-20 -10 0 10 20 -20 -10 0 10 20

x[n] y[n]=x[n-no]
Propiedades

 Desplazamiento Temporal

- Adelanto (+) Advanced signal

- Atraso (-) Delayed signal

 Completar:
Propiedades cos(𝜃) = sen(𝜃
sen(𝜃) = cos(𝜃
90°)
90°)

 Desplazamiento Temporal

Desfase en adelanto o atraso (delay or advance)

Propiedades
Ejemplo
Escalón unitario

La nueva señal es “más rápida” (dura menos)

Propiedades
Ejemplo
Halle la ecuación de las señales
s[n] = {…,0, -3, -3, -3, -2, -1, 0, 1, 2, 3, 4, 0, ---}
n = -4 -3 -2 -1 0 1 2 3 4 5

s[n+3] s[n-3]

s[-n] s[-(n+3)] s[-(n-3)]

Shift right

s[-n + 3] ?
Comprobar
s[-n - 3] ?
Shift left
Propiedades

 Señales Pares e Impares

Par: x(−t) = x(t) x[−n] = x[n]

Impar: x(−t) = −x(t) x[−n] = −x[n]

¿Qué indica el signo

menos como factor?
Propiedades

 Señales Pares e Impares

Una señal esta compuesta de partes par y/o impar.

EVEN PAR
ODD IMPAR
Propiedades

 Señales Pares e Impares

Combinaciones de funciones pares e impares, tiempo
discreto
Propiedades

 Señales Pares e Impares

Propiedades

 Señales Pares e Impares

Combinaciones de funciones pares e impares
Propiedades

 Periodicidad

Tiempo Continuo: x(t) = x(t + T)

Tiempo Discreto: x[n] = x[n + N]
Tiempo Discreto: x[n] = x[n + mN]
Ejemplo
 Determinar el periodo de una señal periódica

Es distinto cuando es ángulo

Aquí es ángulo, número

entero de vueltas

T = .4
Ejemplo
 Determinar el periodo de una señal periódica

𝑆𝑒𝑎:
𝑦 𝑡 = sin 𝑎𝑡

𝑆𝑢 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑒𝑠:
2𝜋
𝑇=
𝑎

𝐷𝑒𝑚𝑜𝑠𝑡𝑟𝑎𝑐𝑖ó𝑛
𝑦 𝑡 = 𝑦 𝑡 + 𝑇 = sin 𝑎 𝑡 + 𝑇 = sin[𝑎𝑡 + 𝑎𝑇]

𝐿𝑢𝑒𝑔𝑜:
𝑎𝑇 = 2𝜋

2𝜋
𝑇=
𝑎
Propiedades

 Periodicidad

Explique y dé ejemplos de:

- Números racionales (Q) => fracción p/q, decimal finito o semiperiódico
- Números irracionales
- Números reales
Propiedades

 Periodicidad
Propiedades

 Periodicidad
Ejemplo
 Determinar si la señal es periódica

x[n] = sin(5n)
x[n] = x[n + N ]
sin(5n) = sin(5(n + N )) = sin(5n + 5N )
Para que sea periodica 5N = 2k
2
N= k
5
N , k  Enteros
Ejemplo
 Si x[n] es definida por:

 Dibuje las siguientes señales

a) x[n–2]
b) x[4–n]
Ejemplo
 x[n-2]
Ejemplo
 x[-n+4]
2. Señales Base en Tiempo Continuo

 Escalón unitario

1, t 0
u (t ) = 
0, t0

 Impulso

du (t )
(t ) =
dt
 3. Señales Base en Tiempo Discreto

 Secuencia Escalón
u[n]
1, n0 1

u[n] = 
0, n0 ... ...

-3 -2 -1 0 1 2 3 n

u[n-k]
1

1, n  k
un − k  = 
... ...

0, n  k k-3 k-2 k-1 k k+1 k+2 k+3 n

¿Es correcto el dominio?

Dibujar la secuencia
3. Señales Base en Tiempo Discreto

 Secuencia Impulso
[n]
1
1, n=0
[n] = 
0, n0 ... ...

-3 -2 -1 0 1 2 3 n

[n-k]
1, n = k
1

 n − k  = 
0, n  k
... ...

k-3 k-2 k-1 k k+1 k+2 k+3 n

Propiedad: x[n](n − n0 ) = x(n0 )(n − n0 )

4. Definición de Sistema

 Un sistema físico es un conjunto de dispositivos

conectados entre sí, su funcionamiento está sujeto a
leyes físicas.

En procesamiento digital de señales, se trabaja con

sistemas modelados/simulados, representan a los
sistemas físicos.
4. Definición de Sistema

 Un sistema puede ser definido como un proceso que

realiza la transformación de señales, relacionadas a
través de una función de transformación T{.}

T
x(t) → y(t) y(t) = T {x(t)}

T
x[n] → y[n] y(n) = T {x(n)}

T
4. Definición de Sistema

Ejemplos de sistemas
4. Definición de Sistema
Modelo matemático de sistemas

Ecuaciones diferenciales

Ecuaciones en diferencias
Propiedades

 Sistemas dinámicos o con memoria

◼ Un sistema es con memoria, si su salida depende de los
valores de las entradas pasadas y de la actual

y[n] = x[n] + x[n − 1] + x[n − 2]

 Sistemas estáticos o sin memoria

◼ Su salida solo depende de la entrada actual
y[n] = ax[n]
Propiedades

 Sistema causal, no anticipativo o físico

◼ Un sistema es causal si su salida, para cualquier instante
de tiempo, depende solamente de los valores de las
entradas en el tiempo presente y/o pasados.

◼ Son sistemas cuya salida no depende de entradas

futuras.

◼ En la naturaleza la mayoría de sistemas son causales.

◼ Permiten su implementación en tiempo real.

Ejemplos
y[n] = x[n] + 2 x[n − 1]2

𝑦 𝑛 = 7 𝑥[𝑛 − 5]
Propiedades

 Sistema no causal
◼ Su salida depende de entradas futuras.
◼ No permiten su implementación en tiempo real.
◼ Implementación en tiempo diferido o con entradas/datos
previamente capturados y almacenados.
◼ Implementación en tiempo “casi real” (transmisiones
con segundos de retardo para corregir errores).

Ejemplos
𝑦 𝑛 = 7 𝑥[𝑛 + 5]
𝑦 𝑛 = 𝑥 𝑛 − 𝑥[𝑛 + 1]

Si el sistema es no
dependiente del tiempo si
se puede implementar en
tiempo real.
 Sistemas Invariantes en el Tiempo
 Un sistema es invariante en el tiempo si para cierto
desplazamiento en el tiempo de la señal de entrada,
provoca el mismo desplazamiento en el tiempo en la
señal de salida.

y(t) = sin(t)

y(t - to) = sin(t - to)

La respuesta del sistema es la

misma, no importa en que
momento se aplique la entrada.
 Sistemas Invariantes en el Tiempo
Ejemplo
Determinar si el sistema es invariante en el tiempo
y[n] = sin( x[n])

SOLUCION:
Para una entrada x1[ n] la salida del sistema es :
y1[n] = sin( x1[n]) (1)

Considerando una entrada x2 [ n] = x1[ n − n0 ], la salida es :

y2 [n] = sin( x2 [n]) = sin( x1[n − n0 ]) (2)
Sistema invariante
en el tiempo
Para un desplazamiento de la salida y1[ n]
y1[n − no ] = sin( x1[n − no ]) (3)

Comparando (2) y (3) :

y2 [n] = y1[n − no ]
Por lo tanto el sistema es invariante en el tiempo
Sistemas Lineales
Son aquellos que cumplen con las propiedades
de:

a) Superposición o aditividad

b) Escalamiento, homogeneidad o
proporcionalidad
Sistema Lineales
SLIT

Son sistemas: - Lineales

- Invariantes en el tiempo
Problemas Propuestos
 Especifique si los sistemas son lineales e
invariante en el tiempo
a) y (t ) = x (t 2 )

y[n] = ( x[n])
2
b)

We have analyzed some importan properties of a system:

• Linearity
• Causality
• Time-invariance

How do these properties relate to each other?

Essentially, these properties are independent of each other and they can appear in any combination.
Some examples:

However, one particular combination is especially important in signal processing: The class of Linear Time-Invariant
(LTI) systems.
All these systems can be described by their response to a Dirac input, which is called the impulse response.
¿Causales o no causales?