SEÑALES Y SISTEMAS

Unidad 2 Tarea 2

Presentado por:
Diego Raúl Forero Nivia
código: 13’992426

Tutor:
Freddy Valderrama

Grupo: 203042_51

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERA ECBTI
PROGRAMA DE INGENIERA ELECTRONICA
Ibagué-Tolima, 22 de marzo del 2019
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.

 R/: Convolución discreta: Cuando se trata de hacer un procesamiento digital de

señal no tiene sentido hablar de convoluciones aplicando estrictamente la definición
ya que solo se dispone 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 ( t )∗h(t−τ ) para ello, se dispone de muestreos de
ambas señales en los instantes de tiempo , a la que se llamará x [ K ] y h [ n−k ] donde n
y k son enteros.
El área es, por tanto:

La convolución discreta se determina por un intervalo de muestreo t=1

 R/: Convolución Continuas: Una señal continua es una señal "suave" que está
definida para todos los puntos de un intervalo determinado del conjunto de los
números reales. Por ejemplo, la función seno es un ejemplo continuo, como la
función exponencial o la función constante. Una parte de la función seno en el
rango de tiempos de 0 a 6 segundos también es contínua. Si deseamos ejemplos de
la naturaleza tenemos la corriente, el voltaje, el sonido, la luz, etc. Se define a la
integral de convolución Y la respuesta de un sistema lineal estacionario a una
entrada arbitraria se obtiene como la convolucion entre la entrada y la respuesta al
impulso.
Ejemplos:

Imagen 1-sacada de https://www.academia.edu/7571605/Tema_3._Convoluciones_continuas_y_discretas_Contenidos

Imagen 2-sacada de https://www.academia.edu/7571605/Tema_3._Convoluciones_continuas_y_discretas_Contenidos

Imagen 3-sacada de https://www.academia.edu/7571605/Tema_3._Convoluciones_continuas_y_discretas_Contenidos

Imagen 4-sacada de https://www.academia.edu/7571605/Tema_3._Convoluciones_continuas_y_discretas_Contenidos

Imagen 5-sacada de https://www.academia.edu/7571605/Tema_3._Convoluciones_continuas_y_discretas_Contenidos

Imagen 6-sacada de https://www.academia.edu/7571605/Tema_3._Convoluciones_continuas_y_discretas_Contenidos

Imagen 7-sacada de https://www.academia.edu/7571605/Tema_3._Convoluciones_continuas_y_discretas_Contenidos

Imagen 8-sacada de https://www.academia.edu/7571605/Tema_3._Convoluciones_continuas_y_discretas_Contenidos

Imagen 9-sacada de https://www.academia.edu/7571605/Tema_3._Convoluciones_continuas_y_discretas_Contenidos

 Imagen 10-sacada de https://www.academia.edu/7571605/Tema_3._Convoluciones_continuas_y_discretas_Contenidos

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

Causalidad: Un sistema es causal cuando su salida no anticipa valores futuros

de la entrada. Podemos asegurar que un sistema es causal si:

h[n]=0 n < 0 h(t)=0 t < 0

Demostración: Si el sistema es causal, al no poder depender de valores futuros

de x[n] en la suma de convolución no podrá depender de valores de x[k] si k>n

Para que se de esa igualdad:

h [n − k] = 0 si k>n

h[n − k] = 0 si n − k < 0

Si recordamos que (h[n] o h(t)) es la respuesta al impulso, parece lógico que un

sistema LTI que es causal (y por tanto no puede anticipar la entrada) no pueda
tener salida no nula antes de del instante cero.
 Estabilidad: Un sistema LTI es estable si se cumple:

Demostración: En un sistema estable, la salida tiene que estar acotada si la

entrada está acotada:

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

Una herramienta útil en análisis de señales y sistemas es la correlación. La

correlación obtiene información sobre las señales en base a promediados
temporales y su transformada de Fourier permite obtener funciones de Densidad
Espectral de Energía o Potencia, dependiendo de las características delas señales
y sistemas bajo estudio. Esta propiedad es particularmente interesante puesto
que la información puede obtenerse incluso si la señal carece de Transformada
de Fourier. Las herramientas basadas en correlación de señales y
su transformada de Fourier, son básicas en el análisis de procesos En este
capítulo se estudian aplicadas a señales deterministas. El objetivo es facilitar su
comprensión y para ello se desarrolla el significado de la correlación como
medida de parecido entre señales, se establecen las propiedades de la correlación
cuando las señales bajo estudio están relacionadas por sistemas lineales e
invariantes. En la colección de problemas se muestra una serie de aplicaciones
donde la utilización de la auto correlación es básica: medida de tiempo de
retardo con aplicación a sistemas de radar, medida de sistemas lineales e
invariantes a partir de señales contaminadas con ruido o interferencias, y
utilización del filtro adaptado en sistemas de comunicaciones digitales.
d- Explique qué es auto correlación y de un (1) ejemplo de uso y/o aplicación en la
ingeniería.

La autocorrelación o dependencia secuencial es una herramienta estadística

utilizada frecuentemente en el procesado de señales. La función
de autocorrelación se define como la correlación cruzada de la señal consigo
misma.

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

evalúa la relación lineal entre dos variables continuas. Una relación es lineal cuando
un cambio en una variable se asocia con un cambio proporcional en la otra variable.

Ejemplo evaluar si los aumentos de temperatura en sus instalaciones de producción

están asociados con una disminución en el espesor de las capas de chocolate.

Correlación del orden de los rangos de la correlación de evalúa la relación monótona

entre dos variables continuas u ordinales. En una relación monótona, las variables
tienden a cambiar al mismo tiempo, pero no necesariamente a un ritmo constante. El
coeficiente de correlación de Spearman se basa en los valores jerarquizados de cada
variable y no en los datos sin procesar.
 Correlación discreta periódica

Para secuencias periódicas con periodo idéntico N, la correlación discreta periódica se

define por analogía con la correlación continua periódica como

Tal como en la convolución discreta periódica, en ocasiones se incluye un factor

de promedio de 1/Nen la su-matoria. También podemos encontrar la correlación
periódica r xh [n] usando la convolución y la envolvente, y, usando un periodo de
la extensión periódica reflejada de la secuencia h[n].

EJEMPLO (Autocorrelación discreta y correlación cruzada)

(a) Considere x[n] = anu[n], ǀ a ǀ ≤ 1. Ya que x[k -n] = ak-nu[k - n] empieza en k =

n, obtenemos la autocorrelación r xx [n] para η ≥ 0 como

Ya que la autocorrelación es una función simétrica par, tenemos

f- ¿Qué son las series de Fourier?

 La Serie de Fourier es ideal para realizar un análisis de frecuencia de

señales periódicas (deterministas) pero no funciona bien en seña les
aleatorias o continuas.
La operación de la Serie de Fourier está basada en una señal de tiempo que es
periódica. Esto es una señal de tiempo cuya forma se repite en una cantidad
infinita de veces. Fourier demostró que una señal de este tipo es equivalente a
una colección de funciones senos y cosenos cuyas frecuencias son múltiplos del
recíproco del periodo de la señal de tiempo. El resultado un poco inesperado es
que cualquier forma de onda, siempre y cuando no sea infinita en longitud se
puede representar como la suma de una serie de componentes armónicos, y la
frecuencia fundamental de la serie de armónicos es 1 entre la longitud de la
forma de onda. Las amplitudes de los varios armónicos se llaman los
coeficientes Fourier, y sus valores se pueden calcular fácilmente si se conoce la
ecuación para la forma de onda. También se puede calcular gráficamente la
forma de onda.

Las tres formas de una serie de Fourier

La forma trigonométrica de la serie de Fourier de una señal periódica xp (t) es

simplemente una combinación lineal de senos y cosenos con frecuencias iguales a los
múltiplos de su frecuencia fundamental f 0 = 1/T :

El término constante a 0 toma en cuenta cualquier nivel de de en xp (t),

y a 0, ak y bk se conocen como los coeficientes de la serie trigonométrica de
Fourier. Para cada frecuencia armónica kf 0existe un par de términos (un seno y un
coseno).

ck  ∠ θk = ak − jbk 

La forma exponencial invoca la relación de Euler para expresar cada par seno-

coseno de frecuencia kf 0 con exponenciales complejas en ±k f 0:

En este caso, el índice k varía de −∞ a ∞ y X [0] = a 0. Para ver cómo aparece esta
forma se utiliza la relación de Euler a fin de obtener

ak cos(2πkf 0 t) + bk sen(2πkf 0t) = 0.5ak (ej2πkfot + e−j2πkfot) − j 0.5bk (ej2πkfot − e−j2πkfot)

Al combinar los términos en kf 0 y − kf 0 se tiene que

ak cos(2nkf 0t) + bk sen(2πkf 0t) = 0.5(ak − jbk)ej2πkfot + 0.5(ak + jbk)e−j2πkfot

Por tanto, la relación entre las formas trigonométrica y exponencial es

X[k ] = 0.5(ak − jbk), k ≥1 (8.7)

El coeficiente X [−k ] es simplemente el complejo conjugado de X [k ]

X [−k) = 0.5(ak + jbk) = X *[k], k ≥1

 La conexión entre las tres formas de los coeficientes es muy similar a la que existe
entre las tres formas de un número complejo, y el diagrama de Argand es una
manera útil de mostrar dichas conexiones.
X [k ] = 0.5 (ak − jbk) − 0.5ck  ∠ θk, k ≥ 1 (8.9)

El conjugado simétrico de X [k ] también implica que ak es una función de A; de

simetría par y que bk es una función de k de simetría impar.

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

aplicación en la ingeniería.

Es una transformación de una función del tiempo en otra función de la frecuencia. 

También se dice que la función original está en el ‘dominio del tiempo’ y la
transformada la pasa al ‘dominio de la frecuencia’. 
Recordemos que el “dominio” de una función es el conjunto de valores que puede
tomar la variable en el conjunto origen. Cuando es el ‘dominio del tiempo’ los valores
serán valores de tiempo (ej: 2 segundos, 7 segundos, etc)… Cuando se habla de
‘dominio de la frecuencia’ los valores son valores de frecuencia (ej: 7 radianes por
segundo, 100*PI radianes por segundo, etc).

Es decir, dada una función que te dice cuánto hay de una cantidad en cada instante de
tiempo, la transformada te da otra función que te dice la cantidad que tiene la
anterior función en cada frecuencia.

Ejemplo 1
En las imágenes se puede ver que una señal original f, el dominio del tiempo, se
descompone en una suma de señales de tipo sinusoidal, es decir, de frecuencias
puras… y la gráfica azul es la transformada, que indica los coeficientes de cada
frecuencia. Por ejemplo, tiene una componente grande de baja frecuencia y otras
más pequeñas de frecuencias más altas.

Ejemplo 2