Análisis de Señales y Sistemas en el

Dominio de la Frecuencia

SIGNALS & SYSTEMS

Signals & Systems

 Introducción

Las series de Fourier aparecen como una herramienta importante en la

resolución de problemas en los que es necesario representar funciones
mediante series simples de senos u cosenos.

Se considera que una Serie de Fourier es una expansión de una función

periódica f(t).

La serie de Fourier es una fina herramienta de análisis, pero tiene

límites.

Puede describir cualquier señal útil para la ingeniería en un tiempo finito

y cualquier señal periódica para cualquier tiempo como una combinación
lineal de senoides.

Pero no tiene la posibilidad de describir una señal aperiódica para todo

tiempo.

Signals & Systems

 Introducción

En este capítulo se descompondrá una señal, expresada como una

suma de sinusoidales reales o complejas en vez de una suma de
impulsos.

Las sinusoidales reales y complejas son combinaciones lineales de

casos especiales de funciones propias de sistemas LIT, las
exponenciales complejas.

Las respuestas de los sistemas LIT a sinusoidales también son

sinusoidales de la misma frecuencia , en general, con diferente amplitud
y fase.

Estas presentaciones están divididas en dos partes, la primera

analiza las serie y transformada de Fourier como herramienta
Matemática y la segunda es el análisis de sistemas desde el
dominio de la frecuencia.

Signals & Systems

 Introducción

Además recuerde que las series de Fourier es una representación que

abre una perspectiva de las señales periódicas en el dominio de la
frecuencia en términos de su contenido en frecuencia, o espectro.

Es deber del estudiante ahondar en la parte 1 A y B ya que corresponde

a herramientas analizadas en otras asignaturas.

Sin embargo, en el aula se revisará brevemente algunos aspectos

importantes para que el estudiante se introduzca en el análisis de
señales y sistemas usando Fourier.

Signals & Systems

 FÓRMULAS TRIGONOMÉTRICAS ÚTILES
1
cos ( A ) cos ( B ) = cos ( A + B ) + cos ( A − B ) 
2 sin ( 2 A ) = 2sin ( A ) cos ( A )
1
sin ( A ) sin ( B ) =  − cos ( A + B ) + cos ( A − B ) 
2
1 − cos ( 2 A )
1
sin ( A ) cos ( B ) = sin ( A + B ) + sin ( A − B )  sin 2 ( A ) =
2 2
1 + cos ( 2 A )
cos 2 ( A ) =
1
sin ( A ) cos ( B ) = sin ( A + B ) + sin ( A − B ) 
2 2
 2n t 
Entonces, para n entero:sen(n0t ) = sen  =0
 T 
sen ( mt )
por lo tanto también se tiene: cos ( mt ) dt = sen ( mt ) = 0
 m
= 0 puesto
que

Signals & Systems

FÓRMULAS TRIGONOMÉTRICAS ÚTILES
cos(n −  ) = cos(n +  ) = cos  (n − 1)  = cos  (n + 1) 
cos  (n − 1)  = cos  (n + 1)  = − cos ( n ) = − ( −1) = ( −1)
n n +1

 n   n    n    n 
sen  −   = sen  +   = sen   − 1  = sen   + 1 
 2   2    2    2 
  n    n   n 
sen   − 1  = sen   + 1  = − sen   = 1 Para n impar
  2    2   2 

cos ( 2n ) = 1

n siempre considere entero.

En otras expresiones usted podría encontrar k en lugar de n

Signals & Systems

ORTOGONALIDAD DEL SENO Y EL COSENO

• Se dice que un conjunto de funciones fk(t) son ortogonales en

el intervalo a<t<b si dos funciones cualesquiera fm(t) y fn(t) de
dicho conjunto cumplen con lo siguiente:

b
0 𝑝𝑎𝑟𝑎 𝑚 ≠ 𝑛
න fm (t)fn (t) 𝑑𝑡 = ቊ
𝑟𝑛 𝑝𝑎𝑟𝑎 𝑚 = 𝑛
𝑎

• rn puede ser una constante cualquiera y existirá siempre que

fm(t) y fn(t) sean iguales

• Si el resultado da cero, significa que fm y fn son ortogonales

entre sí y además son independientes entre ellas

Signals & Systems

Fasores y Relaciones

Las expresiones de fasores implica aprovechar el concepto y las

igualdades de la exponencial compleja, la transformada fasorial P
será.
(
A cos  0 t +  ⎯⎯
P
)
→ Ae j = x + j. y

Donde: ( )
x = A cos  y ( )
y = A sin 
(Se pueden utilizar dos notaciones intercambiables : Ae j = A )
P −1
Transformación de fasor inversa: Ae j  A cos( wo t +  )
 P −1 
 ó x + jy  A cos( wo t +  ) 
 
−1 y
 donde: A = x + y and  = tan
2 2
.
 x 

Signals & Systems

Conceptos iniciales
Las componentes sinusoidales poseen diferentes
frecuencias wk = kw0.

A la componente sinusoidal de frecuencia kw0 se le llama

la k-ésima armónica de f(t).

A la primera armónica (k=1) se le llama la componente

fundamental y su periodo es el mismo que el de f(t)

A la frecuencia w0=2πf0=2π/T se le llama frecuencia

angular fundamental.

Signals & Systems

Resumen de Funciones básicas: Delta de Dirac
La función delta Dirac 𝛿 𝑥 , cumple con:
∞

න 𝑔 𝑥 𝛿 𝑥 𝑑𝑥 = 𝑔 0
−∞
Esto es aplicable a toda función 𝑔 𝑥 continua considerando que 𝑥
puede representar el tiempo, la frecuencia o cualquier dominio.
En este caso 𝛿 𝑥 está en el origen.
Una definición alternativa de 𝛿 𝑥 está basada en las dos
siguientes condiciones (ambas se deben cumplir):

 x=0
− ( x)dx = 1 ;  ( x) = 0 x0
Propiedad de corrimiento: Donde 𝑥0 puede representar cualquier
constante a lo largo ∞del dominio 𝑥.
න 𝑔 𝑥 𝛿 𝑥 − 𝑥0 𝑑𝑥 = 𝑔 𝑥0
−∞

Signals & Systems

Resumen de Funciones básicas: Escalón unitario

Función escalón unitario, u ( x) :

1 x0
u ( x) = 
0 x0
El escalón se relaciona con el Dirac mediante :
x
u ( x) =   ( )d
−

Por consecuenc ia se cumple que :

du(x)
= δ ( x).
dx

Signals & Systems

Otras Funciones muy usadas
Función Rectangular:
 T
1 t 
t  2
Π  = 
 T  0 t 
T
 2

Función Triangular
 t
 t  1 − t T
  =  T
T  0 t T


Función Sa(●)
sin x
Sa ( x) =
x

Signals & Systems

 Diferencias Sinc y Sa -> Agregar al Formulario
• En procesamiento digital de señales y
teoría de la información, la función
sinc normalizada comúnmente se
define como:
sin (  x )
Sinc N ( x) =
 x

• En matemática, la histórica función

sinc desnormalizada, esta definida Sinc(x) normalizada (azul) frente a la sinc
por: desnormalizada (rojo) con la misma escala:

sin (x )
x = −6π a 6π.

Sinc ( x) = = Sa (x ) Resumen de Propiedades

x +
1.  Sinc N ( x)  dx = 1
Recuerde que 𝑥 puede representar el -
+
tiempo, la frecuencia o cualquier 2.  Sinc( x)  dx = 
dominio en general -

Signals & Systems

Representación de Señales por medio de Fourier

En el análisis de señales de tiempo continuos nos enfocaremos en la

representación de Fourier de señales continuas periódicas y no periódicas, a
través de su representación en serie de Fourier y Transformada de Fourier
respectivamente.

Signals & Systems

PARTE 1-A
SERIES DE FOURIER

REPASO

Signals & Systems

• La serie de Fourier en su análisis busca la separación, de
una señal periódica en sus componentes periódicos.
• Desde el punto de vista de los sistemas, los armónicos
perpetuos de la forma 𝑒 𝑗𝜔𝑡 también son señales propias de
los sistemas lineales.
• La serie de Fourier (SF) describe una señal periódica
𝑥𝑝 𝑡 como una suma (combinación lineal), en la mezcla
correcta, de amónicos (o senoides) en la frecuencia
fundamental 𝑓0 de 𝑥𝑝 𝑡 y sus múltiplos 𝑘𝑓0 .
La serie de Fourier de una señal, es una representación de
dicha señal a través de la sumatoria de k componentes seno
y coseno

Signals & Systems

La serie de Fourier en Tiempo continuo
Si un sistema LIT se excita mediante una sinusoide compleja, la
respuesta es también una sinusoide compleja, con la misma
frecuencia pero, por lo general, con otra constante de
multiplicación (se atenúa o amplifica).

Esto ocurre debido a que la exponencial compleja es la función

propia de las ecuaciones en diferenciales que describen a los
sistemas LIT y una sinusoide compleja es justo un caso especial
de una exponencial compleja.

Recordemos que, si un sistema LIT se excita mediante una

suma de señales, la respuesta completa es la suma de las
respuestas a cada una de las señales.

Signals & Systems

La serie de Fourier en Tiempo continuo
Entonces, si se pudiera encontrar una forma de expresar señales de
excitación arbitraria como combinaciones lineales de sinusoides
complejas, se tendría la posibilidad de utilizar la superposición para
determinar la respuesta de cualquier sistema LIT a cualquier
excitación arbitraria sumando las respuestas a las sinusoides
complejas individuales.

Signals & Systems

Una señal original arbitraria (es decir una señal cualquiera) puede ser representada
como una combinación lineal de sinusoides dado un intervalo finito de tiempo desde
un tiempo inicial to hasta un tiempo final to + TF como se ilustra en la parte superior de
la figura.
Considere que fF = 1/TF se
denomina la frecuencia
fundamental de este tipo de
representación de señal.

Entonces es posible, agregar

una constante, senos y
cosenos a múltiplos enteros
que mantengan la frecuencia
fundamental con las
amplitudes correctas para
representar la señal original
en ese intervalo de tiempo
finito.

Signals & Systems

 e jx + e − jx
cos( x) =
2

e jx − e − jx
sin( x) =
2j

Cualquier función periódica con utilidad en ingeniería puede expresarse

como una combinación de sinusoides complejas

Signals & Systems

 e jx + e − jx
cos( x) =
2

La importancia de las exponenciales complejas e jx − e − jx en

sin( x) =
el estudio de los sistemas LTI radica en el hecho 2 j de
que la respuesta al sistema LTI ante una entrada
exponencial compleja, es la misma exponencial
compleja pero con un cambio en la amplitud.

Cualquier función periódica con utilidad en ingeniería puede expresarse

como una combinación de sinusoides complejas

Signals & Systems

 Formas de la Serie de Fourier

• Forma Trigonométrica: combinación lineal de senos y

cosenos con frecuencias iguales a los múltiplos de la
frecuencia fundamental,

x p ( t ) = a0 +  ak cos ( 2 kf 0t ) + bk sin ( 2 kf 0t )
k =1

• El término constante 𝑎0 toma en cuenta cualquier nivel de

DC en 𝑥𝑝 𝑡 .
• Los coeficientes 𝑎𝑘 y 𝑏𝑘 se conocen como los coeficientes de
la serie trigonométrica de Fourier.
• Para cada frecuencia armónica kf0 existe un par de
términos (un seno y un coseno).

Signals & Systems

 Formas de la Serie de Fourier

• Forma Polar: combina cada par seno-coseno con la

frecuencia kf0 en una sola senoide:

x p ( t ) = c0 +  ck cos ( 2 kf 0t +  k )
k =1

• En este caso 𝑐0 = 𝑎0 , 𝑐𝑘 y 𝜃𝑘 son llamados coeficientes

polares y se relacionan con los coeficientes trigonométricos
𝑎𝑘 y 𝑏𝑘
• La mejor manera de obtener esta relación es hacer una
comparación con la representación fasorial de los términos
en el dominio del tiempo

ck  k = ak − jbk

Signals & Systems

 Formas de la Serie de Fourier
Forma Exponencial
Considere la representación de la señal con periodo fundamental “T”
como la suma o superposición de señales complejas senoidales y
expresada de la siguiente manera:
x p ( t ) =  X [k ]e
jko t

Frecuencia fundamental: k

2 1
o = = 2f 0 X [k ] =  x p ( t ) e − j kt
dt
T0 TT
En este caso, la serie de Fourier está expresada como una
sumatoria (serie) de variables complejas, es decir que es la
forma compleja de la Serie de Fourier.
La frecuencia de la K-ésima sinusoide es kωo, y cada sinusoide tiene
un periodo común “T”.
Una sinusoide cuya frecuencia es un múltiplo entero de una
frecuencia fundamental se conoce como armónico de la sinusoide en
la frecuencia fundamental, por tanto:
k – ésimo armónico e jkot → e jot
Signals & Systems
 RELACIONES DE LA SF TRIGONOMÉTRICA Y COMPLEJA
• Forma exponencial: invoca la relación de Euler para expresar cada
par seno-coseno de frecuencia kf0 con exponenciales complejas en ±kf0 :

x p (t ) =  X  k  e j 2 kf t 0

k =−
A continuación se desarrolla el análisis matemático para pasar de la
forma compleja a la forma trigonométrica:

• Esta expresión puede ser representada en dos partes además de la

componente cuando k es cero:
 −1
x p (t ) = X  0 +  X  k  e jo kt
+  X  k  e jo kt
k =1 k =−

• Reordenando los límites de la segunda sumatoria se obtiene

 
x p (t ) = X  0 +  X  k  e jo kt
+  X  −k  e − jo kt
k =1 k =1

x p (t ) = X  0 +  X  k  e jo kt + X  −k  e − jo kt
k =1

Signals & Systems

 RELACIONES DE LA SF TRIGONOMÉTRICA Y COMPLEJA
• A partir de la ecuación anterior:

x p (t ) = X  0 +  X  k  e jo kt + X  −k  e − jo kt
k =1
• Ahora aplicamos la identidad de Euler:

X  0 +  X  k  cos (o kt ) + j sin (o kt )  +
x p (t ) = k =1 ...
... + X  −k  cos (o kt ) − j sin (o kt ) 


X  0 +  X  k  cos (o kt ) + jX  k  sin (o kt ) +
x p (t ) = k =1 ...
... + X  −k  cos (o kt ) − jX  −k  sin (o kt )

• Agrupando términos semejantes


x p (t ) = X  0 +  ( X  k  + X  −k ) cos (o kt ) + j ( X  k  − X  −k ) sin (o kt )
k =1

Signals & Systems

 RELACIONES DE LA SF TRIGONOMÉTRICA Y COMPLEJA

x p (t ) = X  0 +  ( X  k  + X  −k ) cos (o kt ) + j ( X  k  − X  −k ) sin (o kt )
k =1

Ak  B k 

x p (t ) = X  0 +  A  k  cos (o kt ) + jB  k  sin (o kt )
k =1
Para identificar cada coeficiente 𝑋 0 , 𝐴 𝑘 y 𝐵 𝑘 , consideremos la
ecuación original para encontrar 𝑋 𝑘
1
1
X [k ] =  x p ( t ) e − j kt
dt X [ − k ] =  x p ( t ) e j kt
dt
TT TT
X [0] = A[0]
1 1
X [0] =  x p ( t ) e0 dt =  x p ( t ) dt La parte par contiene energía
TT TT cuando 𝑘 = 0, la impar no
1 1 1
A[k ] = X [k ] + X [−k ] =  x p ( t ) e − j kt
dt +  x p ( t ) e j kt
dt =  x p ( t ) e j kt + e − j kt  dt
TT TT TT
 1 1  1
B[k ] = j ( X [k ] − X [−k ]) = j   x p ( t ) e − j kt dt −  x p ( t ) e j kt dt  = j  x p ( t ) e − j kt − e j kt  dt
 T T TT  TT

Signals & Systems

RELACIONES DE LA SF TRIGONOMÉTRICA Y COMPLEJA

x p (t ) = X  0 +  A  k  cos (o kt ) + jB  k  sin (o kt )
k =1

Usando nuevamente las relaciones de Euler:

cos(k0t ) = 12 (e jk0t + e − jk0t ) sin(k0t ) = 1
j2
(e jk0t + e − jk0t )

1 1
A[k ] = X [k ] + X [−k ] =  x p ( t ) e
 j kt
+e − j kt

 dt =  x p ( t ) 2 cos ( kt ) dt
TT TT
2
A[k ] = X [k ] + X [−k ] =  x p ( t ) cos ( kt ) dt
TT

1 1
B[k ] = j ( X [k ] − X [−k ]) = j  x p ( t ) 
 e − j kt
− e j kt

 dt = − j  x p ( t ) 
 e j kt
− e − j kt
 dt

TT TT
j2
B[k ] = j ( X [k ] − X [−k ]) = − j  x p ( t ) sin ( k t ) dt
T T
2
B[k ] = j ( X [k ] − X [−k ]) =  x p ( t ) sin ( k t ) dt
TT
Signals & Systems
 RELACIONES DE LA SF TRIGONOMÉTRICA Y COMPLEJA - RESUMEN
A continuación se resume los resultados de la deducción anterior:

Serie de Fourier – Forma Trigonométrica:


x(t ) = A[0] +  A[k ]cos(ko t ) + B[k ]sin(ko t )
k =1

Recordando que los coeficientes de la serie de Fourier trigonométrica están dadas

por las siguientes formulas:
T
1
A[0] =  x(t )dt A[0] : Representa el
T0 valor promedio de la
T señal.
2
A[k ] =  x(t ) cos(ko t )dt → A[k ] = X [k ] + X [ −k ]
T0 Es la componente
T continua
2
B[k ] =  x(t ) sin(ko t )dt → B[k ] = j ( X [k ] − X [ −k ])
T0

Signals & Systems

 RELACIONES DE LA SF TRIGONOMÉTRICA Y COMPLEJA - RESUMEN
Hay otras ecuaciones útiles que permiten relacionar ambas formas de
la serie de Fourier para una función periódica f(t),

x ( t ) = A[0] +  [ A[k ]cos(k0t ) + B[k ]sen(k0t )]
k =1
cos(k0t ) = 12 (e jk0t + e − jk0t )
Usando las fórmulas de Euler:
sen(k0t ) = 1
2j
(e jk0t − e − jk0t )

• El índice k varía de −∞ a ∞ y 𝑋 0 = 𝑎0 = 𝑐0
1
( 1
) (
ak cos ( 2 kf 0t ) + bk sin ( 2 kf 0t ) = ak e j 2 kf0t + e − j 2 kf0t − j bk e j 2 kf0t + e − j 2 kf0t
2 2
)
1 1
ak cos ( 2 kf 0t ) + bk sin ( 2 kf 0t ) = ( ak − jbk ) e j 2 kf0t + ( ak − jbk ) e − j 2 kf0t
2 2
• Al combinar los términos kf0 y –kf0
1
X  k  = ( ak − jbk ) , k  1
2
• Por tanto, la relación entre las formas trigonométrica y exponencial es
1
X  −k  = ( ak + jbk ) = X *  k  , k  1
2
Signals & Systems
RELACIONES DE LA SF TRIGONOMÉTRICA Y COMPLEJA - RESUMEN
Consideremos la serie de Fourier para una función periódica
f(t), con periodo T=2p/w0.

x ( t ) = A[0] +  [ A[k ]cos(k0t ) + B[k ]sen(k0t )]
k =1

Usando las fórmulas de cos(k0t ) = 12 (e jk0t + e − jk0t )

Euler: sen(k0t ) = 1
(e jk0t − e − jk0t )
2j

 

x ( t ) = A[0] +  A[k ]  12 (e jk0t + e − jk0t )  + B[k ]  21j (e jk0t − e − jk0t ) 
k =1

El índice k varía de −∞ a ∞ y 𝑋 0 = 𝑎0 = 𝑐0 Donde x[0] = A[0]

1 1 1
𝑋 0 = 𝑎0 = 𝑐0 𝑋 𝑘 = 𝑎𝑘 − 𝑗𝑏𝑘 𝑋 𝑘 = 𝑐𝑘 ∡𝜃𝑘 = 𝑐𝑘 𝑒 𝑗𝜃𝑘
2 2 2

Signals & Systems

 Señales Periódicas: Representación en series de Fourier

2 x ( t ) =  X [k ]e jkot
o = k
T
El error que existe entre una señal o función original con la aproximación
por Series de Fourier puede ser calculado a través del error cuadrático
medio (MSE).
Se requieren coeficientes de X[k] de tal manera que exista una buena
aproximación a la función x(t), esto se logra minimizando el error medio
cuadrático entre la señal y su representación.

La variable “K” indexa la frecuencia de la

sinusoide, de tal manera que A[k] es una
Error medio cuadrático: función de la frecuencia.
T 2
1 ^
MSE =  x(t ) − x(t ) dt La serie de Fourier también produce el error
cuadrático medio más pequeño en la potencia
T 0
entre 𝑥𝑝 𝑡 y su representación en serie,
independientemente del número de términos o
armónicos.

Signals & Systems

Señales Periódicas: Representación en series de Fourier
Señales periódicas de tiempo continuo son representadas mediante
la serie de Fourier. Esta representación es una aproximación de la
señal original, por lo tanto, mientras mayor es la cantidad de
armónicos, mejor será la representación de la señal. 2
o =
Expresión matemática general de la serie de Fourier: T
 T
1
x(t ) = 
k = −
x[k ]e jkot → x[k ] =  x(t )e − jkot dt
T 0

Coeficientes de la serie de Fourier

Representación en el dominio de la frecuencia de x(t)

De los coeficientes x[K] se puede determinar x(t), y
con x(t) se puede determinar x[k] usando las formulas
de manera adecuada.

Signals & Systems

Calculo de la Serie de Fourier
Limitaciones sobre las funciones representables por una serie de
Fourier en tiempo continuo:
Condiciones de Dirichlet:

1. La señal debe ser absolutamente integrable en el tiempo to < t < to+TF,

esto es, t o +TF

 x(t ) dt  
to

2. La señal debe tener un numero finito de máximos y mínimos en el

tiempo to < t < to+TF
3. La señal debe tener un numero finito de discontinuidades, todas de
tamaño finito, en el tiempo to < t < to+TF
Si no se cumplen las tres condiciones antes citadas, la señal en cuestión no
tiene transformada de Fourier

Signals & Systems

Espectro de Señales Continuas Periódicas
• Los términos análisis espectral o análisis armónico se usan a
menudo para describir el análisis de una señal periódica 𝑥𝑝 𝑡 por
medio de su serie de Fourier.
• Como se ha explicado antes, las cantidades 𝑎𝑘 , 𝑏𝑘 , 𝑐𝑘 , 𝜃𝑘 y X 𝑘
(dependiendo de cual forma de la serie de Fourier se aplique)
describen los coeficientes espectrales de 𝑥𝑝 𝑡 .
• Estos coeficientes pueden graficarse como una función del índice
armónico 𝑘, 𝑘𝑓0 en Hertz o en función de 𝑘𝜔0 en rad/seg.

Signals & Systems

 Representación de Señales Periódicas continuas
Serie de Fourier

Graficando el espectro de Fase y Magnitud

3 − j / 4
x[−1] = e
2
3 j / 4
x[1] = e Donde: p = π
2

Signals & Systems

Ejemplo 1:
Calcule los coeficientes de FS de la siguiente señal, adicionalmente grafique el
espectro de la magnitud y fase.
Procedimiento de calculo:
2
1 −2t − jk t
x[k ] =  e e dt
20
2
1 − (2+ jk )t
Periodo fundamental y T = 2
x[k ] =  e dt
20
frecuencia fundamental:  = 
o
−1
x[k ] = e − (2+ jk )t 2
2(2 + jk )
0
Función matemática de la
señal:
1 − e −4−2 jk
x(t ) = e −2t x[k ] =
4 + 2 jk
Signals & Systems
Representación de Señales Periódicas continuas
Serie de Fourier

Signals & Systems

Implementando el ejemplo anterior en Matlab
>> k=-10:10;
>> X=(1-exp(-4))./(4+j*k*2*pi);
>> subplot(2,1,1),stem(k,abs(X),'fill');grid;subplot(2,1,2),stem(k,angle(X),'fill');grid

Signals & Systems

Ejemplo 2:
Dada la siguiente señal cuadrada periódica, determinar su representación en Serie
de Fourier.

El periodo fundamental de la señal es “T”, de tal manera que ω0=2π/T. Debido a

que la señal tiene simetría par, es fácil de evaluarla integrándola sobre el
intervalo: −T / 2  t  T / 2

De tal manera que:

T /2
1
X [k ] =  x(t )e − jkot dt
T −T / 2

Signals & Systems

 Aplicando la representación trigonométrica de la SF al problema anterior para un
periodo:

T
1 0 2T
A[0] =  dt = 0 Determinando el coeficiente en k = 0
T −T T
0 T T
2 0 2 0
A[k ] =  x(t ) cos(kot )dt =  cos(kot )dt
T −T T −T
0 0

T0
2 2 2
A[k ] = sin(kot ) = sin(koTo ) − sin(−koTo )
koT −T0
koT koT
Determinando el
2 2 4
segundo termino A[k ] = sin(koTo ) + sin(koTo ) = sin(koTo )
koT koT koT
4
A[k ] = sin(k 2 To / T )
k ( 2 / T ) T
2
A[k ] = sin(k 2 To / T ), k  0
k
Signals & Systems
Determinando el tercer termino
T T
2 0 2 0
B[k ] =  x(t ) sin(ko t )dt =  sin(ko t )dt
T −T T −T
0 0

T0
2 2 2
B[k ] = − cos(ko t ) = cos(koTo ) − cos(−koTo )
koT −T0
koT koT
2 2
B[k ] = − cos(koTo ) + cos(koTo )
koT koT
B[k ] = 0

Expresión final mediante la representación de la serie de Fourier trigonométrica

2T0  2
x(t ) = + sin( k 2To / T ) cos(kot )
T k =1 k

2T0 2  1
x(t ) = +  sin( koTo ) cos(kot )
T  k =1 k

Signals & Systems

Aplicando la representación compleja de la SF al problema anterior
para un periodo:
Rompiendo la indeterminación:
Resolución del problema: Para la condición en que k=0
T /2
1

− jkot
X [k ] =
T0
x (t )e dt 1 2T0
T −T /2 X [0] =
T  dt =
−T0
T
T0
1 −1 − jkot T0
X [k ] =  e − jkot
dt = e , k  0 Si se aplica la regla de L’Hopital
T −T Tjko −T0 también se puede obtener el
0

jkoT0 − jkoT0
resultado anterior:
2 e −e 
X [k ] =  ,k  0 2 sin (koTo )
Tko  2j  lim k →0
Tko
2sin ( koT0 ) 2oTo cos(koTo ) 2To
X [k ] = ,k  0 lim k →0 =
Tko T o T

2sin ( k 2 T0 / T ) Entonces para k=0:

X [k ] = ,k  0 2To
X 0 =
k 2 T
Es necesario en algunos casos tomar la consideración de lo pasa con los coeficientes
cuando k=0, ya que en la ecuación general no se puede establecer directamente el
análisis.

Signals & Systems

Aplicando la representación compleja de la SF al problema anterior
para un periodo:
Como usted puede comprobar, 𝑋 𝑘 es netamente real, esto implica que 𝑋 𝑘 posee
componentes que se relacionan únicamente con la parte real de 𝑒 𝑗𝜔0𝑘 es decir que se
relaciona únicamente con la parte cosenoidal.

Además, es claro que los resultados obtenidos con la serie trigonométrica y la serie
compleja coinciden
T /2
1

− jkot
X [k ] = x (t )e dt
T −T /2

2sin ( k 2 T0 / T )
X 0 =
2To
X [k ] = ,k  0
k 2 T

Signals & Systems

 Representación Grafica de los coeficientes de la serie de Fourier del pulso
rectangular periódico.
Caso (a) para To/T = 1/4

Caso (b) para To/T= 1/16

Signals & Systems

Cálculos relacionados con la Serie de Fourier
Ejemplo 3:
Sea 𝑥 𝑡 = 𝐴𝑐𝑜𝑠 2𝜋𝑓0 𝑡 + 𝜙 ,
identifique los coeficientes de la serie de Fouerier en su forma polar

Esta senoide tiene una sola frecuencia 𝑓0 (que también es la frecuencia

fundamental).

Los coeficientes de la serie de Fourier en su forma polar son:

𝑐1 = 𝐴
𝜃1 = 𝜙

Los coeficientes de la serie de Fourier en forma exponencial son:

𝑋 1 = 0,5𝐴𝑒 𝑗𝜙
𝑋 −1 = 0,5𝐴𝑒 −𝑗𝜙

Signals & Systems

Cálculos relacionados con la Serie de Fourier
Ejemplo 4:
Sea 𝑥𝑝 𝑡 = 3 + 𝑐𝑜𝑠 4𝜋𝑡 − 𝑠𝑒𝑛 20𝜋𝑡 ,
identifique los coeficientes de la serie de Fourier en su forma polar

Ya que cada componente tiene frecuencia diferente es necesario

obtener la frecuencia fundamental de la señal:

Como las frecuencias son superiores a 1, 𝑓1 = 2𝐻𝑧 y 𝑓2 = 10𝐻𝑧, la

frecuencia fundamental se obtendría del máximo común divisor (GCD)
de las frecuencias parciales:
𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑒 𝑎
𝑓0 = 𝐺𝐶𝐷 2,10 = 2𝐻𝑧 𝑘=1

La señal contiene un término de DC (para 𝑘 = 0), un segundo

armónico (𝑘 =1) y un décimo armónico (𝑘 = 5).

Por tanto, 𝑎0 = 3, 𝑎2 = 1 y 𝑏5 = -1. Los demás coeficientes de la serie de

Fourier son cero.

Signals & Systems

Cálculos relacionados con la Serie de Fourier
Ejemplo 5:
Sea la señal periódica:
𝑒 𝑡−𝑛𝑇 , sin 𝜋𝑡 ≥ 0
𝑥𝑝 𝑡 = ቊ ∀ 𝑛 = ⋯ , −2, −1, 0, 1, 2, …
0, sin 𝜋𝑡 < 0

Aplique la definición para encontrar los coeficientes de la serie de

Fourier

1. Para establecer los instantes de inicio y fin de un periodo, grafique

la señal:
𝑒 𝑡−𝑛𝑇 , sin 𝜋𝑡 ≥ 0
𝑥𝑝 𝑡 = ቊ ∀ 𝑛 = ⋯ , −2, −1, 0, 1, 2, …
0 , sin 𝜋𝑡 < 0

Implica que la forma exponencial se Forma de Dicta los rangos de

repita para cada periodo, caso contrario, la señal tiempo para la forma de
la amplitud de la señal crecería hacia el la señal correspondiente
infinito mientras crece el tiempo y la
amplitud sería cercana a cero para
tiempos menores a 0
Signals & Systems
Cálculos relacionados con la Serie de Fourier
Ejemplo 5:
Sea la señal periódica:
𝑒 𝑡−𝑛𝑇 , sin 𝜋𝑡 ≥ 0
𝑥𝑝 𝑡 = ቊ ∀ 𝑛 = ⋯ , −2, −1, 0, 1, 2, …
0, sin 𝜋𝑡 < 0
Como 𝜔0 = 𝜋, es claro que el
periodo de la señal es T=2,
entonces los coeficientes de la
serie de Fourier serán:
𝑇
1
𝑥𝑘 = න 𝑥𝑝 𝑡 ∙ 𝑒 −𝑗𝜔0𝑘𝑡 𝑑𝑡
𝑇
0
1
1
𝑥𝑘 = න 𝑒 𝑡 𝑒 −𝑗𝜔0𝑘𝑡 𝑑𝑡
2
0
1
1 1−𝑗𝜋𝑘 𝑡 𝑑𝑡
𝑥 𝑘 = න𝑒
2
0

Signals & Systems

Cálculos relacionados con la Serie de Fourier
Ejemplo 5:
Sea la señal periódica:
𝑒 𝑡−𝑛𝑇 , sin 𝜋𝑡 ≥ 0
𝑥𝑝 𝑡 = ቊ ∀ 𝑛 = ⋯ , −2, −1, 0, 1, 2, …
0, sin 𝜋𝑡 < 0

1 1 1−𝑗𝜋𝑘 𝑡
1
𝑥𝑘 = 𝑒 ቚ
2 1 − 𝑗𝜔0 𝑘 0

1 1 1−𝑗𝜋𝑘
𝑥𝑘 = 𝑒 − 𝑒0
2 1 − 𝑗𝜔0 𝑘

1 𝑒 1−𝑗𝜋𝑘 − 1
𝑥𝑘 =
2 1 − 𝑗𝜔0 𝑘

Signals & Systems

Cálculos relacionados con la Serie de Fourier
Código Matlab para las gráfica del dominio del tiempo del ejemplo 5.
clearvars; close all; clc;

t = -6 : 0.01 : 8; t=t';
T=2; w=2*pi/T;
p=sin(w*t); p=p';
k=0; x=zeros(length(t),1);
for i=1 : length(t)
if p(i)>=0
x(i) = exp(k*dt);
k=k+1;
else
k=0;
end
end
ejeH = zeros(length(t),1); ejeV = -3:6/(length(t)-1):3;
hold on;
plot(t,ejeH,'k'); plot(ejeH,ejeV,'k'); plot(t,x,'LineWidth',2);
hold off;
grid on; grid minor; axis([-2.5 5.5 -0.2 2.8])

text(-2.2, 2.5, 'e^{t+T} \rightarrow','FontName','Times New Roman', 'FontSize', 14)

text(0.1, 2.5, 'e^t \rightarrow','FontName','Times New Roman', 'FontSize', 14)
text(1.9, 2.5, 'e^{t-T} \rightarrow','FontName','Times New Roman', 'FontSize', 14)
text(3.8, 2.5, 'e^{t-2T} \rightarrow','FontName','Times New Roman', 'FontSize', 14)

xlabel('tiempo [seg]'); ylabel('x_p(t)')

set(gca,'FontName','Times New Roman', 'fontsize', 11);

print -dpng -r500 001SeñalPeriodicaExp

Signals & Systems

Cálculos relacionados con la Serie de Fourier
Código Matlab para las gráfica del dominio de la frecuencia a través de
la Serie de Fourier del ejemplo 5.
%% Serie de Fourier
% Luego de calcular analíticamente los coeficientes:
K = -20 : 20;
X_k = (1/2)*(exp(1-1i*pi*k)-1) ./ (1-1i*pi*k);

figure();

subplot(211)
stem(k,abs(X_k),'fill');
grid on; grid minor;
xlabel('k')
ylabel('| X[k] |')
set(gca,'FontName','Times New Roman', 'fontsize', 11);

subplot(212)
stem(k,angle(X_k),'fill');
grid on; grid minor;
xlabel('k')
ylabel('\angle X[k]')
set(gca,'FontName','Times New Roman', 'fontsize', 11);

print -dpng -r500 002SeñalPeriodicaExp_DominioFrec

Signals & Systems

Simplificaciones mediante simetría de la señal
• La serie de Fourier de una señal periódica 𝑥𝑝 𝑡 sin ninguna
simetría (que no es ni par ni impar) contiene componentes impares
(componentes seno) y pares (componentes cosenos y el término de
DC).
• Si 𝑥𝑝 𝑡 tiene simetría par, entonces debe estar formada sólo por
términos de simetría par.
✓Estará compuesta solo por la componente de DC diferente de 0 y
componentes cosenos. Por lo tanto 𝑏𝑘 = 0
✓Entonces los componentes complejos de 𝑋 𝑘 son puramente
𝑎
reales con 𝑋 𝑘 = 𝑘 .
2
• Si 𝑥𝑝 𝑡 tiene simetría de impar, entonces sólo debe estar formada
por términos de simetría impar (senos).
✓Por lo tanto 𝑎0 = 𝑎𝑘 = 0 y 𝑋 𝑘 será puramente imaginaria
𝑏
siendo 𝑋 𝑘 = −𝑗 𝑘 .
2

Signals & Systems

Simplificaciones mediante simetría de la señal
Simetría de Media Onda: Gráficamente se verifica al invertir y
desplazar medio período (adelante o atrás) la señal y obtener como
resultado una señal idéntica a la original.
1
Se cumple que 𝑔 𝑡 = −𝑔 𝑡 ± 𝑇 , considerando que 𝑔 𝑡 es periódica.
2

El estudiante podrá comprobar la simetría de media onda de esta

señal aplicando los desplazamientos respectivos

Signals & Systems

Simplificaciones mediante simetría de la señal
• La serie de Fourier de una señal periódica 𝑥𝑝 𝑡 con simetría de media
onda debe tener únicamente términos con simetría de media onda.
✓Sólo los armónicos que tienen índices impares (en 𝑓0 , 3𝑓0 , 5𝑓0 , …) son
los que presentan simetría de media onda.
✓Sin embargo, los armónicos de índice par (en 2𝑓0 , 4𝑓0 , …) muestran un
número par de ciclos sobre el periodo fundamental T, y cada
semiperíodo es idéntico al siguiente semiperiodo y no una réplica
invertida, como lo requiere la simetría de media onda.
✓En consecuencia, los amónicos de índice par no pueden tener una
simetría de media onda, y una señal con simetría de media onda sólo
puede contener armónicos de índice impar
❖Por lo tanto para cualquier tipo de representación de la serie de
Fourier de una señal con simetría de media onda, los coeficientes
respectivos con 𝑘 par son cero

Signals & Systems

Simplificaciones mediante simetría de la señal
RESUMEN

Signals & Systems

 Identificación de Simetrías ocultas
• Para revelar posibles simetrías ocultas, se debe eliminar el componente de DC
desplazando la señal de forma vertical dejando el resto de coeficientes sin
modificación.
✓ Esto se consigue sumando o restando el voltaje pico de la señal
• Si tal simetría oculta está presente, algunos de los coeficientes son cero y no
será necesario calcularlos.
• Se puede entonces escoger la versión simétrica (nivel de DC cero) y utilizar las
simplificaciones introducidas por la simetría, o la señal original (pero sin el uso
de tales simplificaciones) para evaluar los coeficientes.

Revisar ejemplos del libro de

Ambardar capítulo 8 sección 3
para ampliar este tema

Signals & Systems

 Series Geométricas utilizadas para regresar al dominio del tiempo a
partir de los coeficientes de 𝑋 𝑘 de la serie de Fourier.

1 −  M
M −1
 , 1 
k
1.   n =  1 −  4.  = n
,  1
n =0  M ,  = 1 n=k 1− 

−
  
 − 
k l +1
5.   n = − k  ,   1
l
 , 1   −1 
2.  n =  1 −  n=− k

n=k  l − k + 1,  = 1


6. n n = ,  1

1 n =0 (1 −  )2
3.  = n
,  1
n =0 1 − 

Agregue estas ecuaciones a su formulario

Signals & Systems

 Calculo de la transformada inversa de la serie de Fourier
Ejemplo 6:
Encuentre la señal en el dominio del tiempo correspondiente a los siguientes
coeficientes de la serie de Fourier.
k
 1  − jk / 20 Por ejemplo, asuma que el periodo
x[k ] =   e fundamental es T = 2
2
Aplicando a la ecuación: El signo es negativo ya que se


 jko t rompe el valor absoluto al separar

x(t ) = x[ k ]e en dos sumatorias
k = −
 k −k
 1  jk / 20 jkt −  1 
x(t ) =    e e +    e jk / 20 e jkt
k =0  2  k = −1 2 

Para cada serie hay que buscar aplicar las

ecuaciones de las series geométricas Observación:
La primera serie se
puede resolver
usando la ecuación 3

Signals & Systems

 Calculo de la transformada inversa de la serie de Fourier
Ejemplo 6:
Encuentre la señal en el dominio del tiempo correspondiente a los siguientes
coeficientes de la serie de Fourier.
k
 1  − jk / 20 Por ejemplo, asuma que el periodo
x[k ] =   e fundamental es T = 2
2
 k − −k
 1  jk / 20 jkt 1
x(t ) =    e e +    e jk / 20 e jkt
k =0  2  k = −1 2 

Hay que buscar relacionar la segunda serie con alguna de

Observación:
las fórmulas antes revisadas
Si 𝑘 = −𝑙, por lo tanto, cuando 𝑘 = −1 → 𝑙 = 1 y 𝑘 = −∞ → 𝑙 = ∞

Entonces la segunda sumatoria puede modificarse cambiando los

valores de 𝑘 de acuerdo a lo anterior
 k l
 1  jk / 20 jkt   1  − jl / 20 − jlt
x(t ) =    e e +   e e
k =0  2  l =1  2 

Signals & Systems

  k  l
Ejemplo 6:  1  jk / 20 jkt  1  − jl / 20 − jlt
x(t ) =    e e +   e e
k =0  2  l =1  2 
−1 
Una Variante al artificio anterior para
 ( ) = − (  )
k k
mantener todo en términos de 𝑘 es aplicar:
k =− k =1

1 1
x(t ) = + −1
1 1
1 −  e j / 20e jt 1 −  e − j / 20e − jt
2 2
Aplicando las ecuaciones 3 y 4 1 1
respectivamente x(t ) = + −1
1 1
1 −  e j (t + / 20 ) 1 −  e − j (t + / 20 )
2 2
3
x(t ) =
5 − 4 cos(t +  / 20 )
Se debe conocer las series geométricas con el objetivo de poder reemplazar estas funciones
por sus iguales para tener una mayor facilidad de representarlas.
Recuerde que si es necesario, se puede hacer cambios de variable o de signo para que las
fórmulas de las series geométricas se puedan usar.

Signals & Systems

 Propiedades de la Serie de Fourier
Dadas dos señales periódicas con series de Fourier y periodo
fundamental T, la serie de Fourier posee las siguientes propiedades:

Linealidad

Desplazamiento en tiempo

Signals & Systems

 Propiedades de la Serie de Fourier
Desplazamiento en frecuencia

Escalamiento

Diferenciación en el tiempo

Convolución

Signals & Systems

 Propiedades de la Serie de Fourier
Multiplicación

Teorema de Parseval
Para cualquier señal periódica x(t) el teorema de Parseval indica que la
potencia promedio de una señal periódica es la suma de las potencias
promedios en sus componentes armónicos.

Dualidad

Signals & Systems

 Propiedades de la Serie de Fourier
Simetría

Si x(t) es de valor real, entonces la parte real de la transformada es una

función par de la frecuencia, mientras que la parte imaginaria es una
función impar de la frecuencia. Esto implica que el espectro de magnitud es
una función par mientras que el espectro de fase es una función impar.

Si x(t) es puramente imaginaria, entonces la parte real de la

transformada es una función impar, mientras que la parte imaginaria es
una función par de la frecuencia. Esto implica que el espectro de
magnitud es una función impar mientras que el espectro de fase es una
función par.

Signals & Systems

 Propiedades de la Serie de Fourier
Ejemplo 6: aplicación de la simetría
Determinar si la señal en el dominio del tiempo correspondiente a su
representación en el dominio de la frecuencia por medio de la SF es real,
compleja, par o impar.
Magnitud y Fase de X
1.5
k
1
x[k ] =   u[k ] + j 2 k u[−k ]

Magnitud de X
2
1

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

1.5
Fase de X

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10
Valor de K

Signals & Systems

 Propiedades de la Serie de Fourier
Graficando la parte Real e Imaginaria de la función dada

Parte Real e Imaginaria de X

1
Conclusión:
0.8
Parte Real

0.6 La magnitud es par

0.4
pero la fase es impar.

0.2 Ni la parte real ni la

0 parte imaginaria son
-10 -8 -6 -4 -2 0 2 4 6 8 10 par ni impar, ni
viceversa por tanto la
1 señal es de valor
complejo.
0.8
Parte Imaginaria

0.6

0.4

0.2

0
-10 -8 -6 -4 -2 0 2 4 6 8 10
Valor de K

Signals & Systems

 Uso de tablas y propiedades para la Serie de Fourier
Una forma de
obtener los
coeficientes
𝑋 𝑘 de la Serie
de Fourier y su
inversa además
de la aplicación
de la formula
de definición,
es utilizar
tablas de
transformadas
de Fourier de
señales
conocidas
usándolas en
conjunto con
las
propiedades.

Signals & Systems

 Uso de tablas y propiedades para la Serie de Fourier

Algunos pares de la serie de Fourier de señales periódicas continuas.

Signals & Systems

 Ejemplo7
Determinar la función armónica de la siguiente función de tiempo
continuo:    
x(t ) = cos 50t −   
  4 
Usando las tablas de transformadas se
tiene:
x(t ) = cos(2 (mf 0 )t ) 
1
( k − m +  k + m)
2
Usando la propiedad de x(t − t0 )  e − j 2 ( kf0 ) t0 x[k ]
desplazamiento:

Antes de aplicar las propiedades y tablas se efectúa una modificación

en la forma de representar la FTC

  1 
x(t ) = cos 50  t −   → f 0 = 25
  200  
Signals & Systems
   1 
x(t ) = cos 50  t −   → f 0 = 25 Aplicando lo anterior, se tiene:
  200 

x(t ) = cos(50t ) 
1
( k − 1 +  k + 1)
2
Luego, aplicando la propiedad de desplazamiento:
  1 
x(t ) = cos 50  t −   e
− j (k / 4 ) 1
( k − 1 +  k + 1)
  200   2
 1 

x(t ) = cos 50  t −
1
(
    k − 1e
− j ( / 4 )
+  k + 1e j ( / 4 ) )
  200   2

    2 2
e − j ( / 4 ) = cos  − j sin   = −j
4 4 2 2
    2 2
e j ( / 4 ) = cos  + j sin   = +j
4 4 2 2

  1 
x(t ) = cos 50  t − 
 
2
(1 − j ) k − 1 + (1 + j ) k + 1
  200   2

Signals & Systems

 Ejemplo 8
Determinar la función armónica de la siguiente función de tiempo
continuo:
x(t ) = 5 cos(10t ) cos(10000t )

Aplicando a cada función su respectiva transforma de Fourier y

usando la tabla correspondiente:

x(t ) = cos(2 (mf 0 )t ) 

1
( k − m +  k + m)
2

5 cos(10t )  ( [k − 1] +  [k + 1]) → f 0 = 5
5
2
cos(10000t ) = cos(10 1000t )  ( [k − 1000] +  [k + 1000])
1
2
𝑚

Signals & Systems

 Ejemplo 8
Determinar la función armónica de la
siguiente función de tiempo continuo:
x(t ) = 5 cos(10t ) cos(10000t )

Usando la propiedad de dualidad de la

multiplicación - convolución

x(t ) y (t )   Y [q]X [k − q] = X [k ]  Y [k ]
q = −

Finalmente se obtiene:
x(t ) y (t )  ( [k − 1000] +  [k + 1000])  ( [k − 1] +  [k + 1])
5
4
x(t ) y (t )  ( [k − 999] +  [k − 1001] +  [k + 999] +  [k + 1001])
5
4

Signals & Systems

Ejemplo 9
• Si una señal periódica 𝑥 𝑡 tiene un periodo fundamental de 10s y
su función armónica es:
𝑘
𝑋 𝑘 = 4𝑠𝑖𝑛𝑐
20
con un periodo de representación de 10 s, ¿cuál es la función armónica
de 𝑧 𝑡 = 𝑥 4𝑡 utilizando el mismo periodo de representación de 10 s?
Solución:
• El problema pide encontrar la versión armónica de 𝑧 𝑡 , es decir
𝑍𝑘
• Ya que 𝑧 𝑡 es una versión modificada de 𝑥 𝑡 , de tal forma que su
periodo se reduce por un factor de 4, se puede aplicar de forma
directa la propiedad del escalamiento en el tiempo.

Signals & Systems

Ejemplo 9 𝑧 𝑡 = 𝑥 4𝑡
𝐹𝑠
𝑍 𝑘 =?, donde 𝑋 𝑘 = 4𝑠𝑖𝑛𝑐
𝑘
20

• La propiedad del escalamiento en el tiempo indica que

De acuerdo a la propiedad y al problema se puede deducir que 𝑚 = 4

𝑘 𝑘 𝑘 𝑘
𝑋 , 𝑒𝑠 𝑢𝑛 𝑒𝑛𝑡𝑒𝑟𝑜 𝑋 , 𝑒𝑠 𝑢𝑛 𝑒𝑛𝑡𝑒𝑟𝑜
𝑍 𝑘 =൞ 𝑚 𝑚 𝑍 𝑘 =൞ 4 4
0, 𝐶𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝐶𝑎𝑠𝑜 0, 𝐶𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝐶𝑎𝑠𝑜

𝑘/4 𝑘
4𝑠𝑖𝑛𝑐 , 𝑒𝑠 𝑢𝑛 𝑒𝑛𝑡𝑒𝑟𝑜
𝑍 𝑘 =൞ 20 4
0, 𝐶𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝐶𝑎𝑠𝑜

𝑘 𝑘
4𝑠𝑖𝑛𝑐 , 𝑒𝑠 𝑢𝑛 𝑒𝑛𝑡𝑒𝑟𝑜
𝑍 𝑘 =൞ 80 4
0, 𝐶𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝐶𝑎𝑠𝑜
Signals & Systems
Ejemplo 10
• Encuentre 𝑥𝑝 𝑡 si se conoce su versión armónica suponiendo que
𝑇0 = 4
𝑘
𝑋 𝑘 = 10𝑠𝑖𝑛𝑐
20
Solución:
Por tablas se tiene que:

Donde w es una constante cualquiera

1 1
Esto significa que w𝑓0 = . Además como 𝑇0 = 4, 𝑓0 =
20 4

1 1 4 1
por lo tanto w = y se obtiene que w = =
4 20 20 5

Esto significa que se puede escribir 𝑋 𝑘 de la siguiente forma

1 1 1
𝑋 𝑘 = 40 ∙ 𝑠𝑖𝑛𝑐 𝑘
4 5 4
Signals & Systems
Ejemplo 10
• Encuentre 𝑥𝑝 𝑡 si se conoce su versión armónica suponiendo que
𝑇0 = 4
𝑘
𝑋 𝑘 = 10𝑠𝑖𝑛𝑐
20
Solución:

1 1 1 1
Con 𝑋 𝑘 = 40 ∙ 4 𝑠𝑖𝑛𝑐 𝑘 y w = 5, aplicamos la tabla anterior tomando en
5 4
cuenta que 40 es una constante que modifica la amplitud de la señal tanto en el
dominio del tiempo como de la frecuencia de acuerdo con la propiedad de la
linealidad
1 𝑡 𝑆𝐹,𝑇0 1 1 1
𝑥 𝑡 = 40 ∙ 𝑟𝑒𝑐𝑡 ∗ 𝛿4 𝑡 𝑋 𝑘 = 40 ∙ 𝑠𝑖𝑛𝑐 𝑘
1 1 4 5 4
5 5
𝑆𝐹,𝑇0 1 1 1
𝑥 𝑡 = 40 ∙ 5𝑟𝑒𝑐𝑡 5𝑡 ∗ 𝛿4 𝑡 𝑋 𝑘 = 40 ∙ 𝑠𝑖𝑛𝑐 𝑘
4 5 4
𝑆𝐹,𝑇0 𝑘
𝑥 𝑡 = 200𝑟𝑒𝑐𝑡 5𝑡 ∗ 𝛿4 𝑡 𝑋 𝑘 = 10𝑠𝑖𝑛𝑐
20
Signals & Systems
Ejemplo 10
• Encuentre 𝑥𝑝 𝑡 si se conoce su versión armónica suponiendo que
𝑇0 = 4
𝑘
𝑋 𝑘 = 10𝑠𝑖𝑛𝑐
20
Solución:
Con la última expresión,
𝑆𝐹,𝑇0 𝑘
𝑥 𝑡 = 200𝑟𝑒𝑐𝑡 5𝑡 ∗ 𝛿4 𝑡 𝑋 𝑘 = 10𝑠𝑖𝑛𝑐
20

solo queda reemplazar la función

∞
1 𝑡
Colocar 𝛿𝑇0 𝑡 = 𝑐𝑜𝑚𝑏 = ෍ 𝛿 𝑡 − 𝑛𝑇0 ∀ 𝑛 𝑒𝑛𝑡𝑒𝑟𝑜
en su 𝑇0 𝑇0
𝑛=−∞
formulario
1 𝑡 𝑆𝐹,𝑇0 𝑘
𝑥 𝑡 = 200𝑟𝑒𝑐𝑡 5𝑡 ∗ 𝑐𝑜𝑚𝑏 𝑋 𝑘 = 10𝑠𝑖𝑛𝑐
4 4 20

𝑡 𝑆𝐹,𝑇0 𝑘
𝑥 𝑡 = 50𝑟𝑒𝑐𝑡 5𝑡 ∗ 𝑐𝑜𝑚𝑏 𝑋 𝑘 = 10𝑠𝑖𝑛𝑐
4 20

Signals & Systems

Ejemplo 11
Solución:
Gráfica de la solución:
𝑡 𝑆𝐹,𝑇0 𝑘
𝑥 𝑡 = 50𝑟𝑒𝑐𝑡 5𝑡 ∗ 𝑐𝑜𝑚𝑏 𝑋 𝑘 = 10𝑠𝑖𝑛𝑐
4 20
Ya que 𝑋 𝑘 corresponde a los coeficientes de una Serie de Fourier, tiene sentido
que 𝑥 𝑡 sea periódica.
La expresión de la solución de
este ejercicio es la
representación de una seña
periódica compuesta de pulsos
cuadrados.

Esto se da ya que el pulso

rectangular se convoluciona con
cada una de las 𝑑𝑒𝑙𝑡𝑎 𝑑𝑖𝑟𝑎𝑐 de
la señal 𝑐𝑜𝑚𝑏 dando como
resultado que cada pulso
rectangular se centra en cada
una de las delta dirac

Signals & Systems

 Señales de Banda limitada
En general, se requiere un número infinito de términos en la representación de
la SFTC de una señal para tener una igualdad exacta de acuerdo con la Serie

de Fourier:
x(t ) =  X [k ]e
k = −
j 2 ( kf0 )t

• Sin embargo, hay señales para las cuales un número finito de

términos produce una igualdad exacta.
✓ Es decir que solo para un número finito de armónicos se
consigue la igualdad y los demás términos serán cero.
✓ En ese caso, para k > kmáx < ∞, X[k] es cero.

• Estas señales que poseen un número finito de armónicos distintos de

cero son llamadas señales de banda limitada, el término proviene del
concepto de una banda de frecuencias (un intervalo de frecuencias) en una
señal. Si esa banda es limitada (finita), la señal es de banda limitada.

• Las características de las señales de banda limitada sin embargo son un

estudio que compete mas al procedimiento de muestreo y a la transformada
discreta de Fourier, sin embargo, es importante tener por lo menos presente
este tipo de señales a futuro, en estudios posteriores en ingeniería.

Signals & Systems

 Convergencia de la Serie de Fourier en TC

En esta parte de la materia se examinará cómo la sumatoria de la SFTC

se aproxima a la señal que representa cuando el número de términos que
se utiliza en la suma se aproxima al infinito.

Se efectúa lo anterior examinando la suma parcial:


xN (t ) =  X [k ]e j 2 ( kf )t
0

k =− k
o
N
xN (t ) = Ak [0] +  Ak [k ]cos(2 kf o t ) + Bk [k ]sin(2 kf o t )
k =1

para valores sucesivamente más altos de N.

Signals & Systems

 Como ejemplo considere la representación de la SFTC de la señal periódica
continua de la figura.

 2t  1  t 
x(t ) = Atri    comb 
 To  To  To 

Sea TF = To para lograr que la representación de la SFTC sea válida para todo tiempo,
entonces determinamos una función armónica de la SFTC compleja
A k
x[k ] = sinc 2  
2 2

Y las aproximaciones a x(t) para N = 1, 3, 5 Y 59 se ilustran en la figura de la

siguiente diapositiva.

En N = 59 (y probablemente a valores inferiores de N), es imposible distinguir la

representación de la suma parcial de la SFTC proveniente de la señal original al
observar una gráfica en esta escala.

Signals & Systems

 Aproximaciones sucesivas mas cercanas a
una onda triangular.

 2t  1  t 
x(t ) = Atri    comb 
 To  To  To 

A k
x[k ] = sinc 2  
2 2

Signals & Systems

 Señales con discontinuidades y el fenómeno de Gibbs

Considere ahora una señal en TC periódica con

discontinuidades

 2(t − (To / 4))  1  t 

x(t ) = Arect    comb 
 To  To  To 

Sea TF = To para hacer que la representación de la SFTC sea válida para todo
tiempo, se obtiene la función armónica de la SFTC compleja
A k
x[k ] = sinc  e − j ( / 2 )(kfo )
2 2
Y las aproximaciones a x(t) para N = 1,3,5 Y 59 se ilustran en la figura de la
siguiente diapositiva.

Signals & Systems

 Aunque la deducción matemática indica
que la señal original y su representación
de la SFTC son en todos lados, es natural
preguntarse si es verdad esto luego de que
se observa la figura.

Existe un evidente "sobrepaso" o "rizo"

cerca de las discontinuidades que no
parecen volverse más pequeñas cuando N
aumenta.

Es cierto que el sobrepaso vertical máximo

cerca de una discontinuidad no disminuye
con N, incluso cuando N tiende a infinito.

Este sobrepaso recibe el nombre de

fenómeno de Gibbs.

Signals & Systems

 Sin embargo, observe que el rizo está
también confinado cada vez más cerca de
la discontinuidad cuando N crece.

En el limite cuando N tiende a infinito la

altura del sobrepaso es constante, pero
su ancho tiende a cero, así que la
potencia de señal de la representación de
la SFTC converge en el mismo valor que la
potencia de la señal original debido a que
el sobrepaso de ancho cero no contiene
energía de señal.

Además, en cualquier valor particular de t

(salvo exactamente en una
discontinuidad) el valor de la
representación de la SFTC se acerca al
valor de la señal original cuando N tiende
a infinito. En una discontinuidad el valor
funcional de la representación de la SFTC
siempre es el promedio de los dos límites
de la función original aproximados desde
arriba y desde abajo, para toda N.

Signals & Systems

 La figura es una vista amplificada de la representación de la STFC en una
discontinuidad para tres valores de N.
Puesto que las dos señal tienen
exactamente la misma energía
de señal en un intervalo de
tiempo finito, su efecto sobre
cualquier sistema físico real es el
mismo y pueden considerarse
iguales sin ningún error.

La SFTC que acaba de

encontrarse y graficarse en la
figura pasa exactamente a través
punto medio de cada
discontinuidad de x(t),
independientemente de la
elección del periodo
fundamental.
Signals & Systems
 Si se deja que el periodo fundamental To tienda a infinito, la señal

 2(t − (To / 4))  1  t 

x(t ) = Arect    comb 
 To  To  To 

se aproxima al escalón unitario y la SFTC sigue pasando por el punto medio de la

única discontinuidad izquierda, la que se ubica en t = 0. Esto es así debido a que el
escalón unitario se ha definido con un valor en cero igual a un medio, u(0) = ½ . De
esta manera, el escalón unitario es una simple transformación de la función signum
en todos los puntos.
sgn( t ) = 2u (t ) − 1

en el material relativo a filtros ideales, se

verá otra razón por la que es conveniente
definir el escalón unitario de esta forma.

Signals & Systems

 PARTE 1-B
TRANSFORMADA DE FOURIER

Signals & Systems

 De la Serie a La transformada de Fourier en TC (TFTC)
La generalización del desarrollo en serie de Fourier a señales no
periódicas se puede deducir al analizar el desarrollo en serie de Fourier
de señales periódicas cuando el período T tiende a infinito.

Tras tomar el límite, encontraremos que la amplitud del espectro de

una señal no periódica ya no es un espectro de líneas (como sucedía en
el caso de señales periódicas), sino que ocupa un continuo de
frecuencias. Lo mismo sucede con la correspondiente fase.

Signals & Systems

 De la Serie a La transformada de Fourier en TC (TFTC)
Para aclarar cómo se produce el cambio del espectro discreto al
espectro continuo, consideremos la señal x(t) que se muestra en la
figura.
Tren de pulsos de amplitud 1, ancho p y periodo T:
x(t)
1

... -T -T/ 0 T/ T ..
. 2 2
-p/ p/ t
2 2

0 −T
t  −p


2 2
−p
x(t ) = 1 2
t  p
2

0
p
2
 t  T2

Signals & Systems

 De la Serie a La transformada de Fourier en TC (TFTC)
Si se supone que se aumenta cuidadosamente el período T manteniendo
inalterado un período de la señal x(t). En el límite, cuando T→∞, sólo
queda un pulso, puesto que sus vecinos adyacentes se han desplazado al
infinito.
1.5
p=1, T=2
f(t)

1
0.5
0
-20 -10 0 t 10 20
Si el periodo del tren de pulsos aumenta:
1.5
p=1, T=5
1
f(t)

0.5

0
-20 -10 0 t 10 20
1.5
p=1, T=10
f(t)

0.5

0
-20 -10 0 10 20
t
1.5
p=1, T=20
f(t)

0.5

0
-20 -10 0 10 20
t

Signals & Systems

 De la Serie a la Transformada de Fourier

En el límite cuando T→, la función deja de ser periódica:

1.5
p=1, T=
1
f(t)

0.5

0
-20 -10 0 t 10 20

¿Qué pasa con los coeficientes de la serie de Fourier?

Signals & Systems

DE LA SERIE A LA TRANSFORMADA DE FOURIER

Espectro del tren de pulsos para p=1, T=2

0.6

0.4
cn

0.2

-0.2
-60 -40 -20 0 20 40 60 w=nw
0

Signals & Systems

DE LA SERIE A LA TRANSFORMADA DE FOURIER
p=1, T=2

cn
0
=n0
-50 0 50

p=1, T=5

-50 0 50

p=1, T=10

-0.05

-50 0 50

p=1, T=20

-50 0 50

Signals & Systems

DE LA SERIE A LA TRANSFORMADA DE FOURIER

Si hace T muy grande (T→): El espectro se vuelve

¡continuo!

Signals & Systems

El aumentar T tiene dos efectos sobre el espectro de x(t):

1. La amplitud del espectro decrece como 1/T.

2. La separación entre líneas decrece como 2π/T. Cuando T tiende a infinito,
la separación entre líneas tiende a cero. Esto significa que las líneas del
espectro se acercan entre sí hasta llegar a formar un continuo.
Análisis Matemático de la TF
Partiendo de la SFTC
 T
1 2
x(t ) = 
k = −
x[k ]e jkot → x[k ] =  x(t )e − jkot dt
T 0 o =
T
Tomando en consideración:

2  1 1

d Se convierte en una
o = → o = Tomando: lim T →
2 cantidad infinitesimal.
T 2 T T

Signals & Systems

 Además de que la frecuencia se convierte en infinitesimal la variable:
ko  Se transforma en una variable continua.
T /2
1

− jko t
lim T → x[k ] = lim T → x (t )e dt
T −T / 2
 
d x[k ] 1
 
− j t − j t
lim T → x[k ] = x(t )e dt  = x (t )e dt
2 t = − d 2 t = −
Se debe considerar que en el limite la sumatoria se transforma en una integral,
por tanto la aproximación de la serie de Fourier será prácticamente la señal
original.

1

   jt
x(t ) =  x[ k ]e jko t
→ x(t ) =
2    x(t )e dt e d
− jt

k = −  = − t = − 
 
1
x(t ) =  X ( )e jt d X ( j ) =  x ( t )e − jt dt
2  =− t =−
Ecuaciones de la
transformada de Fourier.

Signals & Systems

  

 X ( )e d  X ( ) = ( )
1

jt − jt Pares de la TFTC
x(t ) = x t e dt
2  = − t = −

• Las Ecuaciones anteriores forman la pareja de transformada de Fourier que

utilizan la mayoría de los ingenieros.

• X(ω) es la transformada de Fourier de x(t) y desempeña la misma función

para señales no periódicas que los coeficientes X[k] para señales periódicas.

• X(ω) es el espectro de x(t) y es una función continua definida para todos los
valores de ω, mientras que X[k] sólo está definido para frecuencias
discretas.

• Por tanto, una señal no periódica tiene un espectro continuo en lugar de un

espectro de líneas (discreto).

Signals & Systems

Convergencia y la transformada de Fourier realizada

Se dice que la señal x(t) tiene transformada de Fourier en sentido ordinarios

si la integral de la ecuación converge, es decir existe.

X ( ) =  x (t )e − j t
dt   y (t ) dt   y (t ) dt → e − j t
=1
t = −

La integral de la ecuación existe si:


1. x(t) es absolutamente integrable
 x(t )
t = −
dt  

2. X(t) no presente comportamientos anómalos.

No existencia de comportamientos anómalos significa que la señal es de variación
acotada, esto quiere decir que x(t) se puede representar mediante una curva de
longitud finita en cualquier intervalo de tiempo finito o alternativamente, que la señal
tiene un número finito de discontinuidades, máximos y mínimos en cualquier intervalo
de tiempo finito.

Signals & Systems

  

 X ( )e d  X ( ) = ( )
1

jt − jt Pares de la TFTC
x(t ) = x t e dt
2  = − t = −

• X(ω) representa los pesos de las ex ponencia les complejas utilizadas

para representar la señal en las ecuaciones anteriores y en general, es
una función compleja de la variable ω. Por tanto, se puede escribir así:

X ( ) = X ( ) e j ( )

• La representación del módulo de X(ω) en función de ω se denomina

amplitud del espectro de x(t), y |X(ω)|2 se denomina energía espectral.

• La representación de la fase de X(ω) en función de ω se denomina fase

del espectro.

Signals & Systems

Resumen de la Comparación entre la SFTC y la TFTC
1. Ambas son análogas en que utilizan frecuencias positivas y negativas para
sintetizar la señal de tiempo x(t) a partir de sus componentes exponenciales
complejos.

2. La SFTC analiza una señal como una sumatoria infinita de senoides

complejas a frecuencias discretas, y la TFTC analiza una señal como una
sumatoria infinita de senoides complejas para un continuo de frecuencias (una
integral).

3. La SFTC convierte una señal x(t) en TC en una función de número de

armónica discreta X[k]. La TFTC convierte una señal x(t) en TC en una
función X(f) de frecuencia continua. Tanto la SFTC como la TFTC son
transformaciones de la señal en el dominio del tiempo en una forma diferente
que contiene la misma información.

4. En el dominio del análisis de Fourier las señales pueden considerarse como

si tuvieran sólo frecuencias positivas (espectros unilaterales) o frecuencias
positivas y negativas (espectros bilaterales) con igual validez.

Signals & Systems

Resumen de la Comparación entre la SFTC y la TFTC

Unas señal x(t) en TC periódica con periodo fundamental T0=1/f0 puede representarse para todo
tiempo mediante una SFTC.

Signals & Systems

 Ejemplo de Transformada de Fourier usando la definición
Ejemplo 12

 x(t ) = e − at u (t )
 dt = 
− at
e a0
0

X ( j ) =  e − at u (t )e − jt
−

X ( j ) =  e −( a + j )t dt
0


X ( j ) = −
1
e − ( a + j ) t
a + j 0

X ( j ) =
1
a + j

X(f )=
1
a + j 2f
Signals & Systems
  
, argX ( j ) = − arctan 
1
Determinando la magnitud y fase, X ( j ) =
(a ) a
1
mediante Matlab 2
+2 2

Signals & Systems

 Transformada de Fourier de un pulso rectangular:
Ejemplo 13 1, − To  t  − To
x(t ) = 
0, t  To

 T 
X ( j ) = 2Tosinc  o 
  

Modulo y Angulo
 To 

X ( j ) =
1 − jt sin( To )
 x(t )e e
− jt − jt
dt = dt = − e X ( j ) = 2
− −To
j 0 
X ( j ) =
2
sin( To ) Para   0
 0, sin( To ) /   0
2 argX ( j ) = 
Para  = 0 → lim  →0 sin( To ) = 2To  , sin( To ) /   0


Signals & Systems

 Transformada inversa de Fourier de un espectro de frecuencia rectangular:
Ejemplo 13
1, −W    W
X ( j ) = 
0,  W

W W
W

x(t ) =
1 1 j t
  dt = −
jt − jt
X ( j  ) e dt = e e
2 −W −W
2 jt −W

2
x(t ) = sin(Wt ) Para t  0
t
2
Para t = 0 → lim t →0 sin(Wt ) = W / 
t

Signals & Systems Signals & Systems

 Transformada de Fourier de un impulso:
Ejemplo 14

X ( j ) =   (t )e − jt dt = 1
−

Transformada inversa de Fourier de un espectro tipo impulso:


1

j t
x(t ) = 2 ( ) e d
2 −

x(t ) =   ( )e jt d
−

Aplicando la propiedad de muestreo de 𝛿 𝑥

x(t ) = e j 0t = 1

Es 0 ya que 𝛿 𝜔 se encuentra en 𝜔 = 0

Signals & Systems Signals & Systems

 Ejemplo: Doble Exponencial
Ejemplo 15
t
−
w(t ) = e 

 t
−
W ( f ) =  e  e − j 2ft dt
−
 t 0 t
−
=  e  e − j 2ft dt +  e e − j 2ft dt
0 −
 0
1  1 
−1 − t  + j 2f 
 −1 t  − j 2f 

= e 
+ e 
1 1
+ j 2f − j 2f
 0  −

2
W( f ) =
1 + (2f ) 2

Signals & Systems

Ejemplo 16
• Encuentre la transformada de Fourier de: x(t ) = e 2t u (− t )
0 0
f (t ) = e ⎯→ F ( j ) =  e e
2t TF 2 t − jt
dt =  e (2− j )t dt
− −

F ( j ) =
1
(2 − j )
et
0

−
=
1
(2 − j )
(
e 0 − e − )
F ( j ) =
1
(2 − j )

Signals & Systems

 Espectro de una función Seno
Ejemplo 17 V( f ) =
A
−  ( f + f 0 ) +  ( f − f 0 )
2j
v(t ) = A  sen(w0t ) donde w0 = 2f 0 V( f ) =
A j
−  ( f + f 0 ) +  ( f − f 0 )
+ 2j j
V ( f ) =  A  sen(w0t )  e − jwt dt
− V ( f ) = j
A
2
−  ( f + f 0 ) +  ( f − f 0 )
+ +
2j
A A
 
− j 2 ( f + f 0 ) t − j 2 ( f − f 0 ) t
V( f ) = e dt − e dt V ( f ) = j A  ( f + f ) −  ( f − f )
2 j − 2 j − 2
0 0

Signals & Systems

 Métodos para calcular la FT
1. Integración directa
2. Tablas de transformadas de Fourier
3. Teoremas de la transformada de Fourier
4. Superposición para dividir el problema en dos o más
problemas simples
5. Diferenciación o integración de w(t)
6. Integración numérica de la integral de la FT por la PC
7. Transformada rápida de Fourier (FFT) con ayuda de
software

Signals & Systems

Los conceptos de simetría son idénticos a la serie de Fourier, solo que
en este caso se estudian señales aperiódicas.

Si x(t) es de valor real, entonces la parte real de la transformada es

una función par de la frecuencia, mientras que la parte imaginaria es
una función impar de la frecuencia. Esto implica que el espectro de
magnitud es una función par mientras que el espectro de fase es una
función impar.

Si x(t) es puramente imaginaria, entonces la parte real de la

transformada es una función impar, mientras que la parte
imaginaria es una función par de la frecuencia. Esto implica que el
espectro de magnitud es una función impar mientras que el
espectro de fase es una función par.

Signals & Systems

Propiedad de modulación:

x(t ) cos(2f ot ) ⎯→

F 1
X ( f − f o ) + X ( f + f o )
2
x(t ) cos(ot ) ⎯→
F 1
X ( j ( − o )) + X ( j ( + o ))
2

Transformadas especiales de la TFTC:

cos(2f ot ) ⎯→  ( f − f o ) +  ( f + f o )
F 1
2
cos(ot ) ⎯→ F
  ( − o ) +  ( + o ) Mayor Información de transformadas:
Apéndice E

sin (2f ot ) ⎯→  ( f + f o ) −  ( f − f o )

F j Señales y Sistemas: M.J Roberts
2
sin (ot ) ⎯→ F
j  ( + o ) −  ( − o )

Signals & Systems

 Transformada de señales periódicas:

Si una señal de tiempo x(t) es periódica, puede representarse exactamente mediante una SFTC
compleja, por tanto para señales periódicas:

 
x(t ) =  x[k ]e
k = −
− j 2 ( kf F )t
⎯→ x( f ) =
F
 x[k ] ( f − kf )
k = −
o

 
x(t ) =  x[ k
k = −
]e − j ( k F )t
⎯→
F
x( f ) = 2  x[k ] ( − k )
k = −
o

La TFTC de una señal periódica consiste solo de impulso, esta propiedad

puede considerarse solo como un caso especial de la TFTC.

Signals & Systems

Uso de tablas y propiedades

Ejemplo : Determinar la TFTC de la convolución de:

10 sin( t )  2 (t + 4)
10 sin( t )  2 (t + 4) ⎯→
F
F 10 sin( t ) F 2 (t + 4)
F 10 sin( t ) = 10 F sin( t ) = j10  ( + 1) −  ( − 1)
F 2 (t + 4) = 2 F  (t + 4) = 2e j 4
Multiplicando las dos transformadas, finalmente se tiene:

F 10 sin( t ) F 2 (t + 4) = j10  ( + 1) −  ( − 1)2e j 4

F 10 sin( t ) F 2 (t + 4) = j 20  ( + 1) −  ( − 1)e j 4

Un procedimiento idéntico se utiliza para encontrar transformadas inversas

de Fourier.

Signals & Systems

Resumen de Propiedades de la Transformada de Fourier

Signals & Systems

Resumen de Propiedades de la Transformada de Fourier

Signals & Systems

 Resumen de las
propiedades de la
Transformada de Fourier

Signals & Systems

 Resumen de pares de
transformadas de
Fourier

Signals & Systems

 Teorema de Parseval

 

 w (t )  w
−
1 2 * (t )dt =  W1 ( f )  W2 * ( f )df
−
 
Sí w1 (t ) = w2 (t ) = w(t ),  w(t ) dt =  W ( f ) df  E.
2 2

− −

E es la energía de w(t ).

Densidad Espectral de Energia (Energy spectral density : ESD) :

E(f) = W ( f ) (unidad = joules por hertz)
2

Energía total normalizad a :


E=  E(f ) df
2

−

Signals & Systems

 Espectro de una onda Seno truncada
Ejemplo 18
Una senoide truncada puede definirse por
t
v(t ) = A  sen(w0t )    
T
donde
w0 = 2f 0 ; T : tiempo de duración del pulso

+
 t  − jwt
V( f ) = − A  sen (w0 t )    T   e dt
  t 
V ( f ) = F A  sen(w0t ) F   
  T 

V( f ) = j
AT
Sa(T ( f + f 0 )) − Sa(T ( f − f 0 ))
2

Signals & Systems

Aplicación de Tablas y Propiedades
Ejemplo 19
• Encuentre la transformada de Fourier usando tablas y
propiedades de:

a) X ( ) = 3 ( − 4)
b) X ( ) =  (3 − 4)
• Solución
a) Hay un desplazamiento en el dominio de la frecuencia:
x(t ) = 3e 4 jt ⎯→
TF
X ( j ) = 3 ( − 4)

b) Primero es necesario aplicar las propiedades del impulso :

 (a(x − x0 )) =  (x − x0 )
1
a
4
  4  1  4
⎯→ X ( j ) =  (3 − 4) =   3  −   =    − 
1 jt
x(t ) = e 3 TF

3   3  3  3
Signals & Systems
Aplicación de Tablas y Propiedades
Ejemplo 20
𝑓
La transformada de Fourier de 𝑥 𝑡 es 𝑟𝑒𝑐𝑡 . Utilice las propiedades de la
2
transformada para encontrar y dibujar la magnitud y la fase de las
transformada de Fourier de la siguiente función: 𝑣 𝑡 = 𝑡𝑥′ 𝑡 .
Usando la tabla directa:

Además de la propiedad de escalamiento en el tiempo

𝑓 1 𝑓
𝑟𝑒𝑐𝑡 =2 𝑟𝑒𝑐𝑡
2 2 2
1 𝑓
𝑥 𝑡 = ℱ −1 2 𝑟𝑒𝑐𝑡 = 2𝑠𝑖𝑛𝑐 2𝑡
2 𝑎

𝑑 2𝑠𝑖𝑛 2𝜋𝑡 𝑑 𝑠𝑖𝑛 2𝜋𝑡 𝑐𝑜𝑠 2𝜋𝑡 𝑠𝑖𝑛 2𝜋𝑡

𝑥′ 𝑡 = =2 =2 −
𝑑𝑡 2𝜋𝑡 𝑑𝑡 2𝜋𝑡 𝑡 2𝜋𝑡 2

𝑐𝑜𝑠 2𝜋𝑡 𝑠𝑖𝑛 2𝜋𝑡 𝑠𝑖𝑛 2𝜋𝑡

𝑣 𝑡 = 𝑡𝑥 ′ 𝑡 =𝑡∙2 − = 2 𝑐𝑜𝑠 2𝜋𝑡 −
𝑡 2𝜋𝑡 2 2𝜋𝑡

Signals & Systems

Aplicación de Tablas y Propiedades
Ejemplo 20
𝑓
La transformada de Fourier de 𝑥 𝑡 es 𝑟𝑒𝑐𝑡 . Utilice las propiedades de la
2
transformada para encontrar y dibujar la magnitud y la fase de las
transformada de Fourier de la siguiente función: 𝑣 𝑡 = 𝑡𝑥′ 𝑡 .

𝑠𝑖𝑛 2𝜋𝑡
𝑣 𝑡 = 2 𝑐𝑜𝑠 2𝜋𝑡 −
2𝜋𝑡
Ahora se puede aplicar ℱ 𝑣 𝑡

𝑠𝑖𝑛 2𝜋𝑡 1 𝑓
𝑉 𝑓 = ℱ 2 𝑐𝑜𝑠 2𝜋𝑡 − =2 𝛿 𝑡 + 1 + 𝛿 𝑡 − 1 − 𝑟𝑒𝑐𝑡
2𝜋𝑡 2 2

𝑓
𝑉 𝑓 = 𝛿 𝑡 + 1 + 𝛿 𝑡 − 1 − 𝑟𝑒𝑐𝑡
2

Signals & Systems

 PARTE 2
Señales y Sistemas en el
Dominio de la Frecuencia

Signals & Systems

 Polos y ceros
La transformada de Laplace en ingeniería se encuentra expresada como la
relación de dos polinomios en “s”, es decir:

bM k =1 (s − ck )
M
M −1
bM s + bM −1s + ........... + b0
M
X (s) = =
 (s − d )
N −1
s + a N −1s + ........... + a1s + a0
N N
k =1 k

Si ningún polo se repite y Numerador < Denominador, la función de

transferencia se puede expresar por fracciones parciales.
Si uno de los polos simples está en el eje jω y ninguno en el semiplano
derecho es marginalmente estable el sistema, es decir que en el tiempo la
respuesta del sistema ni decae ni decrece.

Signals & Systems

Función de Transferencia
• La función de transferencia 𝐻 𝑗𝜔 permite la evaluación de la
respuesta de estado cero de un sistema LTI relajado.
• Esta respuesta también se conoce como respuesta en frecuencia
del sistema, puesto que las gráficas de 𝐻 𝑗𝜔 (su magnitud o
ganancia) y de ∡𝐻 𝑗𝜔 (su fase) en función de la frecuencia a
proporcionan
• una indicación del espectro de magnitud y fase en el dominio de
la frecuencia.

Signals & Systems

Función de Transferencia
• Es necesario mencionar que si bien la transformada de Fourier
es ideal en principio para el análisis de señales, resulta no serlo
del todo por varias razones.
• Primera, el análisis queda limitado sólo a sistemas relajados
(condiciones iniciales cero), las entradas que no son señales de
energía usualmente involucran impulsos, y no es posible
manejar del todo algunas señales (como las exponenciales
crecientes).
• La transformada de Laplace (que será estudiada en el siguiente
capítulo), resulta ser una extensión de la transformada de
Fourier, supera estas limitaciones y es el método de elección
para el análisis de sistemas en el dominio de la transformada.
• No está por demás decir que la transformada de Fourier es más
apropiada para el análisis de señales, mientras que la de
Laplace lo es para el análisis de sistemas.

Signals & Systems

Función de Transferencia
Cálculo de la respuesta de estado cero de sistemas LTI

• Entrada
ℱ
𝑥 𝑡 𝑋 𝑓

• Función de Transferencia
Evaluar 𝐻 𝑓 a partir de ℎ 𝑡 o de la ecuación del sistema

• Salida de Estado Cero

Evaluar 𝑌 𝑓 = 𝑋 𝑓 𝐻 𝑓 y encontrar la transformada inversa de
Fourier de 𝑦 𝑡

Signals & Systems

Función de Transferencia
Cálculo de la respuesta permanente a entradas armónicas
• La respuesta de un sistema LTI a una entrada armónica
también es armónica, de la misma frecuencia.
• La cantidad 𝐻 𝑗𝜔 permite encontrar la respuesta de estado
permanente y se conoce como función de transferencia de estado
permanente
• La magnitud y la fase de la salida dependen de la función de
transferencia del sistema 𝐻 𝑗𝜔 a la frecuencia de entrada 𝜔0 .
• Para encontrar la respuesta de estado permanente 𝑦𝑒𝑝 𝑡 a una
entrada senoidal 𝑥 𝑡 = 𝐴𝑐𝑜𝑠 𝜔0 𝑡 + 𝜃 , se evalúa 𝐻 𝑗𝜔 en dicha
frecuencia 𝜔0 lo que da como resultado 𝐻 𝜔0 = 𝐾∡ϕ.
• La salida de estado permanente será:
𝑦𝑒𝑝 𝑡 = 𝐾𝐴𝑐𝑜𝑠 𝜔0 𝑡 + 𝜃 + ϕ

Signals & Systems

 Deseamos conocer condiciones para la transmisión sin distorsión a
través del sistema. “Transmisión sin distorsión" se da cuando la
señal de salida del sistema es una réplica exacta de la señal de
entrada, excepto, posiblemente, por dos modificaciones menores.

Una escala de amplitud

Un retardo de tiempo constante

Signals & Systems

 Una escala de amplitud
Un retardo de tiempo constante

Se dice que una señal x (t) es transmitida a través del

sistema sin distorsión si la señal de salida y (t) se define por:

Cuando la constante C,
y (t ) = Cx (t − t0 ) representa un cambio en
la amplitud y las
constantes t0 representa
Y ( j ) = CX ( j )e− jto un retraso en la
transmisión.
Signals & Systems
 ANÁLISIS FRECUENCIAL
Condiciones de Distorición de Transmisión

Se empezará analizando considerando una transmisión sin

distorsión, que es básica para el estudio de filtros y ecualizadores
lineales. Esto conducirá naturalmente a la consideración de un
marco ideal para el filtrado, el cual, a su vez, proporciona la base
para el diseño de filtros prácticos.

El diseño de un filtro se puede lograr mediante el uso de tiempo

continuo conceptos, en cuyo caso se habla de filtros analógicos.
Alternativamente, el diseño se puede lograr mediante el uso de
tiempo discreto conceptos, en cuyo caso se habla de filtro digital.

Signals & Systems

 ANÁLISIS FRECUENCIAL
Condiciones de Distorición de Transmisión

Considerando un Sistema LIT: continuo

h(t ) ⎯→
F
H ( j ) Frequency response

x(t ) ⎯→
F
X ( j ) Input signal
y (t ) ⎯→
F
Y ( j )
Output signal

Signals & Systems

 La respuesta de frecuencia sin distorsión de un sistema LTI es la
siguiente:
Y ( j ) CX( jω)e
− j  t0
H ( j ) = = = Ce − jt0
X ( j ) X ( j )

Correspondientemente, la respuesta de impulso del sistema está dada

por: h(t ) = C (t − t0 )

Las dos últimas ecuaciones describen las condiciones de dominio de

frecuencia y dominio de tiempo, respectivamente, y que un sistema LTI
tiene que satisfacer para la transmisión sin distorsión.

En la práctica, la ecuación de dominio de la frecuencia es la más

reelevante que indica que, con el fin de lograr la transmisión sin
distorsión de una señal con un cierto contenido de frecuencia finito a
través de un sistema de tiempo continuo LTI, la respuesta de frecuencia
del sistema debe satisfacer dos condiciones.

Signals & Systems

 1. La respuesta de la magnitud debe ser una constante para todas las
frecuencias de interés
H ( j ) = C
2. Para las mismas frecuencias de interés, la respuesta de la fase
debe ser lineal en frecuencia, con pendiente –t0, y que pase por 0
∡𝐻 𝑗𝜔 = −𝜔𝑡0

Signals & Systems

 FILTROS IDEALES

La respuesta en frecuencia de un filtro, se caracteriza por su banda de

paso y su banda de rechazo, que deben estar separadas por una
transición conocida como banda de seguridad. Solamente as señales con
frecuencias dentro de la banda de paso se transmiten

Los filtros pueden ser:

a)Los-pass (Transmits low frequencies)

b)High pass (Transmits high frequencies)
c)Band-pass (Transmits intermediate frequencies)
d)Band-stop (Transmits all but intermediate frequencies)

Signals & Systems

 FILTROS IDEALES

y (t ) = Cx (t − t0 )
Y ( j ) = CX ( j )e− jto
Signals & Systems
 La respuesta en frecuencia de un filtro ideal paso – bajo con frecuencia de
corte ωc se define como:
e − j t0 ,   c
H ( j ) = 
0,   c

Signals & Systems

 Para Evaluar h (t) se calcula la transformada inversa de la ecuación
anterior
c Se peude reescribir como:
1

j ( t − t o )
h(t ) = e d c  c 
2 −c h(t ) = sinc  (t − t0 )
j ( t −t o ) c   
1 e
h(t ) =
2 j (t − to ) −
c

sin (c (t − t0 ))
h(t ) =
 (t − t0 )

Para un filtro con

retardo t0, el filtro
paso bajo ideal es un
sistema no causal.

Signals & Systems

 Respuesta al impulso para
diferentes tipos de filtros

Signals & Systems

 Filtro Pasa Banda Causal Rechaza Banda
Causal

Filtro Pasa Alto

Causal

Signals & Systems

 DISEÑO DE FILTROS

Anteriormente se mostro la respuesta en frecuencia de un filtro paso bajo

ideal, donde pasan todas las componentes de frecuencia que yacen dentro
de la banda de paso sin distorsión y rechaza todos los componentes de
frecuencia que yacen dentro de la banda de parada, y la transición de la
banda de paso a la banda de parada es abrupta.

Para un punto de vista práctico, es necesario tolerar un nivel aceptable de

distorsión, permitiendo "desviaciones" de estas condiciones ideales, tal
como se describe aquí para el caso de los filtros de tiempo continuo o
analógicas:

Signals & Systems

 DISEÑO DE FILTROS

1. Dentro de la banda de paso, la respuesta de magnitud del filtro debe estar

entre 1 y 1-que es:
1 −   H ( j )  1, for 0     p

Dónde ωp es la banda de paso frecuencia de corte y Є es parámetro de

tolerancia.

2. Dentro de la banda de parada, la respuesta de magnitud del filtro no debe

exceder de δ, es decir ( )
H j   , for    s

Dónde ωs es la banda de parada de frecuencia de corte y δ es otro

parámetro de tolerancia.

3. El ancho de banda de transmisión tiene un ancho finito ωs - ωp

Signals & Systems

 Diagrama de Tolerancia para un filtro paso bajo práctico. La banda de paso, la
banda de transición y la banda de rechazo para frecuencias positivas.

1 −   H ( j )  1, for 0     p

H ( j )   , for   s

Signals & Systems

 Diagrama de Tolerancia para un filtro paso bajo práctico. La banda de paso, la
banda de transición y la banda de rechazo para frecuencias positivas.
De acuerdo con lo analizado
se plantean dos pasos
principales para el diseño de
un filtro

1. La aproximación de una
respuesta de frecuencia
prescrita por una función de
transferencia racional que
representa un sistema que es
a la vez causal y estable.

2. La realización de la función
de transferencia aproximar
por un sistema físico.

Signals & Systems

 Hay tres enfoques diferentes para el diseño de un filtro
analógico, que se resumen aquí:

Método analógico, que se aplica a la clase de filtros

analógicos.

Método Analógico a digital, donde la motivación es el

diseño de un filtro sobre la base de lo que sabemos
sobre un diseño de filtros analógicos.

Enfoque directo digital, que se aplica a la clase de filtros

digitales.

Signals & Systems

 Filtros pasivos prácticos.
Filtro pasa bajo RC
Aproximación del filtro ideal mediante circuitos electrónicos.

Vent (t ) = Vr (t ) + Vc (t )
Vent (t ) = Ri (t ) + Vc (t )
Vent (t ) = Ri (t ) + Vsal (t )
Vent (t ) = RCVsal (t ) ' + Vsal (t ) Tomando la transformada de Fourier

Vent ( f ) = jRCVsal ( f ) + Vsal ( f )

Vsal ( f ) 1
Vent ( f ) = ( jRC + 1)Vsal ( f ) → H ( j ) = =
Vent ( f ) jRC + 1
Signals & Systems
 Aplicando la transformada de Fourier a la relación de voltajes y
corrientes.
V ( j )
V ( j ) = RI ( j ) → R = → ZR = R Se expresa el circuito
I ( j )
en función
V ( j )
V ( j ) = jLI ( j ) → jL = → Z L = jL exclusivamente de
I ( j ) impedancias.
V ( j ) 1 1
I ( j ) = jCV ( j ) → = → ZC =
I ( j  ) j C jC

Vsal ( f ) Z CVent ( f ) ZC
H ( j ) = = =
Vent ( f ) ( Z R + Z C )Vent ( f ) Z R + Z C

1
jC 1
H ( j ) = =
R+
1 jRC + 1
jC

Signals & Systems

 1 Grafica de magnitud y fase de un filtro pasa bajo
H ( j ) = implementado con circuitos electrónicos.
jRC + 1

−t
RC
e Respuesta al
Tomando la transformada h(t ) =  u (t ) impulso del filtro
inversa de Fourier RC

Signals & Systems

 −t
RC
e
h(t ) =  u (t ) Respuesta al
RC impulso del filtro

Operación física del filtro pasa bajo:

A frecuencias muy bajas:
1
lim  →0 H ( j ) = lim  →0 1
jRC + 1
Vsal ( f )
lim  →0 H ( j ) = = 1  Vsal ( f )  Vent ( f )
Vent ( f )
A frecuencias muy altas:
1
lim  → H ( j ) = lim  → 0
jRC + 1
Vsal ( f )
lim  → H ( j ) =  0  Vsal ( f )  0
Vent ( f )
Signals & Systems
 Análisis del filtro pasa bajo cuya señal de entrada es voltaje y cuya señal de salida
es la corriente del circuito.
I sal ( f ) V (t ) Z CVent ( f ) V (f)
H ( j ) = → I sal (t ) = sal = = ent
Vent ( f ) ZC (ZC + Z R )ZC (ZC + Z R )
I sal ( f ) Vent ( f ) 1
H ( j ) = = =
Vent ( f ) ( Z C + Z R )Vent ( f ) ( Z C + Z R )
I sal ( f ) 1 j C
H ( j ) = = =
Vent ( f ) R + 1 jCR + 1
j C
Operación física del filtro “pasa bajo”:
A frecuencias muy bajas:
jC
lim  →0 H ( j ) = lim  →0 0
jCR + 1
I sal ( f )
lim  →0 H ( j ) =  0  I sal ( f )  0
Vent ( f )

Signals & Systems

 Operación física del filtro “pasa bajo”:

A frecuencias muy altas:

jC jC 1
lim  → H ( j ) = lim  → = lim  → =
jCR + 1 jCR R
I (f) 1 V (f)
lim  →0 H ( j ) = sal   I sal ( f )  ent
Vent ( f ) R R
Comparando el comportamiento del filtro en el contexto voltaje – voltaje, con
respecto al corriente – voltaje, se observa que el comportamiento del filtro
ahora es de un pasa alto.
A altas frecuencias el flujo de corriente se controla por medio de la Resistencia.

Forma alternativa de un filtro pasa

bajo.

Signals & Systems

 Grafica de magnitud logarítmica de la respuesta en frecuencia
y diagramas de Bode
En muchas ocasiones las graficas lineales de la respuesta en frecuencia, aunque
son exactas, no revelan aspectos importantes en el comportamiento de los
sistemas, los cuales no son percibidos, por tanto al usar escalas logarítmicas es
posible observar aspectos relevantes en un sistema. Para tal efecto se utilizan los
diagramas o graficas de bode.
(1 − ( j / z1 ))(1 − ( j / z2 ))        (1 − ( j / z N ))
H ( j ) = A
(1 − ( j / p1 ))(1 − ( j / p2 ))        (1 − ( j / pD ))
Diagrama de bloques de la función de transferencia factorizada.

Signals & Systems

 Otras de las ventajas que se tienen al utilizar logaritmos es que el producto y
división de factores tan solo se reduce a sumas y restas, de tal forma que la
función de transferencia queda convertida a:
(1 − ( j / z1 ))(1 − ( j / z2 ))        (1 − ( j / z N ))
H ( j ) = A
(1 − ( j / p1 ))(1 − ( j / p2 ))        (1 − ( j / pD ))
Magnitud

H ( j ) dB = 20 log10 A + 20 log10 (1 − ( j / z1 )) +         +20 log10 (1 − ( j / z N ))

− 20 log10 (1 − ( j / p1 )) −         − 20 log10 (1 − ( j / pD ))

Fase

 H ( j ) dB =  A +  (1 − ( j / z1 )) +         + (1 − ( j / z N ))
−  (1 − ( j / p1 )) −         −  (1 − ( j / pD ))

Signals & Systems

 Para el análisis del diagrama de bloques consideraremos la siguiente
función de transferencia.
Sistemas de un polo real
1
H ( j ) =
1 − ( j / p K )
Parte I:
  pk → H ( j ) → 0
  pk →  H ( j ) → 0

Parte II:

  pk → H ( j ) → −20db / decada

  pk →  H ( j ) → −
2

Signals & Systems

 Sistemas de un cero real

j
H ( j ) = 1 −
ZK
Parte I:
  z k → H ( j ) → 0
  z k →  H ( j ) → 0

Parte II:
  z k → H ( j ) → 20db / decada

  z k →  H ( j ) →
2

Signals & Systems

 H ( j ) = j Diferenciador H ( j ) =
1 Integrador
j

Signals & Systems

 H ( j ) = A Ganancia independiente de la frecuencia.

Signals & Systems

 Pares de polos complejos
0 2 = p1 = p1 p2
2

1
H ( j ) = Re( p1 ) p1 + p2
1 + j (20 ) + (( j ) 2 / 0 )  =− =−
0 2 p1 p2

Signals & Systems

 Pares de ceros complejos

 j  j 
H ( j ) = 1 − 1 − 
 z1  z2 
 1 1  ( j ) 2
H ( j ) = 1 − j  + *  + *
 z 1 z1  z z
1 1

Signals & Systems

 Ejemplo: Grafique el diagrama de
Bode para la función de
transferencia de voltaje del
circuito, donde C1=1 F, C2=2 F, Rs=4
Ω, R1=2 Ω, R2=3 Ω

0.333  (1 − ( j / − 0.5))
H ( j ) =
(1 − ( j / − 0.2316))(1 − ( j / − 0.8104))

Signals & Systems

 Filtros prácticos activos
Pasivos significa que contienen dispositivos con la capacidad de tener una
respuesta con más potencia real que la excitación.

Muchos filtros modernos son activos. Esto es, contienen dispositivos activos
como transistores y amplificadores operacionales y requieren una fuente
externa de potencia para operar en forma apropiada.
Con el uso de dispositivos activos la potencia de la respuesta real puede ser
mayor que la potencia de la excitación real.

Zf (f ) 1 / j 2fC 1
H ( j ) = − =− =−
Zi ( f ) R j 2fCR
V0 ( f ) 1 1 Vi ( f )
H ( j ) = =− → V0 ( f ) = −
Vi ( f ) j 2fRC RC j 2f

Integración del voltaje de

salida
Integrador
activo
Signals & Systems
 El integrador se transforma fácilmente en un filtro pasa bajo mediante la
adición de un solo resistor.

V0 ( f ) Rf 1
H ( j ) = =−
Vi ( f ) Ri j 2fRC + 1

Signals & Systems

 Retroalimentación
Si K es una ganancia de un sistema retroalimentado, La función de
transferencia completa puede ser:

Si K es lo suficientemente grande, la función de transferencia completa del

sistema retroalimentado efectúa la inversa aproximada de la operación de la
trayectoria de retro alimentación, es decir que al conectar en cascada con una
función de transferencia H2(s) con el sistema retroalimentado , la función de
transferencia total sería 1

Signals & Systems

 Retroalimentación
Si K es una ganancia de un sistema retroalimentado, La función de
transferencia completa puede ser:

El voltaje de error Ve es una función de Vi y Vo puesto que la impedancia de

retro alimentación por lo general es muy grande con respecto a la impedancia
externa

Signals & Systems

 Análisis espectral

En esta sección se estudia el analizador de espectros.

Como una explicación de la forma en que trabaja el analizador de

espectros y como otro ejemplo del análisis de sistemas directamente
en el dominio de la frecuencia, se va a analizar la operación básica de
un analizador de espectros.

Signals & Systems

 Análisis espectral

La operación de multiplicar la excitación, x(t), por una senoide se describe en

el dominio del tiempo mediante:

X sh (t ) = x(t )[cos(2 f ct ) f c )]

Transformada de Fourier
1
X sh ( f ) = [ X ( f − f c ) + X ( f + f c )]
2

Signals & Systems

 Análisis espectral

Un diagrama de bloques simplificado del corazón de un analizador de

espectros por barrido de frecuencia común.

X sh (t ) = x(t )[cos(2 f ct ) f c )]

Transformada de Fourier
1
X sh ( f ) = [ X ( f − f c ) + X ( f + f c )]
2

Signals & Systems

 Análisis espectral

Un analizador de espectros por barrido de frecuencias multiplica una señal

entrante por una senoide, nuevamente de modulación.

X sh (t ) = x(t )[cos(2 f ct ) f c )]

Transformada de Fourier
1
X sh ( f ) = [ X ( f − f c ) + X ( f + f c )]
2

Signals & Systems

 Análisis espectral

El producto se procesa después mediante un bloque llamado FPB que son las
siglas correspondientes a filtro pasa bajas.

X sh (t ) = x(t )[cos(2 f ct ) f c )]

Transformada de Fourier
1
X sh ( f ) = [ X ( f − f c ) + X ( f + f c )]
2

Signals & Systems

 La frecuencia de la senoide ± fc e se indica sobre la gráfica del espectro de
magnitud de la excitación.

También se indican dos límites, superior e inferior ± fc , a ± fc donde fm es la

frecuencia más alta que el filtro pasa bajas deja pasar.

Signals & Systems

 Observe que el espectro de magnitud es una función par de la frecuencia y que
el espectro de fase es una función impar de la frecuencia, como se estudio
anteriormente.

Los dos espectros individuales desplazados X(f - fc) y X(f +fc) aparecerían como
se ilustra en la segunda figura.

Signals & Systems

 El filtro pasa bajas elimina toda la potencia de señal salvo la correspondiente a
la región –fm<f<fm. Recuerde que esta potencia de señal puede provenir de las
regiones definidas por fc- f m < |f| < fc +fm en la señal de excitación original.

Por lo tanto, la respuesta del

analizador de espectros es una
señal cuya potencia es
proporcional a la potencia de la
señal original en esos intervalos de
frecuencia.

Signals & Systems

 El filtro pasa bajas elimina toda la potencia de señal salvo la correspondiente a
la región –fm<f<fm. Recuerde que esta potencia de señal puede provenir de las
regiones definidas por fc- f m < |f| < fc +fm en la señal de excitación original.

Cuando se desplaza hacia arriba y

hacia abajo por medio de la misma
frecuencia fc, el traslape cerca de
la frecuencia cero siempre es del
espectro original y su complejo
conjugado en una región para la
cual |f| es cercana a fc.

Signals & Systems

 Imagine ahora que fc se cambia a un nuevo valor.

La cantidad de desplazamiento en el dominio de la frecuencia cambiaría, y la

potencia de la señal de respuesta del sistema sería proporcional a la potencia de
la señal original en una región espectral diferente centrada en la nueva ±fc con
un ancho de 2fm.

En un analizador de espectro real hay un generador senoidal de frecuencia

variable, llamado generador de barrido, el cual barre todo el intervalo de
frecuencias.

Signals & Systems

 La potencia de la señal de respuesta del analizador de espectros indica la
potencia de la señal de excitación en un pequeño intervalo de frecuencias
alrededor de la frecuencia de barrido.

La potencia de la señal de respuesta se grafica sobre una pantalla como una

función de la frecuencia de barrido y la exhibición que resulta recibe el nombre
de espectro de potencia de la señal.

Signals & Systems

 Un uso importante del analizador de espectro es el análisis espectral del
contenido de las señales.

Como un ejemplo considere las dos señales x1(t) y x2(t) que se ilustran en la
figura. Éstas se ven muy similares. ¿Son idénticas? A partir de la inspección visual
directa son claras algunas pequeñas diferencias. Sin embargo, ¿exactamente cuál
es la diferencia?

Signals & Systems

 En la figura se presentan gráficas de los espectros de potencia de ambas
señales |X1(f)| y |X2(f)| sobre la misma escala.
Ahora un valor del análisis espectral se vuelve claro.
Las gráficas de los espectros de potencia de las señales hacen evidente el
hecho de que son definitivamente diferentes y en qué medida lo son.

Signals & Systems

 La segunda señal tiene un intenso componente senoidal que se presenta
como dos picos altos y1 estrechos en el espectro de amplitud.
Las dos señales x1(t) y x2(t) son aleatorias.
Por lo tanto, sería imposible escribir una expresión matemática para
transformarla.
Sin embargo, un analizador de espectro puede seguir exhibiendo los
espectros de potencia.

Signals & Systems

 Bibliografía

[1] Roberts M.J. “Señales y Sistemas”, McGraw-Hill Interamericana, Segunda Edición, 2011,

[2] SEÑALES Y SISTEMAS - OPPENHEIM - PRENTICE HALL – 1998, 2da Edición

[3] PROCESAMIENTO DE SEÑALES ANALOGICAS Y DIGITALES- ASHOK AMBARDAR

[4] Haykin S, Van Veen B. “Signal and Systems”, Jhon Wiley and Sons, Inc. Second Edition, 2003.

Signals & Systems