Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Dominio de la Frecuencia
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
b
0 𝑝𝑎𝑟𝑎 𝑚 ≠ 𝑛
න fm (t)fn (t) 𝑑𝑡 = ቊ
𝑟𝑛 𝑝𝑎𝑟𝑎 𝑚 = 𝑛
𝑎
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
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 x0
Propiedad de corrimiento: Donde 𝑥0 puede representar cualquier
constante a lo largo ∞del dominio 𝑥.
න 𝑔 𝑥 𝛿 𝑥 − 𝑥0 𝑑𝑥 = 𝑔 𝑥0
−∞
Función Triangular
t
t 1 − t T
= T
T 0 t T
Función Sa(●)
sin x
Sa ( x) =
x
sin (x )
x = −6π a 6π.
REPASO
e jx − e − jx
sin( x) =
2j
ck k = ak − jbk
Frecuencia fundamental: k
2 1
o = = 2f 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 jkot → e jot
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:
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 )
Ak 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
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:
• 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(k0t ) + B[k ]sen(k0t )]
k =1
x ( t ) = A[0] + A[k ] 12 (e jk0t + e − jk0t ) + B[k ] 21j (e jk0t − e − jk0t )
k =1
1 1 1
𝑋 0 = 𝑎0 = 𝑐0 𝑋 𝑘 = 𝑎𝑘 − 𝑗𝑏𝑘 𝑋 𝑘 = 𝑐𝑘 ∡𝜃𝑘 = 𝑐𝑘 𝑒 𝑗𝜃𝑘
2 2 2
2 x ( t ) = X [k ]e jkot
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.
x(t ) dt
to
3 − j / 4
x[−1] = e
2
3 j / 4
x[1] = e Donde: p = π
2
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(kot )dt = cos(kot )dt
T −T T −T
0 0
T0
2 2 2
A[k ] = sin(kot ) = sin(koTo ) − sin(−koTo )
koT −T0
koT koT
Determinando el
2 2 4
segundo termino A[k ] = sin(koTo ) + sin(koTo ) = sin(koTo )
koT koT koT
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(ko t )dt = sin(ko t )dt
T −T T −T
0 0
T0
2 2 2
B[k ] = − cos(ko t ) = cos(koTo ) − cos(−koTo )
koT −T0
koT koT
2 2
B[k ] = − cos(koTo ) + cos(koTo )
koT koT
B[k ] = 0
2T0 2
x(t ) = + sin( k 2To / T ) cos(kot )
T k =1 k
2T0 2 1
x(t ) = + sin( koTo ) cos(kot )
T k =1 k
jkoT0 − jkoT0
resultado anterior:
2 e −e
X [k ] = ,k 0 2 sin (koTo )
Tko 2j lim k →0
Tko
2sin ( koT0 ) 2oTo cos(koTo ) 2To
X [k ] = ,k 0 lim k →0 =
Tko T o T
Además, es claro que los resultados obtenidos con la serie trigonométrica y la serie
compleja coinciden
T /2
1
− jkot
X [k ] = x (t )e dt
T −T /2
2sin ( k 2 T0 / T )
X 0 =
2To
X [k ] = ,k 0
k 2 T
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
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])
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);
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 −
1 1
x(t ) = + −1
1 1
1 − e j / 20e jt 1 − e − j / 20e − jt
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.
Linealidad
Desplazamiento en tiempo
Escalamiento
Diferenciación en el tiempo
Convolución
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
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
0.6
0.4
0.2
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
Valor de K
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(50t )
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 − 1e
− j ( / 4 )
+ k + 1e 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
5 cos(10t ) ( [k − 1] + [k + 1]) → f 0 = 5
5
2
cos(10000t ) = cos(10 1000t ) ( [k − 1000] + [k + 1000])
1
2
𝑚
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
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:
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
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
𝑡 𝑆𝐹,𝑇0 𝑘
𝑥 𝑡 = 50𝑟𝑒𝑐𝑡 5𝑡 ∗ 𝑐𝑜𝑚𝑏 𝑋 𝑘 = 10𝑠𝑖𝑛𝑐
4 20
k =− k
o
N
xN (t ) = Ak [0] + Ak [k ]cos(2 kf o t ) + Bk [k ]sin(2 kf o t )
k =1
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
2t 1 t
x(t ) = Atri comb
To To To
A k
x[k ] = sinc 2
2 2
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.
... -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
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
0.5
0
-20 -10 0 t 10 20
0.6
0.4
cn
0.2
-0.2
-60 -40 -20 0 20 40 60 w=nw
0
cn
0
=n0
-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
2 1 1
d Se convierte en una
o = → o = Tomando: lim T →
2 cantidad infinitesimal.
T 2 T T
k = − = − t = −
1
x(t ) = X ( )e jt d X ( j ) = x ( t )e − jt dt
2 =− t =−
Ecuaciones de la
transformada de Fourier.
X ( )e d X ( ) = ( )
1
jt − jt Pares de la TFTC
x(t ) = x t e dt
2 = − t = −
• 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.
X ( )e d X ( ) = ( )
1
jt − jt Pares de la TFTC
x(t ) = x t e dt
2 = − t = −
X ( ) = X ( ) e j ( )
Unas señal x(t) en TC periódica con periodo fundamental T0=1/f0 puede representarse para todo
tiempo mediante una SFTC.
x(t ) = e − at u (t )
dt =
− at
e a0
0
X ( j ) = e − at u (t )e − jt
−
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 2f
Signals & Systems
, argX ( j ) = − arctan
1
Determinando la magnitud y fase, X ( j ) =
(a ) a
1
mediante Matlab 2
+2 2
T
X ( j ) = 2Tosinc o
Modulo y Angulo
To
X ( j ) =
1 − jt sin( To )
x(t )e e
− jt − jt
dt = dt = − e X ( j ) = 2
− −To
j 0
X ( j ) =
2
sin( To ) Para 0
0, sin( To ) / 0
2 argX ( j ) =
Para = 0 → lim →0 sin( To ) = 2To , sin( To ) / 0
W W
W
x(t ) =
1 1 j t
dt = −
jt − jt
X ( j ) e dt = e e
2 −W −W
2 jt −W
2
x(t ) = sin(Wt ) Para t 0
t
2
Para t = 0 → lim t →0 sin(Wt ) = W /
t
x(t ) = e j 0t = 1
Es 0 ya que 𝛿 𝜔 se encuentra en 𝜔 = 0
t
−
W ( f ) = e e − j 2ft dt
−
t 0 t
−
= e e − j 2ft dt + e e − j 2ft dt
0 −
0
1 1
−1 − t + j 2f
−1 t − j 2f
= e
+ e
1 1
+ j 2f − j 2f
0 −
2
W( f ) =
1 + (2f ) 2
F ( j ) =
1
(2 − j )
et
0
−
=
1
(2 − j )
(
e 0 − e − )
F ( j ) =
1
(2 − j )
cos(2f ot ) ⎯→ ( f − f o ) + ( f + f o )
F 1
2
cos(ot ) ⎯→ F
( − o ) + ( + o ) Mayor Información de transformadas:
Apéndice E
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
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:
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 ).
−
+
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
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)
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:
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
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
• Entrada
ℱ
𝑥 𝑡 𝑋 𝑓
• Función de Transferencia
Evaluar 𝐻 𝑓 a partir de ℎ 𝑡 o de la ecuación del sistema
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− jto un retraso en la
transmisión.
Signals & Systems
ANÁLISIS FRECUENCIAL
Condiciones de Distorición de Transmisión
h(t ) ⎯→
F
H ( j ) Frequency response
x(t ) ⎯→
F
X ( j ) Input signal
y (t ) ⎯→
F
Y ( j )
Output signal
y (t ) = Cx (t − t0 )
Y ( j ) = CX ( j )e− jto
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
sin (c (t − t0 ))
h(t ) =
(t − t0 )
1 − H ( j ) 1, for 0 p
H ( j ) , for s
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.
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
Vsal ( f ) Z CVent ( f ) ZC
H ( j ) = = =
Vent ( f ) ( Z R + Z C )Vent ( f ) Z R + Z C
1
jC 1
H ( j ) = =
R+
1 jRC + 1
jC
−t
RC
e Respuesta al
Tomando la transformada h(t ) = u (t ) impulso del filtro
inversa de Fourier RC
Fase
H ( j ) dB = A + (1 − ( j / z1 )) + + (1 − ( j / z N ))
− (1 − ( j / p1 )) − − (1 − ( j / pD ))
Parte II:
pk → H ( j ) → −20db / decada
pk → H ( j ) → −
2
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
1
H ( j ) = Re( p1 ) p1 + p2
1 + j (20 ) + (( j ) 2 / 0 ) =− =−
0 2 p1 p2
j j
H ( j ) = 1 − 1 −
z1 z2
1 1 ( j ) 2
H ( j ) = 1 − j + * + *
z 1 z1 z z
1 1
0.333 (1 − ( j / − 0.5))
H ( j ) =
(1 − ( j / − 0.2316))(1 − ( j / − 0.8104))
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 2fC 1
H ( j ) = − =− =−
Zi ( f ) R j 2fCR
V0 ( f ) 1 1 Vi ( f )
H ( j ) = =− → V0 ( f ) = −
Vi ( f ) j 2fRC RC j 2f
V0 ( f ) Rf 1
H ( j ) = =−
Vi ( f ) Ri j 2fRC + 1
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
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
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
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
Los dos espectros individuales desplazados X(f - fc) y X(f +fc) aparecerían como
se ilustra en la segunda figura.
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?
[1] Roberts M.J. “Señales y Sistemas”, McGraw-Hill Interamericana, Segunda Edición, 2011,
[4] Haykin S, Van Veen B. “Signal and Systems”, Jhon Wiley and Sons, Inc. Second Edition, 2003.