Actividades a desarrollar

Tarea 2 - Señales en el dominio de la frecuencia

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

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

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

ejemplos de usos y/o aplicaciones en la ingeniería.

R/ Las convolución continua es aquella donde se le aplica el operador

convolución a dos señales continuas, por el contrario cuando estas son
discretas se le denomina convolución discreta. La convolución se una en
áreas como la óptica, promedios ponderados y  en el estudios de
sistemas lineales, estos últimos son los modelos que se usan para
estudiar sistemas electrónicos.

Ejemplos de usos y/o aplicaciones en la ingeniería:

 Señales de audio en equipos electrónicos.

 Procesamiento de señales
 Reverberación convolutiva.
 Filtrado de imágenes.
Otros usos.
 En estadística: como un promedio móvil ponderado. 
 En teoría de la probabilidad: la distribución de probabilidad de la
suma de dos variables aleatorias independientes es la convolución de
cada una de sus distribuciones de probabilidad.
 En óptica: muchos tipos de manchas se describen con
convoluciones. Una sombra (p. ej. la sombra en la mesa cuando se
tiene la mano entre ésta y la fuente de luz) es la convolución de la
forma de la fuente de luz que crea la sombra y del objeto cuya
sombra se está proyectando. Una fotografía desenfocada es la
convolución de la imagen correcta con el círculo borroso formado por
el diafragma del iris.
 En acústica: un eco es la convolución del sonido original con una
función que represente los objetos variados que lo reflejan
b- ¿Qué es estabilidad y causalidad de sistemas LTI?
R/ La estabilidad es sistemas LTI es la respuesta que tiene al
sistema a una entrada cero o un estado cero, si esta se perturba el
sistema es inestable.

Un sistema LTI es causal cuando sus valores de salida dependen

solamente de valores presentes y pasado de la entrada.

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

aplicación en la ingeniería.
R/Una herramienta útil en análisis de señales y sistemas es
la correlación. La correlación obtiene información sobre las señales en
base a promediados temporales y su transformada de Fourier permite
obtener funciones de Densidad Espectral de Energía o Potencia,
dependiendo de las características de las señales y sistemas bajo
estudio. Esta propiedad es particularmente interesante puesto que
la información puede obtenerse incluso si la señal carece de
Transformada de Fourier. Las herramientas basadas en correlación de
señales y su transformada de Fourier, son básicas en el análisis de
procesos. En este capítulo se estudian aplicadas a señales deterministas.
El objetivo es facilitar su comprensión y para ello se desarrolla el
significado de la correlación como medida de parecido entre señales,
se establecen las propiedades dela correlación cuando las señales
bajo estudio están relacionadas por sistemas lineales e invariantes.
Ejemplo de uso y/o aplicación en la ingeniería:
 Se aplica para estudiar relaciones entre dos variables distintas en
sistemas electrónicos.

d- Explique qué es auto correlación y de un (1) ejemplo de uso

y/o aplicación en la ingeniería.
R/ La auto correlación es la correlación de dos funciones idénticas, esto
puede presentarse en cualquier orden y refleja una operación
conmutativa, la auto correlación puede verse como una medida de
militud o coherencia entre una función y su versión de desplazamiento.
Ejemplo de uso y/o aplicación en la ingeniería:
 En procesamiento digital de señales se usa para encontrar
información sobre el período y la frecuencia de las señales.

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

discreta?
R/La correlación continua se encarga de asemejar un producto
resultado de un desplazamiento de una función sobre otra una relación
es lineal cuando el cambio en una variable se asocia en un cambio
proporcional en otra variable y la correlación discreta se encarga de
encontrar la similitud entre señales o valores semejantes por
emparejamiento.

f- ¿Qué son las series de Fourier?

R/Una serie de Fourier es una serie infinita que converge puntualmente
a una función periódica y continúa por partes, esta constituye una
herramienta de la matemática básica empleado para analizar funciones
periódicas a través de la descomposición de dicha función en una suma
infinita de funciones sinusoidales mucho más simple. Las 3 formas de
una serie de Fourier son forma trigonométrica, forma polar y
forma exponencial
Las áreas de aplicación incluyen análisis de vibratorio, acústico, óptico
procesamiento de imágenes y comprensión de datos, ecuaciones de
calor y de ondas, además circuitos eléctricos.
g- ¿Qué es la transformada Continua de Fourier? De dos (2)
ejemplos de uso y/o aplicación en la ingeniería.
R/La transformada Continua de Fourier puede considerarse como una
extensión de la serie de Fourier aplicada a señales no periódicas, esta
sirve para unificar las representaciones de señales periódicas y sus
contrapartes no periódicas. Se dice que la función original está en el
dominio del tiempo y la transformada la pasa al dominio de la
frecuencia.
Ejemplo de uso y/o aplicación en la ingeniería:
 Las aplicaciones son muy numerosas por ejemplo algunos circuitos
eléctricos, comprensión de audio sabemos que una señal de audio
como una canción es una función temporal y en la telefonía móvil, el
sonido de la voz se codifica. La transformada de Fourier es
básicamente el espectro de frecuencias de una función. Un buen
 ejemplo de eso es lo que hace el oído humano, ya que recibe una
onda auditiva y la transforma en una descomposición en distintas
frecuencias (que es lo que finalmente se escucha).
Ejercicio 1- Convolución continua (analítica): usando como guía el
ejemplo 6.2 de la página 134 del libro guia Ambardar y teniendo en
cuenta las propiedades de dicha operación determine la convolución
entre x (t ) y h(t) descritas a continuación:
1. constante individual B=5 constante grupal A=6

Ítem grupal

x ( t )=(6−e¿ ¿6 t )u ( t ) ¿

h ( t )=3∗e−6 t u ( t−6 )
Organizamos nuestra integral.
∞
y ( t ) =∫ ( 6−e6 λ ) u ( λ )∗3∗e−6 ( t− λ ) u( (t − λ )−6)
−∞

Reorganizamos términos.
∞
y ( t ) =∫ ( 6−e6 λ ) u ( λ )∗3∗e−6 ( t− λ ) u( (t − λ )−6)
−∞

Límites de la integral
u ( λ ) =0

Despejamos
λ=0
Límites de la integral

u ( ( t−λ )−6 ) =0

t−λ−6=0
−λ=t+ 6
λ=t−6
Nos queda
 t−6
y ( t ) = ∫ ( 6−e 6 λ ) 3∗e−6(t− λ) dλ
0

t−6
y ( t ) = ∫ ( 6−e 6 λ ) 3 e−6(t −λ) dλ
0

Aplicamos propiedad distributiva

t−6
y ( t ) = ∫ 18 e 6(t −6) +3 e−6 λ e−6 (t− λ) dλ
0

t−6 t−6
−6 t +6 λ
y ( t ) = ∫ 18 e dλ+3 ∫ e−6 λ e−6 t +6 λ dλ
0 0

t −6 t−6
y ( t ) =18 ∫ e−6 t +6 λ dλ+3 ∫ e−6 λ e−6 t +6 λ dλ
0 0

Aplicamos propiedades del exponencial

e a+ b=e a∗ba
Entonces tenemos que
t −6 t−6
−6 t
e dλ+3 ∫ e−6 λ e−6 t e6 λ dλ
6λ
y ( t ) =18 ∫ e
0 0

t −6 t−6
−6 t 6λ −6 t
y ( t ) =18 e ∫e dλ+3 e ∫ e−6 λ e6 λ dλ
0 0

Procedemos nuevamente a aplicar la propiedad exponencial

t −6 t−6
y ( t ) =18 e−6 t ∫ e 6 λ dλ+3 e−6 t ∫ e−6 λ e6 λ dλ
0 0

Nos quedaría la siguiente integral para que desarrollemos

t −6 t−6
y ( t ) =18 e−6 t ∫ e 6 λ dλ+3 e−6 t ∫ e−6 λ+6 λ dλ
0 0

t −6 t−6
−6 t 6λ −6 t
y ( t ) =18 e ∫e dλ+3 e ∫ 1dλ
0 0

Desarrollamos
 e6 ( t−6 ) e 6 (0 )
y ( t ) =18 e−6 t∗( 6
−
6 ) + 3 e−6 t∗(t−3−0)

−6 t −36
e e 1
y ( t ) =18 e−6 t∗( − )+ 3 e −6 t
∗(t−3−0)
6 6
18 −6 t 6t −36 18 −6 t
y (t)= e e e − e +3 e−6 t t−9 e−6 t
6 6
Nuestra convolución analítica nos queda:

y ( t ) =3 e−36−3 e−6 t +3 t e−6 t −9 e−6 t

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

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

x [ n ] =[ −2 , 3̌ , a , 2 , b ]

h [ n ] =[ 2.5 , 0.5 , b̌ , a ]

Desarrollo de la actividad:

x [ n ] =[ −2 , 3̌ , 6,2,5 ]

h [ n ] =[ 2.5 , 0.5 , 5̌ ,6 ]

Formula de la convolución discreta:

∞
y [ n ] =x [ n ]∗h [ n ] = ∑ x ( k ) h (n−k )
k=−∞

Procedemos a hallar el índice de inicio el índice de

terminación y la longitud:

x [ n ] =[ −2 , 3̌ , 6,2,5 ]

h [ n ] =[ 2.5 , 0.5 , 5̌ ,6 ]
 n= -2 -1 0 1 2 3
X[n]= -2 3 6 2 5
H[n] 2.5 0. 5 6
= 5

Índice de inicio: −1+(−2)=−3

Índice de terminación: 3+1=4
Longitud L=L x + L y −1 5+ 4−1=8
n= -2 -1 0 1 2 3
X[n]= -2 3 6 2 5
H[n]= 2.5 0.5 5 6
-5 7.5 15 5 12.5
-1 1.5 3 1 2.5
-10 15 30 10 25
-12 18 36 12 30
-5 6.5 6.5 11 61.5 48.5 37 30

Script
clc
close all
%% Grafica X[n]-Sergio Andres Murcia
Xn=[-2,3,6,2,5]; %x[n]=[-2.'3'.6.2.5]
n=[-2,-1,0,1,2,]; %eje temporal n
subplot(3,1,1)
stem(n,Xn,'m')
grid
title('Señal discreta X[n] --Sergio Andres Murcia')
xlabel('n')
ylabel('Amplitud')
xlim ([-7,7])
%% Grafica H[n] - Sergio Andres Murcia
Hn =[0,2.5,0.5,5,6]; %Hn=[2.5,0.5,'5',6]
subplot(3,1,2)
stem(n,Hn,'r')
grid
title('Señal discreta H[n] --Sergio Andres Murcia')
xlabel('n')
ylabel('Amplitud')
xlim([-7,7])
%% Convolucion discreta X[n] *H[n] -Sergio Andres Murcia
ConDis=conv(Xn,Hn);
ncon =(-2:1:6);
subplot(3,1,3)
stem(ncon,ConDis,'b')
grid
title('Convolucion discreta X[n]*H[n] --Sergio Andres Murcia')
xlabel('n')
ylabel('Amplitud')
xlim ([-7,7])

2.3. Ejercicio 3 – Series de Fourier: Usando como guía el capítulo 8

de la página 197 del libro Ambardar, dibuje tres (3) periodos de la
siguiente señal x (t ) y calcule los coeficientes trigonométricos de la
serie de Fourier.
constante individual B=5 constante grupal A=6
a) x ( t )=2∗6∗rect (t−5) con T=4 s

 Encuentre los coeficientes a 0, a k y b k

 La frecuencia es

1
f 0=
T

1
f 0=
4s

f 0=0.25 Hz

 La grafica de la señal original de un pulso rectangular

 Para graficar nuestro pulso rectangular con desplazamiento x4 a la derecha realizaremos

el siguiente script en matlab recordemos que para hallar la amplitud correcta

multiplicaremos 2*6=12 y esta será nuestra amplitud.

 Script

 %%Grafica 2*6*rect(t-2) con T=4s

 t1=[-0.5 -0.5 0.5 0.5];
 rect1=[0 1 1 0];
 T=4;
 for i=0:2
 plot(t1+1+T*i,2*6*rect1,'y','linewidth',2)
 hold on
 end
 grid on
 title('Señal 2*6*rect(t-5) con T=4s - Sergio Andres Murcia')
 xlabel('Tiempo')
 ylabel('Amplitud')
 xlim([-1 10])
 ylim([-1 12])


 La grafica x ( t )=12∗rect (t−5) con T = 4s

Como nos encontramos realizando el curos de señales y sistemas y basando en la web

conferencia el tutor dijo que podíamos implementar el software wólfram y de esta manera

realice el cálculo, adjunto el resultado de la integral, cabe resaltar que si conformamos mal

nuestra integral nuestro resultado no será el indicado

 Hallo a 0
❑
1
a 0= ∫ x (t)dt
T T

6.5
1
a 0= ∫ 12∗rect (t−5) dt
4 1.5
6 .5
12
a 0= ∫ (t−5)dt=−15
4 1.5

a 0=−15
 Hallo a k

2
a k= ∫ x ( t ) cos ⁡(2 πk f o t )dt
T T
6.5
2
a k = ∫ 9 cos ⁡( 2 πk f o t) dt
6 1.5
Sacamos la constante y simplificamos
6.5
a k =2 ∫ cos ⁡(2 πk f o t )dt
1.5

sen ( 2 πk f o t )
a k =2 ( 2 πk f o ) |4

7.63944 sen ( 10.2102 k )−7.63944 sen (2.35619 k )

a k=
2k

 Hallo b k
 La diferencia de hallar el coeficiente a k del coeficiente b k es que en nuestra formula

integraremos con seno y no con coseno

2
a k= x ( t ) sen ⁡(2 πk f o t)dt
T∫T
6.5
2
a k = ∫ 9 sen ⁡(2 πk f o t )dt
6 1.5
Sacamos la constante y simplificamos
6.5
a k =2 ∫ sen ⁡(2 πk f o t) dt
1.5

cos ( 2 πk f o t )
a k =2 ( 2 πk f o ) |4

7.63944 cos ( 10.2102 k )−7.63944 cos (2.35619 k )

a k=
2k

2 2.4. Ejercicio 4 – Transformada de Fourier: Usando como guía

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

Ítem Individual:

Desarrollo:
5

6
Ítem Grupal:

 Realizamos la función y(t)

y ( t ) =( sen (2 πft ) )( rect ( t /6−6 ))
y ( t ) =6∗ ( sen ( 2 πft ) )( u ( t )−u ( t−6 ) )

1
T =→ f =
12

1
( ( ( ) )) (
y ( t ) =3∗ sen 2 π
12
t u ( t ) −u ( t−6 ) )

 Remplazamos la transformada

6∗sen 2 π( ( )) 1
12 [(
t → jπ δ w+2 π
1
12
−δ w−2 π
1
12 ( )) ( ( ))]
1 π π
( ( ) ) [ ( ) ( )]
6∗sen 2 π
12
t → jπ δ w+ −δ w−
6 6

1 1
(
6∗( u ( t )−u ( t−6 ) ) → πδ ( w )+
jw (
−e− j 6 w πδ ( w ) +
jw ))
π π 1 1
( [ ( ) ( )]) (
X ( w )=6∗ jπ δ w+
6
−δ w−
6
∗ πδ ( w )+
jw
−e
− j 12w
(πδ ( w ) +
jw ))
  Código y grafica en Matlab

Script en Matlab

clc
%% Grafica Seno Sergio Andres Murcia
t=-12:0.001:12;
Yt=6*sin(2*pi*(1/12).*t);
subplot(3,1,1)
plot (t,Yt)
title('señal senoidal')
ylim ([-12,12])
%--------------------------------------------%
%%Señal original 6*u(t) // Sergio Andres Murcia
grid
rect=(t>=0)-(t>=6)
subplot(3,1,2)
plot(t,rect)
xlabel('Tiempo')
title('Señal pulso rect (t-12)')
ylim ([-2,2])
%--------------------------------------------%
%%Señal y(t) // Sergio Andres Murcia
resul=Yt.*rect;
subplot(3,1,3)
plot(t,resul)
xlabel('Tiempo')
title('Señal resultante')
ylim ([-0.5,7])
xlim([-5,10])
Simulación
 CONCLUSIONES

 Al investigar sobre los diferentes conceptos con relación a la temática del curso se

define los conceptos relacionados convolución discreta y continua, correración continua

y discreta, Series de Fourier y Transformada continúa de Fourier sobre el capítulo

unidad 2.

 La representación de señales en series de Fourier ha demostrado ser una herramienta

matemática muy importante en el análisis de señales; sin embargo, su teoría está

limitada a las señales periódicas. La transformada de Fourier surge como una solución,

ya que permite representar en el dominio de la frecuencia, aquellas señales de

naturaleza no periódica.
 Es importante mencionar, que aunque el concepto que encierran la representación en

series de Fourier y la transformada de Fourier son similares desde cierto punto de vista

práctico, la representación en series de Fourier relaciona armónicamente ondas

sinusoidales en el dominio del tiempo.

 Las señales pueden describir una amplia variedad de fenómenos físicos para resolver

convoluciones en sistemas discretos las consideraciones y métodos que debemos aplicar

son totalmente diferentes a los que se tomaba en señales continuas.