TDS PDF

Tema 0 – Repaso de Señales
y Sistemas Discretos
Carlos Óscar Sánchez Sorzano
4º Ing. Telecomunicación
EPS – Univ. San Pablo – CEU
Señales Básicas
Delta de Kronecker
≠
(0.1) δ [ ]=
=
(0.2) [ ]δ [ − ] = [ ]δ [ − ]
(0.3) [ ]δ [ ] = [ ]δ [ ]
Cualquier señal se puede expresar como una suma ponderada de deltas

∞
(0.4) [ ]= δ[ − ]
= −∞
Curso 2004/2005 Carlos Óscar Sánchez Sorzano 2

(EPS-San Pablo CEU)
Señales Básicas
Escalón unidad
<
(0.5) [ ]=
≥
Relación con la función delta

∞
(0.6) [ ]= δ[ − ]= δ[ ] (0.7) δ [ ] = [ ]− [ − ]
= = −∞

(EPS-San Pablo CEU)
Señales Básicas
Exponencial real
(0.9) [ ]= α = β

(EPS-San Pablo CEU)
Señales Básicas
Exponencial imaginaria pura
(0.10) [ ]= ω
= ω + ω
ω − ω
ω +
(0.11) ω = =
ω − ω
ω −
(0.12) ω = =
φ ω − φ − ω
ω +φ = +
(0.13)
ω
= (0.14)
π
− = ± ±
(0.15) =
=

(EPS-San Pablo CEU)
Señales Básicas
Exponencial imaginaria pura
Periodicidad ω
ω = π ∈[ π ) ≈ (− π π ] (0.16)
= (0.17)
ω ω
+ + = (0.18)

(EPS-San Pablo CEU)
Señales Básicas
Exponencial compleja
[ ]= ( ) (
= α ω
)

(EPS-San Pablo CEU)
Propiedades Básicas de los
Sistemas
(0.19)
Sistemas con memoria [ ]= [] [ − ] [ − ]
(0.20)
Sistemas sin memoria [ ]= []
(0.21)
Sistemas invertibles [ ]= [ ] ∃ −
[ ]= −
[] = −
[]
(0.22)
Sistemas causales [ ]= [ ] [ − ] [ − ]
(0.23)
Sistemas no causales [ ]= [ ] [ + ] [ + ]
(0.24)
Sistemas estables [ ]< ∀ ∃ [] < ∀
(0.25)
Sistemas invariantes
en el tiempo
[ ]= [] [ − ]= [ − ]
(0.26)
Sistemas lineales ( [ ] + [ ]) = ( [ ]) + ( [ ])
(EPS-San Pablo CEU)
Sistemas Básicos
(0.27)
Integrador [ ]= [] = []
[ ]= []
= −∞
−
(0.28) (0.33)
[ ]= [] [ ]− [ ]
− −
Diferencia finita − = −
(0.29)
causal [ ]= −
− [] (0.34)
Diferencia finita [ ]= −
+ [] = [ ]− [ + ]
no causal
(0.30)
Parte par [ ]= [ ] [ ] + [− ]
[ ] = [ ]+ [ ] (0.35)
(0.31)
Parte impar [ ]= [] =
[ ] − [− ]
(0.32) ∞
Correlación φ [ ]= + = − ∗
= −∞

(EPS-San Pablo CEU)
Sistemas LTI
(0.36)
Sistema [ ]= []
(0.37) ∞
Sistema lineal [ ]= [] []
= −∞
(0.38) ∞
Sistema LTI [ ]= [][ − ] = [ ]∗ [ ]
= −∞
−α +
Ejemplos: [ ] = [ ]∗ α [ ]= []
−α
[ ] = [ ]∗ ∗ [ ]= − ( [ ]− [ − − ])

(EPS-San Pablo CEU)
Propiedades Sistemas LTI
(0.39)
Conmutatividad [ ] ∗ [ ] = [ ]∗ [ ]
(0.40)
Distributividad [ ] ∗ [ ] + [ ] = [ ]∗ [ ] + [ ]∗ [ ]
(0.41)
Asociatividad [ ]∗ [ ] ∗ [ ] = [ ]∗ [ ] ∗ [ ]
(0.42)
Sistemas sin memoria [ ]= δ[ ]
(0.43)
Sistemas invertibles [ ]∗ − [ ] = δ [ ]
(0.44)
Sistemas causales [ ]= ∀ <
(0.45) ∞
Sistemas estables [ ] <∞
= −∞

(EPS-San Pablo CEU)
Funciones propias de los sistemas
LTI
∞ ∞ ∞ ∞
[ ]= [][ − ]= [ − ]= [] −
= [] −
=
= −∞ = −∞ = −∞ = −∞
(0.46)
[ ]=
[ ]= [ ]= (0.47)

(EPS-San Pablo CEU)
Sistemas definidos por ecuaciones
en diferencias finitas
[ − ]= [ − ] (0.48)
= =
• Método 1: Ecuación de recurrencia

[ ]= [ − ]− [ − ] (0.49)
= =
• Método 2: Sol. Homogénea+Sol. Particular

[ − ]= [ − ]= [ − ]
= = =
[ ] = [ ]+ [ ] (0.50)

(EPS-San Pablo CEU)
Sol. Ecuación de recurrencia
Ejemplo:
[ ]− [ − ]= [] [ ] = [ ]+ [ − ]
[ ]= δ
Condiciones iniciales: [ ]= <
n=-2 [− ] = [− ] + [− ] =
n=-1 [− ] = [− ] + [− ] =
n=0 [ ] = [ ] + [− ] =
n=1 [ ] = [ ]+ [ ] = [ ]= ( )
n=2 [ ] = [ ]+ [ ] = ( )
…
[ ] = [ ]+ [ − ]= ( )
(EPS-San Pablo CEU)
Sol. Ecuación Homogénea
Ejemplo: [ ]− [ − ]+ [ − ] = [ ]+ −
[ ]− [ − ]+ [ − ] =
[ ]=
− −
+ −
= −
( − + )= −
− −
Polinomio característico
= " ! !
= Si hay raíces múltiples, supongamos
= que ¼ es de orden 2, entonces la
solución es de la forma
[ ] = (# ( ) +# ())[] [ ]= # ( ) + # + # () (0.51)

(EPS-San Pablo CEU)
Sol. Particular
Ejemplo: [ ]− [ − ]+ [ − ] = [ ]+ −
[ ]= [ ]
[ ]= # [ ] #
# #
# +# −
+ +#
[ ]− [ − ]+ [ − ] = [ ]+ −
#
#
ω
ω # ω +# ω
# [ ]− # [ − ]+ # [ − ] = [ ]+ −
(0.52)
=
#− #+ #= + #=
[ ]= []

(EPS-San Pablo CEU)
Solución Ecuación en Diferencias
Ejemplo: [ ]− [ − ]+ [ − ] = [ ]+ −
[ ] = [ ]+ [ ]
[ ] = (# ( ) + # ( ) ) [ ]
[ ]= [ ]
[ ] = (# ( ) + # ( ) + ) [ ]
n=0 [ ] = [− ] − [− ] + [ ] + − = =# +# +
n=1 [ ] = [ ] − [− ] + [ ] + = =# +# +
# =− # =−
[ ] = (− ( ) − () + )[]
(EPS-San Pablo CEU)
Respuesta al impulso
Ejemplo: [ ]− [ − ]− [ − ] = [ ]+ −
[ ] = (# (− ) + # ( ) ) [ ]
n=0 [ ] = [− ] + [− ] + [ ] + − = =# +#
n=1 [ ] = [ ] + [− ] + [ ] + = = −# + #
# =− # =
[ ] = (− (− ) + )[]

(EPS-San Pablo CEU)
Representación en Serie de
Fourier
π
[ ]= [ + ] ω = (0.53)
φ [ ]= ω
= ± ± Pero sólo hay N señales distintas de este tipo
(0.54) φ [ ]= φ + [ ] (0.55)
(0.56) [ ]= φ [ ]= φ [] = [ ]φ− [ ] (0.57)

=< > = =< >
Atención: + = (0.58)

(EPS-San Pablo CEU)
Propiedades de la Serie de Fourier
Linealidad [ ]+ [ ] + (0.59)
Desplazamiento en el tiempo [ − ] − ω
(0.60)
Desplazamiento en frecuencia [] ω − (0.61)
Conjugación [] − (0.62)
Inversión en el tiempo [− ] − (0.63)

[ ] =
Escalado en el tiempo [ ]= (0.64)
Convolución periódica [][ − ] (0.65)

=< >
Producto [][] ! =< >

! −! (0.66)

(EPS-San Pablo CEU)
Propiedades de la Serie de Fourier
Diferencia finita [ ]− [ − ] (− − ω
) (0.67)
Integración [] − ω (0.68)
= −∞ −
Sólo es periódica y finita si = (0.69)
Simetrías [] es real = − (0.70)

[ ] es real y par es real y par (0.71)
[ ] es real e impar es imaginaria (0.72)
pura e impar
[] (0.73)
[] (0.74)
Teorema de Parseval [] = (0.75)

=< > =< >

(EPS-San Pablo CEU)
Algunas series de Fourier
π − π
−
[ ]= π
=
=
= − =− (0.76)
π = = − = (0.77)
Ejemplo: + π
+ π
+ π
+π
π
= = + =
− π
− = − − =

(EPS-San Pablo CEU)
Algunas series de Fourier
+
= ± ±
= π
+ (0.78)
π
# = ± ± (0.79)
[ ]= # =
∞
[ ]= δ[ − ] = ∀ (0.80)
= −∞

(EPS-San Pablo CEU)
Transformada de Fourier
[]
[]
[ ]= φ []
=< >

(EPS-San Pablo CEU)
Transformada de Fourier
∞
= [ ]φ− [ ] = [ ]φ− [ ] = [ ]φ− [ ]
=< > =− = −∞
∞
Defino $ ω
= [ ]−ω (0.81) Luego, = $ ω
= −∞
Para reconstruir la señal en el espacio del tiempo
[ ]= φ [ ]= $ ω
φ [ ]= $ ω ω
ω
=< > =< > π =< >
π
ω =
[ ]= ! [ ]= $ ω ω
ω (0.82)
→∞ π π

(EPS-San Pablo CEU)
Convergencia de la TF
∞
[ ]<∞
∞
(0.83) $ ω
= [ ]−ω converge uniformemente si
= −∞ = −∞
(0.84) [ ]= $ ω ω
ω converge uniformemente si $
ω
es continua
π π
(0.85) En la TF no se esperan fenómenos de Gibbs (en el tiempo)

%
"% [ ] = $ ω ω
ω "π [ ] = []
π −%
Ejemplo: [ ]= δ[ ] "% [ ] = %π %
π
π π π
%= %= %= % =π

(EPS-San Pablo CEU)
¡Pero puede haber fenómenos de Gibbs en frecuencia!. Existen señales
∞ ∞
para las que [ ]=∞ pero [] < ∞ . En estos casos se dice

= −∞ = −∞
que converge en energía, es decir,

ω ω
(0.86) ! $ −$ ω=
→∞ π
donde
≤
(0.87) =
ω
La interpretación intuitiva es que la transformada de Fourier $ tiende
ω ω
a$ salvo en un número finito de discontinuidades de $
Este hecho tendrá su importancia a la hora de diseñar filtros discretos.
(EPS-San Pablo CEU)
Ejemplo:
<% <π ω ≤%
=
% % ω
= −π ≤ ω < π
π π
ω
=
% % − ω
=
%
( ω −θ + ) θ
=− π π π −%
( ω −θ )

(EPS-San Pablo CEU)
TF de señales periódicas
∞
ω πδ ω − ω − π! (0.88)
! = −∞
Ejemplo: ∞ ∞
ω = ω
+ − ω
πδ ω − ω − π! + πδ ω + ω − π!
! = −∞ ! = −∞
πδ ω − ω + πδ ω + ω −π ≤ ω < π
En general
[ ]=
∞
ω
π δ ω− ω (0.89)
=< > = −∞

(EPS-San Pablo CEU)
Propiedades de la TF
(0.90)
Linealidad [ ]+ [ ] $ ω
+ & ω
(0.91)
Desplazamiento en el tiempo [ − ] $ ω − ω
(0.92)
Desplazamiento en frecuencia [] ω $ ω −ω
(0.93)
Conjugación [] $ − ω
(0.94)
Inversión en el tiempo [− ] $ − ω
(0.95) [ ] =
Escalado en el tiempo [ ]= $ ω
(0.96)
Convolución [ ]∗ [ ] $ ω
& ω
(0.97)
Producto [][] $ θ
& ω −θ
θ
π π

(EPS-San Pablo CEU)
Diferencia finita [ ]− [ − ] (− − ω
)$ ω
(0.98)
Integración [] − ω
$ ω
(0.99)
= −∞ − ∞
+ π$ δ ω− π (0.100)
= −∞
ω
Diferenciación en frecuencia
[] $ (0.101)
Simetrías ω
Tiempo Frecuencia [] es real $ ω
=$ − ω
(0.102)
Real
Par Par [ ] es real y par $ ω
es real y par (0.103)
[ ] es real e impar
Impar Impar
ω
$ es imaginaria (0.104)
Impar Impar pura e impar
[]
Imaginaria ω
Par Par $ (0.105)
[] $ ω
(0.106)
(EPS-San Pablo CEU)
∞
Teorema de Parseval [] = $ ω
ω (0.107)
= −∞ π π
∞
[ ] [ ]= $ ω
& ω
ω (0.108)
= −∞ π π

(EPS-San Pablo CEU)
Algunas TFs
<
[] − ω (0.109)
−
< ω
−
− ω
+ ω
= (0.110)
− − − ω+
<
+ [] − ω
(0.111)
−
+ − < (0.112)
[]
− − − ω
ω + <
[] − ω ω (0.113)
ω − ω + −
∞
[] − ω
+π δ ω− π (0.114)
− = −∞

(EPS-San Pablo CEU)
Algunas TFs
[ ]=
∞
ω
π δ ω− ω (0.115)
=< > = −∞
ω +α π α
δ ω − ω + π − αδ ω + ω − π ≤ ω < π (0.116)
π π
ω δ ω −ω − δ ω +ω − π ≤ ω < π (0.117)
ω δ ω −ω − π ≤ ω < π (0.118)
δ[ ] (0.119)
πδ ω − π ≤ ω < π (0.120)
∞ π ∞
ω =
[ ]= δ[ − ] ω δ ω− ω (0.121)
= −∞ = −∞

(EPS-San Pablo CEU)
Algunas TFs
≤ ω( + )
[ ]= ω (0.122)
− ≤ ≤ ω( ( + + )) − ω
−
[ ]= + +
+ + ω (0.123)
<% <π ω ≤%
% $ ω
= −π ≤ ω < π
π (0.124)
=
= π $ ω
= ω −π ≤ ω < π (0.125)
≠

(EPS-San Pablo CEU)
Algunas TFs
< ω
[ ]=
−
Ejemplo: −
− ω
−
<
[] − ω (0.126)
−
[ − ] $ ω − ω
(0.127)
= −
Ejemplo:
(− − ω
)( − − ω
) − (− − ω
) − (− − ω
)
[ ]= −
− −

(EPS-San Pablo CEU)
Dualidad de la TF
Tiempo continuo Tiempo discreto
Dominio del tiempo Dominio de la Dominio del tiempo Dominio de la
frecuencia frecuencia
Series de Periódica en el No periódica en Periódica en el Periódica en
Fourier tiempo. Tiempo frecuencia. tiempo. Tiempo frecuencia.
continuo Frecuencia discreta discreto Frecuencia discreta
∞
= ω
= − ω
[ ]= ω
= []− ω
= −∞ =< > =< >
Transformada No periódica en el No periódica en No periódica en el Periódica en

de Fourier tiempo. Frecuencia frecuencia. tiempo. Tiempo frecuencia.
continua Frecuencia continua discreto Frecuencia continua
∞
=
∞
$ ω ω
ω $ ω =
∞
− ω [ ]= $ ω ω
ω $ ω
= [ ]−ω
π π π
= −∞
−∞ −∞
(0.128)

(EPS-San Pablo CEU)
Sistemas definidos por una
ecuación en diferencias
[ − ]= [ − ] & ω − ω
= $ ω − ω
= = = =
(0.129)
− ω
ω
ω &
= ω
= =
(0.130)
$ − ω
Ejemplo: [ ]− [ − ]+ [ − ]= [ ]
ω
= = = −
− − ω
+ − ω
(− − ω
)( − − ω
) (− − ω
) (− − ω
)
[ ] = ( ) [ ]− ( ) [ ]

(EPS-San Pablo CEU)
Caracterización en frecuencia de
un sistema LTI
[ ]= ω
[ ]= ω
∗ [ ]= ω ω
(0.131)
[ ]= $ ω ω
ω [ ]= $ ω ω ω
ω (0.132)
π π π π
Ejemplo: [ ]= ω +α = α ω
+ − α − ω
[ ]= α ω ω
+ − α − ω − ω
=
α ω ω − α − ω ω
= + =
= ω
( α ω ω
+ − α − ω − ω
)=
= ω
(ω +α+ ω
)

(EPS-San Pablo CEU)
Régimen estacionario y transitorio
Ejemplo régimen estacionario:
[ ]= ω
[ ]= ω
∗ [ ]= ω ω
Ejemplo régimen transitorio:
[ ]= ω
[] [ ]= ω
[ ]∗ [ ] = ω
[] [ ]−ω =
=
∞ ∞
= ω
[] [ ]−ω − [ ] −ω =
= = +
∞
= ω
[] ω
− [ ] −ω = [ ]+ [ ]
= +
Régimen Régimen
estacionario transitorio

(EPS-San Pablo CEU)
Ejemplo régimen transitorio:
∞
[ ]= ω
[] [ ] −ω
= +
Si h[n] es un sistema FIR, entonces ∃ [ ]= ∀ >

Si h[n] es un sistema IIR, entonces
∞ ∞ ∞
[ ]= ω
[] [] − ω
≤ [ ]≤ []
= + = + =
Es decir, la respuesta está acotada si el sistema es estable. Y el

transitorio tiende a 0 si la respuesta al impulso tiende a 0 con n

(EPS-San Pablo CEU)

(EPS-San Pablo CEU)
Procesos estocásticos
∞
φ [ ]= + = − ∗ (0.133)
= −∞
φ =φ − φ =φ − (0.134)
φ
(0.135) φ ≤ φ φ = ρ = ∈ [− ] (0.136)
φ φ
φ
(0.137) φ ≤φ ρ = ∈ [− ] (0.138)
φ
Ejemplo: [ ]= [ ] φ [ ]=
−

(EPS-San Pablo CEU)
Procesos estocásticos y Sistemas
LTI
∞ ∞ ∞
{ [ ]} = − = { − }= { } = { }
= −∞ = −∞ = −∞
(0.139)
LTI x estacionario
∞ ∞
φ + = {[][ + ]} = − − + =
= −∞ = −∞
∞ ∞ ∞ ∞
= { − − + }= φ + − =
= −∞ = −∞ = −∞ = −∞
x estacionario
∞ ∞ ∞ ∞
= φ + − = φ −! !+ =
= −∞ = −∞ ! = −∞ = −∞
∞
= φ −! φ ! =φ ∗φ , luego y es también estacionaria
! = −∞
(0.140)
(EPS-San Pablo CEU)
Procesos estocásticos y Sistemas
LTI
φ = − ∗ Φ ω
= ω ω
= ω
ω ω ω
Φ ω
= ω
Φ ω
Φ = Φ
(0.141) π (0.142)
{ [ ]} = φ =
π
ω
Φ ω
ω (0.143)
−π
ω
Φ es una función no negativa, real, y par (0.144)
Ejemplo: Si es un filtro paso banda

− ω! ω ω
{ [ ]} = φ =
π
Φ ω
ω+
π
Φ ω
ω=
π
Φ ω
ω
−ω ω! ω!

(EPS-San Pablo CEU)
Señales paso banda
$ Ω Ω
−Ω Ω
Señal analítica o pre-envolvente
(0.145) $ + Ω = $ Ω Ω
Ω
Ω
(0.146) + = (δ + π )∗ = + "
Transformada de Hilbert
(0.147) "
∞ τ Ω<
=π ∗ =π τ
−∞ −τ
Ω = Ω= (0.149)
(0.148) $" Ω =$ Ω Ω − Ω>

(EPS-San Pablo CEU)
Señales paso banda
Señal equivalente paso bajo
(0.150) $! Ω = $+ Ω+Ω Ω
(0.151) $ Ω = $! − Ω − Ω + $! Ω−Ω
Componente en fase
Componente en cuadratura
Ω θ
(0.152) ! = + = + =
Fase
Envolvente
(0.153) = Ω − Ω = (Ω +θ )= { !
Ω
}
(0.154) " = Ω + Ω = (Ω +θ )= { !
Ω
}
(EPS-San Pablo CEU)
Apéndice I:
Relaciones trigonométricas
− −
+ −
= + = =
− #$
= − = − =
+ #$
#$
= =
+ #$
+ = + − + = +
+ = + −
+ = +
− =− + −
= − + +
= − − +
= − + +

(EPS-San Pablo CEU)
Apéndice II:
Partial Fraction Expansion
− − − − −
+ + + +
' = −
−
−
− − −
=
+ − + + +
− − − − −
+ + + + ( #
= −
−
−
− −
=
− − − (
(
= = − −
donde
( )
−
− − −
# = − − −
− ' =
− %

(EPS-San Pablo CEU)
Apéndice II:
Ejemplo:
# #
= − −
= − −
= −
+ −
− + − − − −
# = ( − −
) =
=
− − =
=
# = ( − −
) =
=
− − =
=−
= −
− −
− −
= () − ()

(EPS-San Pablo CEU)
Apéndice II:
Ejemplo: & ω # # #
= − ω − ω
= − ω
+ − ω
+ − ω
− − − − −
# =( − −
) =
= − =
=
−
# =( − −
) =
= − =
=−
−
−
# =(− ) −
− −
=
=− − − =
=
−
=− −
(− ) =−
− =
−
ω
& = − ω
− − ω
− − ω
− − −
= (( ) − () − + ())
(EPS-San Pablo CEU)
Apéndice II:
− ω − ω − ω − ω
Ejemplo: ω + + + − ω +
= − ω − ω
= + + − ω − ω
+ + + +
− ω − ω − ω − ω − ω − ω
+ + + = + + + + + + +
= =
− ω
ω − ω + − ω
= + + − ω − ω
= + + − ω
− − ω
+ + + +
=δ + δ − + (− ( ) − (− ) )
(EPS-San Pablo CEU)
Apéndice III: Miscelánea
δ = δ

(EPS-San Pablo CEU)
Tema 1 – Muestreo de
señales continuas
Muestreo periódico
Conversor C/D
Conversión de tren [ ]=
× de impulsos en
secuencia discreta

(EPS-San Pablo CEU)
Representación del muestreo en el
dominio de la frecuencia
Dominio del tiempo Dominio de la frecuencia
Ω
∞ ∞
π
= δ − Ω =Ω δ Ω− Ω Ω = (1.1)
= −∞ = −∞
∞ ∞ ∞
= δ − Ω = − Ω
= Ω ∗ Ω = Ω− Ω (1.2)
= −∞ = −∞ π = −∞
∞
[ ]= ω
= [ ]−ω = ω Ω
= Ω (1.3)
= −∞
∞
ω
(1.4) = ω
− π
= −∞
∞
(1.5) Ω
= Ω− Ω ω =Ω (1.6)
= −∞

(EPS-San Pablo CEU)
Representación del muestreo en el
dominio de la frecuencia
Ω
Ω
−Ω Ω Ω
∞
Ω
= δ − Ω
= −∞
− Ω − Ω −Ω Ω Ω Ω
Ω
∞
= δ − Ω
= −∞
Ω Ω −Ω
[ ]= ω
ω
− π − π − π π π π
(EPS-San Pablo CEU)
Aliasing
Se produce aliasing cuando Ω > Ω −Ω (1.7)
Ω
Ejemplo:
=
= + =
=

(EPS-San Pablo CEU)
Filtro Anti-aliasing
Conversor C/D
Conversión de tren [ ]=
Ω × de impulsos en
secuencia discreta
Ω
−Ω Ω

(EPS-San Pablo CEU)
Muestreo de señales aleatorias
[] Supongamos que es un proceso aleatorio
C/D de media cero, estacionario en sentido amplio, con
densidad espectral de potencia Ω y limitado
en banda Ω . Entonces,
(1.8) φ = {[][ + ]} = { + }= φ
( )=
∞
(1.9) Ω
( (Ω − Ω ))
= −∞

(EPS-San Pablo CEU)
Reconstrucción de la señal
Conversor D/C
[ ]= Conversión de
secuencia discreta Ω
en tren de impulsos
Ω
−Ω Ω
(1.10)

(EPS-San Pablo CEU)
= ∗ =
∞
[] − (1.11) Ω = Ω Ω = Ω ( Ω
) (1.12)
= −∞
∞
= [ ]δ − (1.13) Ω =
∞
[ ] −Ω = ( Ω
) (1.14)
= −∞
= −∞
∞
[ ]= (1.15) ω
= [ ]−ω (1.16)
= −∞

(EPS-San Pablo CEU)
Ω
= ∗ Ω
Ω −Ω Ω
Ω
−Ω Ω
Ω
∞
= [ ]δ − Ω
= −∞ Ω Ω
−
[ ]= ω
ω
− π − π − π −π π π π π
(EPS-San Pablo CEU)
= ∗ [1.11]

(EPS-San Pablo CEU)
Teorema del muestreo (1.17)
Sea una señal limitada en ancho de banda cuya frecuencia máxima

es . Entonces, esta señal se puede recuperar exactamente a partir de
sus muestras tomadas a una frecuencia = ≥ mediante la
función de interpolación = .La fórmula correspondiente de

∞
interpolación es = ∗ = [] −
= −∞

(EPS-San Pablo CEU)
Procesado discreto de señales
continuas
[] []
C/D ( ) ω
D/C
[1.4] ∞
[1.12]
ω
= ω
− π ω
= ω ω
Ω = Ω ( Ω
)
= −∞
Ω = Ω ( Ω)
Ω =
( Ω
) Ω <π
(1.18) ( )=
ω ω
∀ω ω < π (1.19)
= (1.20)
[1.4]

(EPS-San Pablo CEU)
continuas
Ω
Ejemplo:
=
() Ω
Ω = Ω
Ω
Ω Ω <π π
Ω =
−π Ω
π
( )=
ω ω
∀ω ω < π −π
{ ( )}
ω
π
=
π −π ω
[0.125] =
≠ π
−π
(EPS-San Pablo CEU)
continuas
Ejemplo:
Ω <Ω Ω <π
Ω = Ω = Ω
−Ω Ω
Ω Ω
=
π π ( ) ω
ω ω <ω ω <π ω =Ω ω
=
−π ≤ ω < π −ω ω
Ω Ω ω ω
= = =
π π π π
[1.11]

(EPS-San Pablo CEU)
Cambio del periodo de muestreo
[] []
C/D D/C C/D
[ ]= [ ]=

(EPS-San Pablo CEU)
Reducción del periodo de muestreo
[] [ ]= = = (1.21)
M
∞
ω
[1.4] = ω
− π
= +
= −∞
∞ ∞
−∞ < < ∞
ω
= ω
− π
= ω
− π
= ≤ ≤ −
= −∞ = −∞
( )
− ∞ −
(ω − π ) (1.22)
= ω
− π
− π
=
= = −∞ =

(EPS-San Pablo CEU)
Reducción del periodo de muestreo
ω
ω =Ω
− π π
ω =Ω
ω
ω=Ω =Ω
− π π
ω =Ω = ω
[] LPF [] [ ]= [ ]
Gª=1
π
M
Corte=

(EPS-San Pablo CEU)
Incremento del periodo de
muestreo
[] [ ]= = = (1.23)
L
=
= ± ± ∞
( )= ( )
∞
(1.24) [ ]= = δ − ω ω
= ω
(1.25)
= −∞ = −∞

(EPS-San Pablo CEU)
muestreo ω
ω =Ω
− π π
ω =Ω
ω
ω =Ω =Ω
− π π
ω =Ω =ω
[] [] LPF []
L Gª=L
π
Corte=

(EPS-San Pablo CEU)
muestreo
[] [] LPF []
L Gª=L
π
Corte=
∞
[ ] = [ ]∗ [ ] = − (1.26)
= −∞
− <
[ ]= [ ]=
(1.27)
(1.28)

(EPS-San Pablo CEU)
muestreo
Interpoladores
[1.27] Ideal [ ]=
[ ]=
[1.28] Lineal [ ]= − < [ ]=
ω
(1.29) ( )= ω
ω
Distorsión en frecuencia

(EPS-San Pablo CEU)
por un factor racional
[] []
C/D D/C C/D
[ ]= [ ]=

(EPS-San Pablo CEU)
por un factor racional
[] LPF LPF []
L Gª=L
π
Gª=1
π
M
Corte= Corte=
[] LPF []
L Gª=L
π π
M
Corte=

(EPS-San Pablo CEU)
Implementación real
[] []
C/D ( )ω
D/C
[] []
Anti-
aliasing
Sample
& Hold
A/D ( )ω
D/A Ω

(EPS-San Pablo CEU)
Sample & Hold: zero-order hold
Ω
< < Ω − π
= Ω = Ω
Ω
(1.30) (1.31)
Se necesita mantener estable la entrada
al conversor A/D para que éste pueda
convertir correctamente a binario.
∞
= ∗ δ − =
= −∞
∞
= − (1.32)
= −∞

(EPS-San Pablo CEU)
Cuantificación de la señal: A/D
[] [] [] = =∆ (1.34)
∆
C/D Q(x) B(x)
∆= (1.33)
(1.35) = =
∆
(1.36) = = +
∆
(1.37) = =
(EPS-San Pablo CEU)
Error de cuantificación
[] []
Q(x) = − (1.38)
> ∆
> ∆
∆
•El error es un proceso aleatorio estacionario ≤∆
•Está incorrelado con la señal de entrada
∆ (1.39)
•Es un proceso incorrelado σ − σ ! = σ +
•Tiene una distribución “uniforme”
[] []
+ σ = σ − !" ∈ − + σ ! !" ∈ ! + σ + !" ∈ + (1.40)
σ
= ≈ + − (1.41)
σ σ [1.39]
= + − (1.42)
σ
(EPS-San Pablo CEU)
Conversión D/A
[]
× D/C Ω
∆
∞ ∞
= ∗ ∆ δ − = − [1,30,1.32]
= −∞ = −∞
(1.43) Ω = ( Ω
) Ω
(1.44) Ω = ( Ω
) Ω Ω = ( Ω
) Ω
Ω
Ω − Ω π
Ω Ω
Ω = = Ω<
(1.45) Ω
Ω
(EPS-San Pablo CEU)
Conversión D/A
Ω
Ω
( Ω
)
Ω
Ω
Ω

(EPS-San Pablo CEU)
Conversión D/A
Sample & Hold: 1st order
− −
(1.46) = +β − ≤ < +
∞
(1.47) = − Ω
= −∞
β=
β=
+ ≤ < β=
(1.48) = − ≤ <
Ω
Ω Ω Ω − π
(1.49) Ω = −β +β + Ω
[1.31]
Ω Ω Ω
(EPS-San Pablo CEU)
Procesado digital: A/D+filtro+D/A
[] []
Anti-
aliasing
Sample
& Hold
A/D ( )ω
D/A Ω
Ω = Ω Ω ω
= ω
[1.35]
∆
Ω = Ω Ω ω
= ω ω
∞
ω
=
= −∞
ω
− π
[1.4] Ω =∆ ( Ω
) Ω [1.44]
ω
= ω
+ ω
[1.38] Ω = ( Ω) Ω

(EPS-San Pablo CEU)
Procesado digital: A/D+filtro+D/A
[] []
Anti-
aliasing
Sample
& Hold
A/D ( ) ω
D/A Ω
(1.50) Ω = Ω Ω ( Ω
) Ω Ω + Ω
(1.51) Ω = Ω Ω ( Ω
)σ

(EPS-San Pablo CEU)
Muestreo de señales paso banda
Ω
Ω ≥ Ω + Ω ##
Ω Solución: Muestrear el equivalente paso bajo

−Ω Ω
Ω −Ω Ω +Ω
[0.153] = Ω − Ω
El ancho de banda de la señal
equivalente paso bajo es Ω .
La idea es muestrear la componente
en fase y en cuadratura por separado
Supongamos que Ω + Ω = ( Ω ) (1.52)
Ω = Ω (1.53)
Nyquist

(EPS-San Pablo CEU)
[0.153] = Ω − Ω
Ω +Ω = ( Ω )
(1.54) = = Ω − Ω =
Ω = Ω = π
= (π −
)− (π −
)= [1.52,1.53]
− =
= +
− − − = −
T
t
0
T’=2T
Ω = Ω
(1.55)

(EPS-San Pablo CEU)
Reconstrucción de cada una de las componentes = −
+
T = −
t = −
0 = − + +
T’=2T = −
+ +
= −
+ +
(1.56) = − = + − (1.57)
∞ ∞
(1.58) = ( − ) = ( − + ) (1.59)
= −∞ = −∞

(EPS-San Pablo CEU)
= Ω − Ω = [0.153,1.58,1.59]
∞
= − Ω − − + Ω =
= −∞
∞
+ +
= − − Ω − + − − + Ω =
= −∞
∞
+ +
= − − Ω − + − − + Ω =
= −∞
∞
= − Ω − − + − + Ω − + =
= −∞
∞
= − Ω − Suponiendo que Ω + Ω = ( Ω ) [1.52]
= −∞
(1.60)

(EPS-San Pablo CEU)
Ω
Supongamos que Ω +Ω =
Ω +Ω
Ω
Ω Supongamos que Ω +Ω ≠ (1.61)

Ω Ω +Ω
Ω +Ω Entonces = (1.62)
Ω
Ω +Ω (1.63)
Ω =
Ω
Ω Ω +Ω = (1.64)
Ω +Ω
Ω ≤Ω < Ω (1.65)
(EPS-San Pablo CEU)
Aplicaciones del oversampling:
Filtros antialiasing
[] []
LPF
Anti-
aliasing
C/D Gª=1
π
M
Corte=
= π
Ω =
Ω
Ω ( ) ω
Ω ω
−Ω Ω −ω ω π
Ω ( ) ω
Ω ω
−Ω Ω π

(EPS-San Pablo CEU)
Reducción del ruido de muestreo
[] [] []
LPF
C/D Q(x) Gª=1
π
M
Corte=
= π
Ω =
( ) ω
( ) ω
σ = ∆
ω ω
−ω ω π −ω ω π
( ) ( ) ω
[] =
σ
ω [] =
π
(1.66, 1.67)
(EPS-San Pablo CEU)
Noise shaping
[] [] []
LPF
C/D + + Q(x) Gª=1 M
−
− Corte=
π
−
−
π
Ω = =
[] [] [] []
LPF
C/D + + + Gª=1 M
−
− Corte=
π
−
−

(EPS-San Pablo CEU)
Noise shaping
[] [] [] []
LPF
C/D + + + Gª=1 M
−
− Corte=
π
−
−
−
= − −
+
−
−
(1.68) = + −
(1.69) = + − − = +
σ = σ
(1.70)
(1.71) ( )=
ω
− − ω
σ =( ω
)σ
(EPS-San Pablo CEU)
Tema 2 – Transformada Z y
análisis transformado de
sistemas LTI
Funciones propias de los sistemas
LTI
∞ ∞ ∞ ∞
[ ]= [][ − ]= [ − ]= [] −
= [] −
=
= −∞ = −∞ = −∞ = −∞
∞
[0.46]
[ ]= [] −
=
= −∞
[ ]= [ ]= [0.47]

(EPS-San Pablo CEU)
Transformada Z
∞
= [] −
= −∞
∞
= ω
= [] − − ω
= −
= = ω
= −∞
La transformada z de converge
−
si la transformada de Fourier de
∞
converge, es decir, −
<∞
= −∞
Si converge para , entonces converge
para ∀ = . Esto define una región de
convergencia (ROC).
= La transformada de Fourier converge, si
la ROC incluye al círculo unidad.
X(z) y todas sus derivadas son
continuas dentro de la ROC.
(EPS-San Pablo CEU)
Transformada Z
Ejemplo:
( )
∞ ∞
− −
= = = = −
= −∞ = −
−
Si < >
Se llaman polos a aquellos

puntos para los que = ∞.
Se llaman polos a aquellos
puntos para los que = .
=

(EPS-San Pablo CEU)
Transformada Z
Ejemplo:
= + − −
( ) ( )
− ∞ ∞ ∞
− − − −
= + = + =− −
+ −
= −∞ = = = − −
−
Si < >
−
Si < <
Caso 1: < No existe X(z)
Caso 2: = No existe X(z)
Caso 3: > Existe X(z) para < <

(EPS-San Pablo CEU)
Transformada Z
Polos y ceros de una transformada racional
− −
−
−
∏ − −
= = =
= =
= =
= =
=
−
=
−
=
−
∏=
− −
(N-M) ceros ó (M-N) M ceros fuera del origen

polos en el origen N polos fuera del origen
No hay polos ni ceros en el

(EPS-San Pablo CEU)
Relación con la TF
ω
• = = ω
• Cuidado con = = ω
Ejemplo:
∞
ω ω −
= π π
¬∃ <∞ ¬∃
= −∞
¡pero la TF tiende en sentido L2 a una función

periódica discontinua!
Ejemplo:
= ω
En estos casos no se debe pensar en la TF como la evaluación de la TZ
en el círculo unidad.

(EPS-San Pablo CEU)
Propiedades de la ROC
•La ROC se compone de regiones anulares centradas en el origen del
plano z.
•La ROC no contiene ningún polo
•Si x[n] es de duración finita entonces la ROC es todo el plano z salvo con
posible excepción de z=0 y/o z= .
∞ ⊄ ∞ ⊄ ⊄

(EPS-San Pablo CEU)

(EPS-San Pablo CEU)
Ejemplo:
≤ <
=
−
− −
= −
= −
− −

(EPS-San Pablo CEU)
•Si X(z) es racional, entonces su
ROC está delimitada por polos o se
=
extiende hasta el infinito.
•Si X(z) es racional y x[n] está
acotada por la izquierda, entonces la
ROC se extiende desde el polo más
externo hacia el infinito. Si además
x[n] es causal, entonces el infinito
está incluido en la ROC.
•Si X(z) es racional y x[n] está
acotada por la derecha, entonces la
ROC se extiende desde el origen
hasta el polo más interno. Si además
x[n] es anticausal, entonces el origen
está incluido en la ROC.

(EPS-San Pablo CEU)
Ejemplo: =
= < <
(− −
)( − −
)
Esta es la ROC porque es la

única para la que la TF converge
(EPS-San Pablo CEU)
Propiedades de la TZ
Linealidad [ ]+ [ ] +
Al menos ∩
Desplazamiento en el tiempo [ − ] −
salvo la adición o
substracción del origen
Escalado en el dominio z [] ω − ω
TF:Desplazamiento en frecuencia
[] ( )
{∈ ∈ }
Inversión en el tiempo [− ] −

(EPS-San Pablo CEU)
[ ] =
Escalado en el tiempo [ ]=
Conjugación []
Parte real [] +
Al menos
Parte imaginaria [] −
Al menos
Convolución [ ]∗ [ ]
Al menos ∩

(EPS-San Pablo CEU)
Diferencia finita [ ]− [ − ] (− ) −
Al menos ∩ >
Integración [] −
= −∞ −
Al menos ∩ >
!
Diferenciación en frecuencia [] −
!
Tma. del valor inicial
Si [ ]= ∀ < , entonces [ ]= →∞

(EPS-San Pablo CEU)
Correlación " = [− " ]∗ [" ] −
Al menos ∩
Multiplicación [] [] π # ( (# ) −
)# −
!#
⊂ ∩ −
Al menos " " < <
Relación de Parseval
∞
[ ] [ ]= π # ((# ) )#
− −
!#
= −∞
⊂ ∩ −

(EPS-San Pablo CEU)
Algunas TZs
[] − <
−
− [− − ] −
<
−
−
− − −
< <
− −
−
[] <
(− −
)
−
− [− − ] <
(− −
)
− >
δ[ − ] −
− ∞ <

(EPS-San Pablo CEU)
Algunas TZs
− ω −
( ω )[] <
− ω −
+ −
φ− ω −φ −
( ω +φ )[] <
− ω −
+ −
ω −
( ω )[] <
− ω −
+ −
ω +
[] <
ω − ω −
+ −
−
−
[ ]− − −
<
−

(EPS-San Pablo CEU)
Transformada Z inversa
• Directa =
π
−
!
Integral de línea para alguna circunferencia = ∈

recorrida en sentido contrario a las agujas del reloj.
• Inspección
• Expansión en fracciones parciales
• Expansión en serie de potencias

(EPS-San Pablo CEU)
• Directa
∞
= [] −
= −∞
∞ ∞ ∞
−
! = − −
! = − −
! = πδ − =
= −∞ = −∞ = −∞
= π ⊂ Tma. integral
de Cauchy
−
! $
$ ! !
! = − ! −
π
( − ) $ !
C Si $ ≠∞

(EPS-San Pablo CEU)
• Directa
Suponiendo que todos los polos son distintos
$
π ! = π
%
! = π
%
! =
− −
% %
& %= % %= % %=
$
% = − % Residuo del polo i Suma de los
&
residuos de
todos los polos
−
= − % = %
%=

(EPS-San Pablo CEU)
• Directa
Suponiendo que hay polos de multiplicidad múltiple
%−
$ !
! = %
π
& %=
%−
! % − = % Suma de los
residuos de
$ todos los polos
% = − %
&
%− −
! − % %
= %− %−
=
%= ! %

(EPS-San Pablo CEU)
• Directa
< −
Ejemplo: = − = ! = !
− π − −
π −
Caso 1: ≥ ∀ ≠∞
= − = = = =
−
Caso 2: < = =∞ Polo de orden n
=−
= − =
−
= ! = = + = =
= = π − −
− −
(EPS-San Pablo CEU)
• Directa
−
Ejemplo: = − = ! = !
− π − −
π −
Caso 2:
=−
= − = = ! =
−
π −
!
= = + = =
= = ! −
− −
= = − = =
−

(EPS-San Pablo CEU)
• Inspección
Ejemplo:
− −
= − −
= − −
= <
+ − + −
−
= −
−
= ()

(EPS-San Pablo CEU)
• Expansión en fracciones parciales
Ejemplo:
' '
= = + <
(− −
)( − −
) − −
− −
' = ( − −
) =
=
− − =
=−
' = ( − −
) =
=
− − =
=
=− −
+ −
< = −( ) + ()
− −

(EPS-San Pablo CEU)
Ejemplo:
= − −
+ −
− −
= − − + − −
=δ + − δ + −δ + δ −
Ejemplo:
∞ −
= + −
= (− ) +
<
=
=
∞
(− ) +
δ − = (− ) + >
=
≤
(EPS-San Pablo CEU)
Ejemplo:
− −
= −
= + + +
−
−
−
−
− +
− −
− + + +
− −
− +
−
… =δ + δ − + δ − + =

(EPS-San Pablo CEU)
Ejemplo:
− −
= −
= =− − −
− −
− +
−
− +
− −
− − − −
− −
− +
−
… =− −
δ + − −
δ + − =− − −

(EPS-San Pablo CEU)
Resumen
• Definición de la Transformada Z
• Relación con la Transformada de Fourier
• Propiedades de la ROC
• Propiedades de la Transformada Z
• Algunas transformadas Z
• Transformada Z inversa:
– Directa
– Inspección
– Expansión en serie de potencias
(EPS-San Pablo CEU)
Tema 3 – Análisis de Sistemas
LTI en el dominio transformado
Filtros ideales
Filtros Paso Bajo (Low Pass Filters)
ω ≤ω <ω <π ω ω
ω
= −π ≤ ω < π =
π π
Filtros Paso Alto (High Pass Filters)
<ω <π
ω
= − ω
=δ −
Son filtros no causales y con respuesta impulsional infinita.

(EPS-San Pablo CEU)
Filtros realizables
− −
− = − =
= = = =
− −
−
−
∏ − −
= = =
= =
= =
= =
=
−
=
−
=
−
∏
=
− −
Ejemplo: − − −
− − +
= − −
= − −
+ + + +
+ − + − = − − + −
= − − + − − − − −

(EPS-San Pablo CEU)
Filtros definidos por ecuaciones en
diferencias de coeficientes constantes
Una ecuación en diferencias no define de forma única la respuesta al impulso
del sistema. Por ejemplo,
− = − − = δ −
= = = =
−
sea = donde = ∈ ≠ , entonces
= =
− = y − + − = δ −
= = =
Es decir, hay N coeficientes indeterminados , que pueden ser fijados por medio
de condiciones iniciales − − − si es causal ó
si es anticausal.
(EPS-San Pablo CEU)
Respuesta al impulso de un
sistema racional
Expansión en fracciones parciales
−
− −
= =
= −
+ −
= δ − +
− = = − = =
=
FIR IIR
sólo si M N Polos en Polos fuera
el origen del origen
Ejemplo: = − − −
= +
+ − +
− − π π π
= = − = + + +
= −
=
=

(EPS-San Pablo CEU)
Respuesta de un sistema racional
= = = −
+ −
= − = −
El sistema está No se producen

inicialmente en cancelaciones
reposo. polo-cero. Polos del Polos de la
sistema entrada
Respuesta Respuesta
natural forzada
= +
= =
Respuesta Régimen
transitoria permanente

(EPS-San Pablo CEU)
Respuesta transitoria y régimen
permanente
Ejemplo: = − + = −
−
−
−
= ( )
π
= − −
− +
−
− − −
= = −
= −
+
− − −
+ −
− − −
+ −
=− + π
−

(EPS-San Pablo CEU)
Estabilidad y causalidad
∞
<∞
= −∞
∞ ∞
−
= =
<∞
= −∞ = −∞
h[n] es estable si la ROC de H(z)

incluye al círculo unidad.
<

(EPS-San Pablo CEU)
Estabilidad
Ejemplo: − − =
= La señal de entrada está acotada
∃ ∀ <
= − >
−
= =
(− )
−
= + Pero la salida, no
¬∃ ∀ <

(EPS-San Pablo CEU)
Estabilidad y Causalidad
Ejemplo: − + − + − = =
= < <
(− −
)( − −
)
El sistema no es ni El sistema es causal El sistema es estable

causal ni estable pero no estable pero no causal
(EPS-San Pablo CEU)
Cancelaciones polo-cero
Ejemplo: − − + − = − − + −
=
− −
+ −
=
− −
+ −
=
(− −
)( − −
)
− −
+ −
( − −
)( − −
) (− −
)( − −
)
− −
−
= −
= − −
− −
Cancelación polo-cero
=δ − ( )− −
El sistema es estable debido a la cancelación polo-cero

pero en una implementación real no tienen por qué
cancelarse exactamente.

(EPS-San Pablo CEU)
Test de estabilidad de Schür-Cohn
Notación
−
Polinomio de orden m: = =
=
− − −
Polinomio inverso o recíproco: = = −
=
Test 1. =
2. =
=
4. mientras ≠
A(z) tiene todas sus raíces
4.1. Calcular dentro del círculo unidad si
4.2. = y sólo si
− ∀ ∈ <
4.3. − =
−
4.4. = −
(EPS-San Pablo CEU)
Test de estabilidad de Schür-Cohn
Ejemplo: = − −
− −
− −
= − −
− −
=− − +
= =−
− −
= = −
−
−
=− +
= =− > El sistema no es estable

(EPS-San Pablo CEU)
Estabilidad de un sistema de
2º orden
= =− +
= − − −
+ + =− ± =
Estabilidad <
=
=
+
Polos complejos − <
Polos reales dobles − =
Polos reales simples − >

(EPS-San Pablo CEU)
Invertibilidad
δ[ ] ∗ =δ
( )ω
( ) ω
ω ω
=
=
∏ − −
∏ − −
= =
= =
∏
=
− −
∏
=
− −
Es decir, los polos de un sistema son los ceros de su sistema inverso, y

los ceros de un sistema son los polos de su inverso. La ROC del
sistema inverso debe solaparse con la del sistema H(z)
Un sistema LTI es estable y causal y tiene un sistema inverso estable y

causal sii todos los polos y ceros de H(z) están dentro del círculo unidad
(EPS-San Pablo CEU)
Invertibilidad
−
− <
Ejemplo: = − =
−
−
= − −
−
−
= −
−
= =
− −
= − − =− − − + − −

(EPS-San Pablo CEU)
Respuesta en frecuencia de un
sistema LTI
[] [ ]= ∗
( )
ω
( )= ( ) ( )
ω ω ω
( )= ( ) ( )
ω ω ω
∠ ( ) = ∠ ( )+ ∠ ( )
ω ω ω
Ejemplo:
ω
= − ω
∠ ω
= −ω =δ −
∠ ( ) ≈ −φ
ω
−ω ≈ ω
− ω −φ −ω
= ω donde =τ ω ω =ω
Retardo de grupo
τ ω = " !{ }= − !!ω !"{ }

ω
∠ ω ω
ω
#

(EPS-San Pablo CEU)
Efectos del retardo de grupo
Ejemplo:
[b,a] = butter(7,[0.05 0.10]);
!" ( ) ω
∠ ( )
ω

(EPS-San Pablo CEU)
Efectos del retardo de grupo
ω ω
=
ω =
ω =

(EPS-San Pablo CEU)
sistema racional
Respuesta de amplitud
ω
− ω
∏ − − ω
= =
= =
=
− ω
∏
=
− − ω
ω ω ω
∏ − − ω
− # ω
= #
= =
∏ =
− − ω
− # ω
Ganancia del filtro en dBs
ω − ω − ω
$ " = $ " + $ " − − $ " −
= =

(EPS-San Pablo CEU)
sistema racional
Respuesta de fase Valor principal
∠ ω
=∠ + ∠ − − ω
− ∠ − − ω
= $ { ω
}+ π ω
= =
donde
ω
π< $ { ω
}= ! % %
ω
≤π
ω ∈ Sin restricción
!" ω
= ${ ω
}+ π ω
donde
ω
ω ∈ Es tal que !" es continua

(EPS-San Pablo CEU)
sistema racional
Retardo de grupo
"! { ω
}= !
!ω
{
!" − − ω
}− !
!ω
!" − { − ω
}=
= =
=
− { − ω
} −
− { − ω
}
= + − { − ω
} = + − { − ω
}
Propiedades
"! { ω
}≡ − !!ω !"{ ω
}= − !!ω $ { ω
}= − !!ω ∠ ω
salvo en las discontinuidades

ω
!" { ω
}− !"{ }= − "! { φ
}!φ
(EPS-San Pablo CEU)
sistema con un solo cero
ω − ω θ − ω
= − = −
=

(EPS-San Pablo CEU)
ω − ω θ − ω
= − = −
ω −θ − ω −θ
ω
= + − ω −θ $ { ω
}= ! %
− ω −θ
"! { ω
}= ω
= = =
θ= θ= θ=

(EPS-San Pablo CEU)
− − ω ω
= − θ −
= = = =
= −
θ=
=

(EPS-San Pablo CEU)
− ω ω
= ∠ =∠ − −∠ ∠ =∠ − −ω
∠ −
θ=
=

(EPS-San Pablo CEU)
Para ≥ hay una discontinuidad
en la fase
∠ −
∠

(EPS-San Pablo CEU)
sistema con un solo polo
ω
= − ω
= θ − ω
− −

(EPS-San Pablo CEU)
sistema con un solo polo
ω
= − ω
= θ − ω
− −
ω
=
+ − ω −θ
ω −θ
$ { ω
}= − ! %
− ω −θ
− ω −θ
"! { ω
}= − ω
Los valores obtenidos son

los opuestos a los obtenidos
con un solo cero.

(EPS-San Pablo CEU)
sistema de segundo orden
ω
= =
(− − ω
)( − # − ω
) − θ − ω
+ − ω

(EPS-San Pablo CEU)
sistema de segundo orden IIR
ω
=
+ − ω −θ + − ω +θ
ω −θ ω +θ
$ { ω
}= − ! %
− ω −θ
− ! %
− ω +θ
− ω −θ − ω +θ
"! { ω
}= − + − ω −θ
−
+ − ω +θ
Los valores obtenidos son

los opuestos a los obtenidos
con dos ceros.

(EPS-San Pablo CEU)
sistema de segundo orden
=
− − #
ω
= ω ω
− − #

(EPS-San Pablo CEU)
sistema racional
− − −
+ − +
Ejemplo: = − − −
− − +

(EPS-San Pablo CEU)
Relación entre fase y magnitud para
sistemas definidos por una ED
En general, no hay ninguna relación entre magnitud y fase para un sistema LTI.
Sin embargo, si el sistema está definido por una ED, una vez especificada una
de ellas, la otra queda determinada dentro de un número reducido de opciones.
ω
= #
#
= ω =& = ω
∏ − − ∏ − −
− #
& = =
= =
∏ − − ∏ =
− −
− #
( ) # −
Si uno está dentro del círculo
Polos
∏ − # unidad, el otro debe estar
#
# = =
Ceros ( )# − fuera. Los polos de un
sistema estable y causal
∏ =
− # están automáticamente
determinados, pero no así los
ceros.
(EPS-San Pablo CEU)
Relación entre fase y magnitud para
sistemas definidos por una ED
− −
− + − +
Ejemplo: & = π
− − π
− π − π
− − − −
− −
− + − +
= π
− − π
− π − π
− − − −
&
− −
− + − −
+ −
= π
− − π
−
= π − π
− − − −
− −

(EPS-San Pablo CEU)
Sistemas paso-todo
Ejemplo:
−
− #
= −
= =
−
#
− ω ω − ω #
ω − #
− ω − #
− ω −
= − ω
= − ω
= − ω
− − −
− ω # − ω #
ω − ω − − ω −
= − ω
= − ω
=
− −

(EPS-San Pablo CEU)
Sistemas paso-todo
Sistema paso todo de respuesta real
− − −
− − #
−
= ∏= − − ∏ = − −
− # −
∈ ∈&
+ polos y ceros = = = # = #
ω
=
ω ω −θ
∠ = −ω − ! %
= − ω −θ
ω −θ
+ − ω− ! %
= − ω −θ
ω +θ
− ! %
− ω +θ
(EPS-San Pablo CEU)
Sistemas paso-todo
ω − − −
"! = + + >
θ − ω θ − ω − θ − ω
= − = − −
> >
Sistema causal y estable <
− − #
−
= ∏= −
∏
= − − #
= ∠ =
ω
!" { ω
} = !"{ }− "! { φ
}!φ <

(EPS-San Pablo CEU)
Sistemas paso-todo
π − π
=− =
π − π
=− =

(EPS-San Pablo CEU)
Sistemas de fase mínima
Un sistema es de fase mínima si todos sus polos y ceros están en el interior
del círculo unidad.
Descomposición de un sistema LTI causal y estable
=
Supongamos que H(z) tiene un cero fuera del círculo unidad en = # & <
−
− − − #
= − #
= − −
−

(EPS-San Pablo CEU)
− − − − − −
− − = − −
Ejemplo:
=
(− π
−
)( − − π
−
)= ( −
−
− π
)( −
−
π
)
− −
− −
(− − π
−
)( − π
−
)( −− − π
)( − − π
)
=
− −
(− − π
−
)( − π
−
)

(EPS-San Pablo CEU)
Compensación de la respuesta frecuencial
[]
! ( )
ω !
( )
ω
ω
Caso Particular: ! es de fase mínima, causal y estable
Se puede diseñar un sistema causal y estable tal que =

Caso General:
Se puede compensar la amplitud pero no la fase.
ω ω ω
! = !
ω
= −
!
ω
ω ω ω
=

(EPS-San Pablo CEU)
Ejemplo:
π − − π − π − − π −
! = − − − −
π − − π − − − π − π
! = − − − − =
− − π − π
π − − π − π − − π − − −
! = − − − − π − − π −
− −

(EPS-San Pablo CEU)
Ejemplo:

(EPS-San Pablo CEU)
Propiedades de los sistemas de
fase mínima
Fase (phase-lag) mínima
=
!" = !" + !"
<
− " = − !"
Luego,
− " < − "
∞
Hay que tener cuidado con que = > porque
= −∞
y − tienen los mismos polos y ceros pero un desfase de π

(EPS-San Pablo CEU)
fase mínima
Retardo de grupo mínimo
=
"! =" ! +" !
>
Luego, "! <" !

(EPS-San Pablo CEU)
fase mínima
Retardo de energía mínimo
ω ω
Ejemplo: ≤

(EPS-San Pablo CEU)
fase mínima
Retardo de energía mínimo
∞ ∞
= pero ≤
= −∞ = −∞ = −∞ = −∞
Ejemplo:

(EPS-San Pablo CEU)
Sistemas lineales de fase lineal
generalizada
Sistemas de fase lineal
ω
=
ω
∠ = −ωα ω <π
ω
ω
= − ωα
ω <π "! =α
= −α α∈
=δ −α α ∈'
ω ω − ωα
En general, un sistema de fase lineal es tal que = .
es simétrica respecto a α si α es un entero, es decir, α− =
Si α es entero, entonces existe un sistema de fase 0 que es una versión
desplazada de

(EPS-San Pablo CEU)
generalizada
Ejemplo:
− ωα
ω ω <ω
= = ωπ ω
−α
ω ≤ ω <π π

(EPS-San Pablo CEU)
generalizada
Sistemas de fase lineal generalizada
ω ω − ωα ω
= ω
= ω − ωα − β
∈
Fase lineal Fase lineal generalizada (GLP)
− ωα
ω ω <ω
Ejemplo: = ω ω
ω ≤ ω <π =
ω ω
∠ = β − ωα + ∠
ω
=
( +
ω) − ω
ω <π
+ ( ω)
ω
ω ω "! =α
= ω <π
(

(EPS-San Pablo CEU)
generalizada
∞
Si ∀ω ω −α + β = , entonces el sistema es GLP
= −∞
Si β∈ π α ∈' α− = , entonces el sistema es GLP y

ω
es par
Si β∈ π π
α ∈' α− =− , entonces el sistema es GLP y
ω
es impar

(EPS-San Pablo CEU)
generalizada
Sistemas de fase lineal generalizada causales
∞
Si ∀ω ω −α + β = , entonces el sistema es GLP
=
− ≤ ≤
Si es FIR, causal y = , entonces
ω ω ω − ω
el sistema es GLP y es real y par. =
− − ≤ ≤
Si es FIR, causal y = , entonces
ω ω ω − ω −π
el sistema es GLP y es real e impar. =

(EPS-San Pablo CEU)
Sistemas de fase lineal FIR de tipo I
− ≤ ≤
= =
−
ω
= − ω
=
− ω
+ ( − ω
+ − − ω −
)=
= =
( )=
− −
=
− ω
+
− ω ω −
+
− ω − − ω
+ (ω − )
= =
−
=
− ω
+ − (ω ) = ω − ω
− − − − −
= = − = =
= = =
Si = , entonces −
=

(EPS-San Pablo CEU)
Sistemas de fase lineal FIR de tipo I

(EPS-San Pablo CEU)
Sistemas de fase lineal FIR de tipo II
− ≤ ≤
= = +
ω
=
− ω −
− (ω − )
=
= − − =− − =− − − =
(EPS-San Pablo CEU)
Sistemas de fase lineal FIR de tipo III
− − ≤ ≤
= =
ω
=
− ω
− (ω )
=

(EPS-San Pablo CEU)
Sistemas de fase lineal FIR de tipo IV
− − ≤ ≤
= = +
ω
=
− ω −
− (ω − )
=

(EPS-San Pablo CEU)
Descomposición de un sistema FIR
= ' ' = − −
es el número de
ceros de
ω − ω
' = =
ω
=
=
∏

(EPS-San Pablo CEU)
Ejemplo:
= δ +) δ ( ( δ ( + δ ( ( δ ( ( δ (
+δ (
+ δ ( +) δ ( ( δ ( + δ ( ( δ ( ( δ (
= + ( −
)( − −
)(− − −
)
=δ + δ ( + δ ( + δ (
' = ( )( + −
)( − −
)( − − −
)
' = δ + δ ( + δ ( +δ (
= + ( −
)( + − −
)( + −
)( + − −
)( + −
)( + − −
)
=

(EPS-San Pablo CEU)

(EPS-San Pablo CEU)
Resumen
• Filtros definidos por un sistema racional
• Propiedades (estabilidad, causalidad, invertibilidad)
• Retardo de grupo
• Respuestas tipo: 1 cero, 1 polo, 2 polos
• Relación magnitud-fase
• Sistemas paso-todo
• Sistemas de fase mínima
• Sistemas de fase lineal generalizada
– Filtros FIR

(EPS-San Pablo CEU)
Tema 4 – Estructuras de filtros
digitales
Representación de filtros EDCC en
diagrama de bloques
Ejemplo: [ ]= − + − +
= − −
− −
[] []
+
−
+ [ − ]
−
[ − ]

(EPS-San Pablo CEU)
Forma directa I
−
[ ]− − = − = =
= = −
−
=
[] [] []
+ + =
− −
=
[ − ] + + [ − ]
− −
=
[ − ] [ − ]
−
+ + − = −
=
− −
[ ]= − +
[ − ] [ − ] =

(EPS-San Pablo CEU)
Forma intermedia I y II
−
[ ]− − = − = =
= = −
−
=
[] [] []
+ + =
− −
=
+ [ − ] +
− − =
[ − ]
+ − −
+ [ ]= − +
=
− −
[ − ] = −
=
(EPS-San Pablo CEU)
Forma intermedia II o forma canónica
−
[ ]− − = − = =
= = −
−
=
[] [] []
+ + =
−
=
+ +
− =
+ − −
+ [ ]= − +
=
−
= −
=
(EPS-San Pablo CEU)
Representación con grafos
Ejemplo:
[] +
[] [] [] [] []
−
−
+ [ − ] [] []
−
−
[ − ] []
[ ]= + = + = = =
[ ]= = = + =
[ ]= + = + = + + =
[ ]= − = −
= + −
+ −
[ ]= − = −
[ ]= = = = − −
− −

(EPS-San Pablo CEU)
Representación con grafos
Ejemplo:
−
[] []
− −
− + + −
= −
=− −
+ −
=− + −
− − −
Forma directa I Forma directa II

[] [] [] []
− −
−

(EPS-San Pablo CEU)
Estructuras IIR
• Forma directa I
• Forma directa II
• Forma de cascada
• Forma paralela

(EPS-San Pablo CEU)
Estructuras IIR: Cascada
∏ − −
∏ − −
− −
+ −
+ −
= = =
=∏ − −
+ +
∏ =
− −
∏=
− −
− − =
[] []
− − −
− −

(EPS-San Pablo CEU)
Estructuras IIR: Paralela
−
− − + −
= + −
+ − − = −
+
= = − = − − = = + −
+ −
[] []
−

(EPS-San Pablo CEU)
Estructuras IIR −
Ejemplo: −
+ −
+ − [ ] [ ] [ ] − [ ]
= − − −
− + − − −
− −
− −
−
− +
= −
+ − −
−
− − + −
=
(+ ) −
[ ] [ ] [ ] [ ]
(− −
)( − −
) −
−
−
−
−
−
− −
= + − −
− −
(− −
) − −
−
−
(EPS-San Pablo CEU)
Formas transpuestas
[] []
− − − Los polos se
implementan
antes que los
− −
ceros.
[] []
− − −
Los ceros se
implementan
antes que los
− − polos.

(EPS-San Pablo CEU)
Estructuras FIR
• Forma directa
• Forma de cascada
• Estructuras para sistemas FIR de fase
lineal

(EPS-San Pablo CEU)
Estructuras FIR: Forma directa
=
[ ]= − [ ]=
=
[] − − − −
[]

(EPS-San Pablo CEU)
Estructuras FIR: Cascada
= ∏ − −
∏ − −
− −
=∏ + −
+ −
= = =
[] []
− − −
− −

(EPS-San Pablo CEU)
Estructuras FIR: Fase lineal
Tipo I
− = = =
= − =
=
−
= − + − + −
= = +
− −
( = − )= − + − + − − +
= =
−
( − = )= ( − + − + )+ −
=

(EPS-San Pablo CEU)
Tipo I
−
= ( − + − + )+ −
=
[] − − − −
− − − −
[] −

(EPS-San Pablo CEU)
Tipo IV
− =− = = +
−
= ( − − − + )
=
[] − − −
− − − − −
− − −
[] −

(EPS-San Pablo CEU)
Representación binaria
Complemento a 2
∞
−
= − +
=
∈ [− ]
− Representación
= = − +
=
con B+1 bits.
−
∆=
∈ [− − ∆]∩ ∆
Redondeo ∈ (− ∆ ∆
]
= −
Ejemplo: =
Truncamiento ∈ (− ∆ ]
=− − −
=
−
∆= ⋅ =
(EPS-San Pablo CEU)
Representación binaria
Overflow
A veces NO es deseable.
Ejemplo: 4 0100
+ 4 + 0100 Hay máquinas en las que se
hace clipping y 4+4=7
8 1000 Overflow (-8)
= − = − − =− = − = − =−
Aunque, a veces SÍ es útil.

Ejemplo: 4 0100
4 0100 1000 Overflow (-8) 1000
+ -1 + 1111 + 1111 + 1111
7 10111

(EPS-San Pablo CEU)
Efecto de la cuantización
Ejemplo:
[] []
= + −
−
= −
−
[] []
= ( + ( − ))
−
= −
−

(EPS-San Pablo CEU)
=
=
=

(EPS-San Pablo CEU)
=
=

(EPS-San Pablo CEU)
=
=

(EPS-San Pablo CEU)
Filtro de Butterworth orden 5
=
=

(EPS-San Pablo CEU)
=
=

(EPS-San Pablo CEU)
=
=

(EPS-San Pablo CEU)
=
=

(EPS-San Pablo CEU)
[b,a]=butter(7,[0.2 0.3]);
Xm=600;
B=23;

(EPS-San Pablo CEU)
[b,a]=butter(7,[0.2 0.3]);
Xm=600;
B=23;

(EPS-San Pablo CEU)
Polos de un sistema de segundo
orden cuantizado
± θ
=
= θ − θ
=
− −
− −
− θ −
+ −
=
[] []
−
θ
−

(EPS-San Pablo CEU)
orden cuantizado
=

(EPS-San Pablo CEU)
Respuesta en frecuencia de un sistema
de segundo orden cuantizado
Análisis de sensibilidad
ω
= =
− θ − ω
+ − ω
(− θ ω+ ω) + ( θ ω− ω)
ω ω ω
= = θ =θ +∆
ω ω
ω
∂ ∂
∆ = = θ =θ ∆ + = θ =θ ∆θ
∂ ∂θ

(EPS-San Pablo CEU)
orden cuantizado
[]
=
θ −
θ
− θ
θ − []

(EPS-San Pablo CEU)
orden cuantizado
=

(EPS-San Pablo CEU)
Cuantización en filtros FIR
= −
= ( + ) −
= +∆
= =
Sistema en
paralelo
La posición de los ceros es más sensible cuanto más agrupados

estén en el plano Z.
Sin embargo, para la mayor parte de los sistemas, los ceros se

encuentran distribuidos a lo largo del círculo unidad.

(EPS-San Pablo CEU)
ω
≤ ≤ ≤ω ≤ π
ω
≤ π ≤ω ≤π

(EPS-San Pablo CEU)

(EPS-San Pablo CEU)
Cuantización y fase lineal
Tipo I
− ≤ ≤
= =
Tipo IV
− − ≤ ≤
= = +
La linealidad de la fase se mantiene.

Tipo I
− ≤ ≤
= =

(EPS-San Pablo CEU)
Análisis de los efectos de
cuantización
• Los sistemas cuantizados se comportan
como sistemas NO lineales
• Su análisis es muy complejo y se suele
reducir a una simulación del proceso
• Sin embargo, una aproximación lineal
suele ser suficiente, al menos, para
seleccionar la longitud de palabra.

(EPS-San Pablo CEU)
cuantización
[] [] [] []
− −
− −
[] []
− []
[] − []
[] []
(EPS-San Pablo CEU)
cuantización
Hipótesis del modelo:
1. Las fuentes de ruido son procesos aleatorios estacionarios en sentido
amplio y de espectro uniforme (ruido blanco).
φ =σ δ +
2. Cada fuente de ruido tiene una distribución uniforme.
Redondeo Truncamiento
− −
− ≤ ≤ − −
≤ ≤
= =− −
− −
σ = σ =
3. Cada fuente de ruido está incorrelada con la entrada al cuantizador
correspondiente, todas las demás fuentes de ruido y la entrada del
sistema.
No puede ser cierta, por ejemplo, cuantización de una señal constante.

(EPS-San Pablo CEU)
cuantización
[] []
[] [] [] []
− [] −
[] − [] −
[ ]= +
[ ]= + +
[] []
−
= σ = σ +σ =
−
= σ = σ +σ +σ =

(EPS-San Pablo CEU)
cuantización
[] []
[] []
= +! +!
− = +( ! +! )
= +!
− ∞
= + = +
= −∞
redondeo
=
ω ω
Φ =σ +σ
π π π
ω ω ω
σ = Φ "ω = σ "ω + σ = σ "ω +
π −π
π −π
π −π
∞
=σ + +
= −∞

(EPS-San Pablo CEU)
Escalado para evitar el overflow
Sea la respuesta al impulso del nodo a la entrada
∞
= −
= −∞
Entonces,
∞ ∞ ∞
= − ≤ − ≤
= −∞ = −∞ = −∞
< ∞
⇔ <
= −∞
Si hay algún nodo para el que esta condición no se cumple, se escala la

entrada de tal forma que
< ∞
= −∞

(EPS-San Pablo CEU)
Escalado para evitar overflow
Si la señal de entrada es de banda estrecha, entonces
≈ ω
= ω
(ω +∠ ω
)
ω
≤
<
ω
{ ω
}

(EPS-San Pablo CEU)
Escalado para evitar overflow
−
Ejemplo: σ =
[] []
[] [] [] []
− −
[ ] sigue # (− ) σ =
−
< ∞
< ∞
= =
= −∞ = −
σ σ −
$ % = = = $ % ↑ $ % ↓
σ σ

(EPS-San Pablo CEU)
Análisis de una estructura en
cascada IIR
Ejemplo:
=
Filtro elíptico paso bajo con
frecuencia de corte 0.5 , 1dB de
rizado en la banda de paso y 50
dB de atenuación en la banda de
rechazo.
[ ] [ ]
− − −
− − −
Dado que k es muy pequeño el resto de los sistemas

de la cascada deben tener una ganancia muy alta

(EPS-San Pablo CEU)
cascada IIR
x100

(EPS-San Pablo CEU)
cascada IIR
−
[ ] [ ] [ ] [ ] [ ] [ ] σ =
[ ] [ ]
σ = σ
− − −
σ =σ =σ =σ
− − −
σ =σ = σ
π π
ω ω ω ω ω
σ = σ "ω + σ "ω
π π
ω
−π −π
π π
ω ω ω
+ σ "ω + σ "ω
π π
ω
−π −π
π π
ω
+ σ "ω + σ "ω
π π
ω
−π −π

(EPS-San Pablo CEU)
cascada IIR
La agrupación de los polos es importante
ω
&
=

(EPS-San Pablo CEU)
cascada IIR
Y el orden de los filtros también
ω
&
=

(EPS-San Pablo CEU)
cascada IIR
• Reglas heurísticas:
– El polo que esté más cerca del círculo unidad
debe emparejarse con el cero que esté más
cerca de este polo
– Aplicar la regla anterior hasta que no queden
más polos ni ceros
– Las secciones de segundo orden se deben
ordenar por orden creciente o decreciente de
cercanía al centro.

(EPS-San Pablo CEU)
cascada IIR
−
[ ] [ ] [ ] [ ] [ ] [ ] σ =
[ ] [ ]
σ = σ
− − −
σ =σ =σ =σ
− − −
σ =σ = σ
π π
σ = ( )σ ω ω ω
"ω + σ ( ) ω ω
"ω
π π
ω
−π −π
π π
ω ω ω
+ σ "ω + σ "ω
π π
ω
−π −π
π π
ω
+ σ "ω + σ "ω ω
<
π π
ω
ω ≤π
−π −π
ω ω
<
ω ≤π
=
(EPS-San Pablo CEU)
cascada IIR
= = = ⋅ ⋅
ω
&
=

(EPS-San Pablo CEU)
Coma flotante
• Los sistemas con coma fija requieren de
técnicas sofisticadas para evitar el overflow.
• Los sistemas con coma flotante proporcionan
una solución elegante al problema y alcanzan
un buen compromiso entre error de cuantización
bajo y un amplio rango dinámico.
• Sin embargo, no están absolutamente libres de
los errores de cuantización.

(EPS-San Pablo CEU)
Zero-input limit cycles in fixed-point
realizations of IIR filters
Ejemplo: = δ
=
[] [] = + ( − )
− − =
= =
= =− − − = ( )= ( )=
= ∆= −
= = ( )= ( )=
= ( )= ( )=
= ( )= ( )=
= ( )= ( )=

(EPS-San Pablo CEU)
Zero-input limit cycles in fixed-point
realizations of IIR filters
Ejemplo: = ≥
= =− − − = + ( − ) + (− − )
= ∆= − = − =− =
− = =
= − − − = − (− ) =
= − − = − = = +
= ( − ) + (− − ) = ( ⋅ )+ ( ⋅ )=
= ( )+ ( )= + = =−
= ( ) + (− − ) = ( ⋅ )+ ( ⋅ )=
=− ( )− ( )= − − = + = =
(EPS-San Pablo CEU)
Tema 5 – Diseño de filtros
digitales
Contenido
• Filtros IIR continuos
• Filtros IIR discretos
• Filtros FIR discretos
• Transformaciones de frecuencia

(EPS-San Pablo CEU)
Especificaciones
Procesado de señales continuas
[ ] [ ]
C/D ( ω
) D/C
ω
Ω
+δ +δ
−δ −δ
ω=Ω
δ δ
Ω Ω π Ω ω ω π ω
Banda Banda de Banda de Banda Banda de Banda de
de paso transición rechazo de paso transición rechazo

(EPS-San Pablo CEU)
Diseño de filtros
• Filtros IIR:
– Invarianza de la respuesta al impulso
• +: control respuesta; -: aliasing, no paso alto, no rechazo banda
– Transformación bilineal
• Filtros FIR:
– Enventanado de la respuesta al impulso
– Enventanado de Kaiser
– Aproximaciones óptimas
– Aproximaciones iterativas

(EPS-San Pablo CEU)
Diseño de filtros IIR
Normalmente se transforma un filtro
continuo porque:
– La tecnología de filtros IIR continuos está
muy avanzada
– Los filtros IIR continuos se pueden expresar
con fórmulas analíticas sencillas
La transformación debe mantener la
causalidad y estabilidad del filtro continuo.

(EPS-San Pablo CEU)
Filtros IIR continuos
Butterworth paso-bajo
•Respuesta maximalmente plana en la banda de paso
•Las primeras 2N-1 derivadas en el origen del módulo al cuadrado de la respuesta son nulas
•El módulo de la respuesta es monotónica
Ω Ω = Ω = − =
Ω
+ +
Ω Ω
Polos =
π
+ =
Ω
π+ π
= (− )
π
Ω =Ω Ω
= −

(EPS-San Pablo CEU)
Butterworth paso-bajo

(EPS-San Pablo CEU)
Chebyshev paso-bajo
•Tipo I: Equiripple en la banda de paso, monotónica en la banda de rechazo
•Tipo II: Equiripple en la banda de rechazo, monotónica en la banda de paso
=
Tipo I Polinomios de Chebyshev
− =
=
Ω = = −
+ε
Ω = − − −
Ω −
…
Polos ≤ ∈ ripple
−
> ∈ monotonic
α =ε + −
+ε −
= (α −α
−
) = =
(α )
π
−
= +α
Ω
=Ω ( π
+ π
)
= − Ω
Tipo II
Ω = −
Ω
+ ε
Ω

(EPS-San Pablo CEU)
Chebyshev paso-bajo
Ω =
+ε

(EPS-San Pablo CEU)
Elíptico paso-bajo (Cauer)
•Equiripple en la banda de paso y de rechazo

(EPS-San Pablo CEU)
Diseño IIR: Invarianza de la
respuesta al impulso
= no es el periodo de muestreo del sistema.
∞
ω
[Tema 1] = ω
− π
= −∞
π
Si Ω está limitada en banda Ω < , entonces ω
= ω
ω <π
Los filtros analógicos de interés están casi limitados en banda, pero siempre hay
un cierto aliasing que se evita, no con el periodo , sino diseñando el filtro
continuo con especificaciones más rígidas.
Procedimiento:
• Expresar las especificaciones del filtro discreto en el continuo (Ω = )
ω
• Diseñar el filtro continuo

• Expresar el filtro continuo en el espacio discreto

(EPS-San Pablo CEU)
Conversión Continuo Discreto
= Suponiendo que =
= − =
todos los polos son
simples
3
= = = ( ) =
= − −
= =
Filtros continuos estables se transforman en filtros discretos estables.

< <
Los polos se mapean fácilmente, pero no así los ceros. Los ceros en el
discreto son una función de los polos y los coeficientes .
Se puede tener invarianza de la entrada que se desee (escalón)

(EPS-San Pablo CEU)
Ejemplo:
ω
≤ ≤ ω≤ π
ω = Ω =ω
≤ π ≤ ω ≤π
≤ Ω ≤ Ω≤ π = π
Ω ≤ π ≤ Ω ≤π π =
π
+ =
Ω = =
Ω =
Ω π Ω =
+ + =
Ω Ω
sobre-especificaciones

(EPS-San Pablo CEU)
Ejemplo:
π Menos aliasing
+ = Ω =
Ω
= (Ω = = )
π
+ = Ω =
Ω
Ω
π π Ω

(EPS-San Pablo CEU)
Ejemplo:
π+ π
= (− )
π
+ = Ω = =
Ω
=
Continuo Discreto Discreto

(EPS-San Pablo CEU)
Ejemplo:
=
+ + + + + +
= +
+
+
= +
+
+

(EPS-San Pablo CEU)
Ejemplo:
− − −
− − + −
= − −
+ − −
+ − −
− + − + − +

(EPS-San Pablo CEU)
Diseño IIR:Transformación bilineal
Idea: Mapear todo el eje de frecuencias continuas en el círculo unidad.
+: No hay aliasing como en la invarianza de la respuesta al impulso
- : Hay una distorsión no lineal del filtro (sólo vale para filtros constantes a intervalos)
−
no es el periodo de muestreo del sistema.
−
= − −
+
+ − = −
↔ =
+ −
Filtros causales y estables continuos se
σ< <
+ σ+ ω mapean en filtros causales y estables discretos
= σ= =
− σ+ ω
σ> <
ω − − ω − ω
( ω
−
− ω
) ω
= ↔ = =
( ) = = ω
− ω ω ω ω
+ −
+
− ω
Ω
Ω= ω
↔ω =
(EPS-San Pablo CEU)
Cambio de variable Especificaciones del filtro
Ω
ω=
Ω
Ω
Ω
Ω
Ω= ω ω ω π ω

(EPS-San Pablo CEU)
Distorsión de fase
Ejemplo: Retardo continuo ( )= − Fase lineal
( Ω) = − Ω
( )= − ω
ω Fase no lineal
∠ ( )= −
ω ω
≈− ω
+ ω
+
− ω
− ω

(EPS-San Pablo CEU)
Ejemplo:
ω
≤ ≤ ω≤ π
ω = Ω= ω
≤ π ≤ ω ≤π
≤ Ω ≤ Ω≤ π =
Ω ≤ π
≤ Ω ≤∞ =
+ =
Ω = =
Ω =
Ω Ω =
+ + =
Ω Ω
sobre-especificaciones

(EPS-San Pablo CEU)
Invarianza de la respuesta al impulso Transformación bilineal

(EPS-San Pablo CEU)
Ejemplo:
=
+ + + + + +
− −
+ +
= − −
− +
− −
+ +
− −
− +
− −
+ +
− −
− +
=
(+ ) −
(+ ) −
(+ ) −
− − − − − −
− + − + − +
=
(+ ) −
(+ ) −
(+ ) −
− − − − − −
− + − + − +

(EPS-San Pablo CEU)
Ejemplo:
=
(+ ) −
(+ ) −
(+ ) −
− − − − − −
− + − + − +

(EPS-San Pablo CEU)
Diseño de filtros
• Filtros IIR:
• +: control respuesta; -: aliasing, no paso alto, no rechazo banda
• Filtros FIR:
– Aproximaciones óptimas

(EPS-San Pablo CEU)
Diseño FIR: Enventando de la
−
ω
=
ω ω ω
= ⊗
π
θ ω −θ
= θ
Ejemplo: = − − + π π

(EPS-San Pablo CEU)
Objetivos:
• Soporte pequeño de la ventana para realizar pocos cálculos
• Distorsión mínima de la respuesta en frecuencia
( + ω
)
(ω )
Pico lóbulo secundario

(Peak sidelobe)
− π
+
π
+
Anchura lóbulo principal

(mainlobe width)

(EPS-San Pablo CEU)
≤ ≤
=
Ventana rectangular
≤ ≤
Ventana triangular (Bartlett) = − < ≤
− π ≤ ≤
Ventana Hanning =
− π ≤ ≤
Ventana Hamming =
− ( − ) (− )
−
≤ − ≤
Ventana Parzen = (− −
) < − ≤
Todas las ventanas tienen fase lineal

(EPS-San Pablo CEU)

(EPS-San Pablo CEU)

(EPS-San Pablo CEU)

(EPS-San Pablo CEU)
Diseño FIR: Ventanas de Kaiser
¿Cuál es la ventana que está máximamente concentrada en =0?
Sol. Óptima: Prolate Spheroidal Wave functions
Sol. Cuasi-óptima: Ventanas de Kaiser
! β −( − ) ! Función modificada de Bessel

≤ ≤ de primera especie y orden 0
=
! β

(EPS-San Pablo CEU)
= β=

(EPS-San Pablo CEU)
Ecuaciones de diseño para filtros paso bajo
ω
+ δ
− δ
∆ ω = ω − ω
ω ω π ω
Banda Banda de Banda de ∆ω = ω − ω
de paso transición rechazo
= − ! " δ
− >
−
β = β δ = − + − ≤ ≤ =
< ∆ω

(EPS-San Pablo CEU)
Ejemplo:
ω δ =# − =
≤ ≤ ω≤ π
ω
=− ! " δ =
≤ π ≤ ω ≤π
∆ω = π
ω +ω
$ = ω
π ( )
ω
π
ω =
β= − + − =
−
= = →
= $ − −
⋅ π

(EPS-San Pablo CEU)
Ejemplo: Diferenciador discreto
ω π − π −
ω
= ω
−
= − =
− π −
β=

(EPS-San Pablo CEU)
Diseño FIR: Aproximaciones óptimas
• ¿Qué es lo mejor que puedo obtener para un orden de filtro dado?
• Sol: Depende de la definición de mejor
Ej: Si deseo una respuesta al impulso , entonces

π
ω ω ≤ ≤
=# π − ω=
−π
ω
+δ
Otra solución:
−δ Algoritmo de Parks-McClellan
ω ω π ω
Banda Banda de Banda de
de paso transición rechazo

(EPS-San Pablo CEU)
Diseño FIR: Alg. Parks-McClellan
Supongamos un filtro FIR de fase lineal de tipo I = −
(es trivial convertir este sistema en un sistema causal con la
misma respuesta de amplitud con un retardo de L muestras)
" "
ω − ω
= = + ω
=− " =
" "
= + ω = ω = # = ω
= =
= −
= −
∏( =
− − π
)
Polinomio de Chebyshev de 1er orden
En vez de el error cuadrático, se minimiza el error máximo
ω ω ω
= # # %$ −
Función de peso
(EPS-San Pablo CEU)
ω ω ω
= # # %$ −
Solución: Tma. de alternancia
Sea un conjunto cerrado y acotado (compacto) en .
Sea # un polinomio de grado y una función continua en
Sea % =$ −# el error en cada punto. Se considera
la norma ∞
=# % en el espacio de las funciones continuas en
∈
Entonces, # es el único polinomio de grado que minimiza % ∞

sii
% tiene al menos + valores en tales que < < < + y
% = −% + = ± % ∞
para = +
ω
=# ω
$ ω
( ω
− ω
) ∞

(EPS-San Pablo CEU)
ω ω ω
Ej: Para el filtro paso bajo = # # %$ −
ω
δ
ω ≤ω ≤ω
+δ $ = δ
−δ
ω ≤ω ≤π
ω ≤ω ≤ω
=
δ
ω ω
ω ≤ω ≤π
ω ω ω ω ω π
−δ ω
Banda de Banda de Banda de

paso transición rechazo
"
ω
= # = ω = ω
=
( )
"
ω ω ω ω ω
=# ω
$ − =# ω
$ ω − ω
∞
= ∞

(EPS-San Pablo CEU)
Ej: Para el filtro paso bajo
" "
ω ω ω ω
=# ω
$ ω − =# ω
$ − =# ω
%" ∞
= ∞ = ∞
δ δ
ω ≤ω ≤ω ω ≤ ≤
$ = δ
$ = δ
ω ≤ω ≤π − ≤ ≤ ω
ω ≤ω ≤ω ω ≤ ≤
= =
ω ≤ω ≤π − ≤ω ≤ ω
= ω
Tma. de la alternancia
%" tiene al menos L+2 alternancias.
Pero puede tener más

(EPS-San Pablo CEU)
Ej: Para el filtro paso bajo " =
ω
L+2 alternancias
L+2 alternancias
+δ L+3 alternancias (extraripple)
−δ
Un polinomio de grado L
tiene L-1 extremos. Por lo
que el número máximo de
alternancias es (L-1)+4=L+3
δ
π
−δ ω
Banda de paso Banda de transición Banda de rechazo

(EPS-San Pablo CEU)
El Tma. de alternancia garantiza la existencia de
un filtro de orden L, pero no dice cómo calcularlo.
ω
"
( )
+δ
ω ω
−δ $ ω − = − +
δ = "+
=
δ
ω ω
ω ω ω ω ω π
−δ ω
Banda Banda de Banda de

de paso transición rechazo ω ( ω ) ( ω )"
$ ω ω
−
ω ( ω ) ( ω )" =
ω
$ ω
ω"+ ( ω"+ ) ( ω "+ ) " (− )" + δ ω"+
$ ω"+

(EPS-San Pablo CEU)
Para resolver este sistema utilizaremos un algoritmo iterativo:
Algoritmo iterativo de Remez
Selección ω
"+ "+
γ =∏ ω − ω −
γ ω
= δ= =
+
≠ "+
−
γ ω
= $ FIN
No
=γ ω − ω"+
+ "+
ω δ
= − $− ω Sí ¿Cambiaron los
ω− ω
ω extremos?
= =
"+
ω− ω
=
Calcular ω +
ω
Calcular % y
encontrar los puntos en
los que % ω ≥ δ

(EPS-San Pablo CEU)
Ej: Filtro paso bajo δ =δ = ω = ω =

(EPS-San Pablo CEU)
Diseño FIR: Aproximaciones
iterativas
ω ω ω
Restricciones en el dominio de la frecuencia − <δ
Restricciones en el dominio del tiempo = ∀ >
Selección
Restricciones en
el dominio de la
frecuencia
Restricciones en
el dominio del
tiempo

(EPS-San Pablo CEU)
Diseño FIR: Aproximaciones
iterativas

(EPS-San Pablo CEU)
Transformaciones de frecuencia
Sea un filtro paso bajo con frecuencia de corte ω
Nuevo filtro Transformación Parámetros
− ω′ nueva frec. de corte

− −
Paso bajo → −
ω −ω ′
− = ω +ω ′
− ω′ nueva frec. de corte

− +
Paso alto → −
ω +ω ′
+ =− ω −ω ′
ω& ω nuevas frec. de corte (lower-upper)

Paso banda − − ω +ω &
− + ω
−
→− − −
'= ω −ω&
α= ω −ω&
− +
= − α
+' = −'
+'

(EPS-San Pablo CEU)
Transformaciones de frecuencia
Ej: Filtro paso bajo
−
− +
→ −
+ −
+ −
+ +
− + + + −
= −
= +
= −
− − + −
−
−
& +
−
+
Butterworth (N=1,ω = )
−
+
= −
−
&
ω′ =
−
−
= −
−

(EPS-San Pablo CEU)
Resumen
• Filtros IIR continuos
– Butterworth, Chebyshev, Cauer
• Filtros IIR discretos
• Filtros FIR discretos
– Aproximaciones óptimas: Alg. Parks-McClellan
• Transformaciones de frecuencia
– Filtros paso alto, filtros paso banda

(EPS-San Pablo CEU)
Tema 6 – Predicción lineal y
filtros lineales óptimos
Contenido
• Predicción lineal hacia delante
– Ecuaciones de Yule-Walker
– Algoritmo de Levinson-Durbin
• Innovación de procesos aleatorios
– Procesos AR, MA, y ARMA
• Filtros lineales óptimos: filtros de Wiener

(EPS-San Pablo CEU)
Predicción lineal hacia delante
Proceso aleatorio
incorrelado
Proceso aleatorio
correlado
=− −
=
= ∗
causal

(EPS-San Pablo CEU)
= +ε
ε = −
=− −
=
{ε } =
{ε }= φ + φ + φ −
= = =
=φ + φ + φ −
= =
φ ∈
=φ + + φ + φ −
= =
(EPS-San Pablo CEU)
{ε }= φ + φ + φ + φ −
= =
La potencia del error es mínima

si este término es 0 para todo k
Ecuaciones normales φ + φ − = =
=
{ε }= φ + φ = φ
= =
φ − =
{ε } =
Ecuaciones Yule-Walker
= =

(EPS-San Pablo CEU)
Ecuaciones Yule-Walker
φ φ φ φ {ε }
φ − φ φ φ −
φ − φ − φ φ − =
φ − φ − − φ − − φ
φ − =φ La matriz del sistema es Toeplitz

{ε }= σ ε
φ Φ σε
Γ = =
Φ Γ−

(EPS-San Pablo CEU)
Algoritmo de Levinson-Durbin
Idea: Resolver el sistema recursivamente, incrementando el orden del predictor
φ
φ φ =− =
σε φ
=
φ φ σε =φ +φ
φ +φ
=− =
φ φ φ σε φ +φ
φ φ φ = = +
φ φ φ
σε =φ +φ +φ

(EPS-San Pablo CEU)
Algoritmo de Levinson-Durbin
Idea: Resolver el sistema recursivamente, incrementando el orden del predictor
= −
+ −
σε = σε −
(− )
σε =φ
donde
φ +Φ φ φ +φ
=− − −
=− = =− =
φ +Φ − −
φ φ +φ
− = − = + = +
= + = +

(EPS-San Pablo CEU)
Contenido

(EPS-San Pablo CEU)
Innovación en procesos aleatorios
• La innovación de una muestra a la siguiente no es infinita.

• Una muestra no es independiente de la anterior.
• Cada muestra está correlada con su entorno.
• Puedo tratar de predecir una muestra a partir de las muestras de su entorno.
Sea un proceso aleatorio estacionario en sentido amplio con función de

autocorrelación φ
ω
y densidad espectral de potencia

(EPS-San Pablo CEU)
Cepstro de
∞
Sea = φ −
. Supongamos que es una función analítica
= −∞
en Ω = { }
< < . Entonces, se puede expandir en una serie de Laurent que
incluye a la circunferencia unidad.
Coeficientes ceptrales
∞ ∞ π
− ω − ω
= = = ω ω
ω
= −∞ = −∞ π
−π
∞ − ∞
= −
= −
+ + −
=σ −
= −∞ = −∞ =
= −
σ =
∞ ∞
ω
=σ δ ω− π ω
=σ ω = −
= −∞ =

(EPS-San Pablo CEU)
∞
ω
=σ δ ω− π ω
=σ ω
= −∞
= Modelo ARMA (Auto Regressive, Moving Average)
+ − = −
= =
= Modelo AR (Auto Regressive)
+ − =
=
= Modelo MA (Moving average)
= −
=

(EPS-San Pablo CEU)
= Modelo AR (Auto Regressive)
blanco
= Modelo MA (Moving average)
blanco
= Modelo ARMA (Auto Regressive, Moving Average)

′
blanco coloreado

(EPS-San Pablo CEU)
Correlación de un proceso ARMA
+ − = −
= =
φ = { − }= − − − −
= =
= { − − }− { − − }
= =
= φ − − φ − =σ − − φ −
= = = =
{ }= { }=
∞
φ = − + + −
= −∞
{ }=
∞ ∞
= + − φ + =σ −
= −∞ = −∞
φ =σ δ

(EPS-San Pablo CEU)
Correlación de un proceso AR
+ − = φ =σ δ − φ −
= =
φ φ φ φ σ
φ − φ φ φ −
φ − φ − φ φ − =
φ − φ − − φ − − φ
¡¡Ecuaciones de Yule-Walker!!

(EPS-San Pablo CEU)
Relación entre procesos AR y
predicción lineal hacia delante
Modelo AR + − =
=
blanco
=
Predicción lineal =− −
=
ε = − = + −
=
Ε =
− ε ε
+

(EPS-San Pablo CEU)
Contenido

(EPS-San Pablo CEU)
Filtros lineales óptimos:
filtros de Wiener
• Usos:
– [Predicción] − ε
+
– Filtrado
– [Suavizado]
Se supone que y son señales estacionarias en sentido

amplio y de media 0.
Filtro FIR de Wiener
− −
= − ε = − = − −
= =
σε = {ε }= { + − }

(EPS-San Pablo CEU)
filtros de Wiener
σε = {ε }= { + − }
− − −
=σ + − − − −
= = =
− − −
=σ + { − − }− { − }
= = =
− − −
=σ + φ − − φ
= = =

(EPS-San Pablo CEU)
filtros de Wiener
− − −
σε = σ + φ − − φ
= = =
φ φ φ −
φ φ φ −
=σ + −
φ − φ − φ −
− φ φ φ −
=σ + Γ −

(EPS-San Pablo CEU)
filtros de Wiener
σε = σ + Γ −
∂σ ε
= Γ +Γ − = Γ − = Γ = = Γ−
∂
∂ ∂
= + = y incorreladas
∂ ∂
φ =φ
σ ε = σ + (Γ −
) Γ (Γ −
)− (Γ −
)= φ =φ +φ
=σ + (Γ ) Γ Γ
− −
− Γ− = =φ +σ δ
=σ + (Γ ) −
−
Γ− =
=σ + Γ− − Γ− =σ − Γ− =σ −
−
=σ − φ −
=
(EPS-San Pablo CEU)
filtros de Wiener
Filtro FIR de Wiener y el principio de ortogonalidad
− ε
+ {ε − }= = −
− No hay ninguna correlación

{ε − }= − − − entre el error a la salida y la
entrada. Si lo hubiese, vendría
=
− de
= { − }− { − − }
=
−
= { − }− { − − }
=
−
=φ − φ − = ( = − ) = Γ−
=

(EPS-San Pablo CEU)
filtros de Wiener
Filtro de Wiener no causal
− ∞
= − = −
= = −∞
− ∞
φ − =φ φ − =φ
= = −∞
( = − ) ( = −∞ ∞)
− ∞
σε = σ − φ − σε = σ − φ −
= = −∞
ω ω ω
=
φ =φ ω
ω ω
= ω
= ω
= =
φ =φ +σ δ +σ + σ
ω
+ ω

(EPS-San Pablo CEU)
Resumen

(EPS-San Pablo CEU)
Tema 7 – Transformada
Discreta de Fourier
Contenido
• Serie de Fourier discreta (DFS)
• Transformada de Fourier de señales
periódicas
• Transformada de Fourier discreta (DFT)
• Convolución lineal
• Cálculo de la DFT:
– Algoritmo directo
– Algoritmos FFT
(EPS-San Pablo CEU)
Serie de Fourier discreta (DFS)
Sea una señal periódica con periodo N. Su representación en serie
de Fourier es
−
= [ ]φ− [ ] [ ]= φ [ ]= φ []
=< > =< > =
[ ]=
π
ω
φ = = −
− π
=
= =
=< >
DFS
[ ]= −
=< >
Existe una dualidad importante en el hecho de que es una señal discreta,

periódica de period N y que también lo es.

(EPS-San Pablo CEU)
Serie de Fourier discreta
Ejemplo: Dualidad
∞ −
[ ]= δ −
DFS
[ ]= δ = =
= −∞ =
− = ∞
[ ]= DFS
[ ]= ⋅ = = δ −
= = −∞
Propiedades
[ ]+ [ ] + −
[ − ] ⊗
[] − − [][] ⊗
[] −
[− ] −
…

(EPS-San Pablo CEU)
Serie de Fourier discreta
Ejemplo: ⊗
⊗ =
−
=< >

(EPS-San Pablo CEU)
Transformada de Fourier de
señales periódicas
∞
[] ω
Convergencia uniforme sii [ ]<∞
= −∞
∞
Convergencia “mean-square” sii [] <∞

= −∞
Pero las señales periódicas no cumplen ninguna de estas dos condiciones.

La herramienta adecuada para su estudio es la serie de Fourier discreta.
¿Cómo se pueden integrar las series de Fourier dentro de la transformada
de Fourier?
Sol: Uso de distribuciones (impulsos)
[]
∞
π
ω
= δ (ω − π
)
= −∞
Ejemplo:
∞ ∞
π
[ ]= δ − =
ω
= δ (ω − π
)
= −∞ = −∞

(EPS-San Pablo CEU)
Relación entre la TF de señales
periódicas y señales no periódicas
Sea [ ] una señal no periódica tal que [ ] = salvo en el intervalo ≤ ≤ −
∞ ∞
Sean [ ] = δ − y = ∗ [ ]= −
= −∞ = −∞
∞
π
ω
= ω ω
= ω
δ (ω − π
)
= −∞
∞
π
δ (ω − )
π
ω ω
= π
= ω= π
= −∞
En otras palabras, la serie de Fourier de una señal obtenida a partir de la

periodización de otra, corresponde al muestreo en el dominio de Fourier de la
transformada de Fourier de la señal no periódica con intervalo de muestreo
∆ω = π

(EPS-San Pablo CEU)
Relación entre la TF de señales
periódicas y señales no periódicas
≤ ≤ ( ω)
Ejemplo: [ ]= ω
= − ω
( ω)
π
= ∆ω = π

(EPS-San Pablo CEU)
Undersampling en Fourier
(aliasing en el tiempo)
ω
= − ω ( ω) =
Ejemplo:
( ω) ∆ω = π
El aliasing en el tiempo se evita tomando tantas muestras en Fourier como

muestras tiene el soporte temporal de [ ]

(EPS-San Pablo CEU)
Transformada de Fourier discreta
(DFT)
No se trata de la Transformada de Fourier de señales discretas, sino de la
Transformada de Fourier Discreta de señales discretas.
Sea [] una señal no periódica tal que [ ]= salvo en el intervalo ≤ ≤ −

∞
≤ ≤ −
[] = − = = [ ]=
= −∞
Para que esta igualdad sea cierta,

DFS se necesita que el soporte de x[n]
esté, efectivamente, acotado por N.
≤ ≤ −
=
DFT
[]

(EPS-San Pablo CEU)
(DFT)
= DFS [ ]= −
=< > =< >
= DFT [ ]= −
=< > =< >

Propiedades
[ ]+ [ ] +
−
[ − ] ⊗
[] − − [][] ⊗
[] −
[ − ] −
…

(EPS-San Pablo CEU)
(DFT)
La DFT como una transformación lineal (cambio de base)
⋅ ⋅ ⋅ −
=
− ⋅ − ⋅ − ⋅ −
− −
−
= =

(EPS-San Pablo CEU)
(DFT)
Análisis de algunas propiedades: Desplazamiento en el tiempo
[] = DFS
[ ]= − = − = − DFS

(EPS-San Pablo CEU)
(DFT)
Análisis de algunas propiedades: Simetría
[] = DFS
[ ]= − = − = − DFS
− =

(EPS-San Pablo CEU)
Diferencias entre convolución lineal
y convolución periódica
DFT FT
⊗ ≠ ω ω
≤ ≤ − DFT −
Ejemplo: [ ]= [ ]= = [ ]= [ ]= = δ
=
≤ ≤ −
[ ]= [ ] [ ]= δ
DFT
[ ]=
≠
+ ≤ ≤ −
[ ]= − + ≤ ≤ −
¿Cuál es el problema?

(EPS-San Pablo CEU)
Implementación de la convolución
lineal usando la DFT
∞
= = −
= −∞ Pero el producto es nulo
fuera del intervalo
≤ ≤ + −
Si quiero evitar el aliasing temporal

en , debo tomar al menos
= + − muestras en Fourier.
De hecho, se puede demostrar que
= ⊗ =
∞
− ≤ ≤ −
= = −∞
donde es el número de muestras de la DFT.

(EPS-San Pablo CEU)
Ejemplo:
∞
− ≤ ≤ −
= = −∞

(EPS-San Pablo CEU)
Si hay aliasing en el tiempo, ¿no me sirve ninguna muestra?
∞
− ≤ ≤ −
= = −∞
La convolución periódica es
idéntica a la convolución
lineal en el intervalo
− + + ≤ ≤ −

(EPS-San Pablo CEU)
Convolución por bloques (overlap-add)
∞
= −
=
+ ≤ ≤ −
=
=
∞
= −
=
∞
= −
=
Cada tiene un soporte de + − muestras.

(EPS-San Pablo CEU)
Ejemplo:
= π
= − −
=
=

(EPS-San Pablo CEU)
Convolución por bloques (overlap-save)
+ − + − + ≤ ≤ −
=
∞
= − − + + −
=
=
− ≤ ≤ −
=
Cada tiene un soporte de − + muestras.

(EPS-San Pablo CEU)
Ejemplo:
= π
= − −
=
=

(EPS-San Pablo CEU)
Cálculo directo de la DFT
= = + = π
+ π
=< > =< >
= + = π
− π
=< >
Cada muestra necesita:

• 4N multiplicaciones reales (N multiplicaciones complejas)
• 4N-2 sumas reales (N-1 sumas complejas)
• 2N2 cálculos de funciones trigonométricas
El conjunto de la DFT tiene N muestras, por tanto:

• 4N2 multiplicaciones reales (N2 multiplicaciones complejas)
• 4N(N-2) sumas reales (N(N-1) sumas complejas)
• 2N2 cálculos de funciones trigonométricas (precalculadas en una tabla)
¿Existe un cálculo más eficiente de la DFT?

Sol: Una familia de algoritmos denominados FFT (Fast Fourier Transform)
(EPS-San Pablo CEU)
Algoritmo FFT “Divide y vencerás”
Supongamos que =
x[0] x[1] … x[N-1]
x[0] x[L] … x[(M-1)L]

x[1] x[L+1] … x[(M-1)L+1]
x[2] x[L+2] … x[(M-1)L+2]
… … … …
x[L-1] x[2L-1] … x[ML-1]
= + ≤ ≤ −
≤ ≤ −

(EPS-San Pablo CEU)
Supongamos que =
X[0] X[1] … X[N-1]
X[0] X[1] … X[M-1]

X[M] X[M+1] … X[2M-1]
X[2M] X[2M+1] … X[3M-1]
… … … …
X[(L-1)M] X[(L-1)M+1] … X[LM-1]
= + ≤ ≤ −
≤ ≤ −

(EPS-San Pablo CEU)
− − − −
+ + +
= = = =
= = = =
= + = +
+ +
Pero = = ⋅ =
− − − −
+ +
= =
= = = =
− −
=
= =
−
DFT de cada fila de =
=
Modificar cada fila de =

−
DFT de cada columna de =
=
(EPS-San Pablo CEU)
− −
= L DFTs de tamaño M:
= = • LM2 multiplicaciones complejas
• LM(M-1) sumas complejas
DFT de cada fila de • 2M2 cálculos de funciones trigonométricas
Modificación de la tabla
Modificar cada fila de • N multiplicaciones complejas
• 2(L-1)(M-1) cálculos de funciones trig.
DFT de cada columna de M DFTs de tamaño L:
• ML2 multiplicaciones complejas
• ML(L-1) sumas complejas
Ejemplo: = = ⋅ • 2L2 cálculos de funciones trigonométricas
Directo Divide y vencerás

Total:
• N(M+L+1) multiplicaciones complejas
Multiplicaciones 1,000.000 503.000
• N(M+L-2) sumas complejas
Sumas 999.000 500.000
• 2(M2+L2+(M-1)(L-1)) cálculos de funciones trig.
Funciones 2,000.000 501.006

(EPS-San Pablo CEU)
Ejemplo: = =
x[0] x[5] x[10] F[0,0] F[0,1] F[0,2] G[0,0] G[0,1] G[0,2]
x[1] x[6] x[11] DFT3 F[1,0] F[1,1] F[1,2] G[1,0] G[1,1] G[1,2]
x[2] x[7] x[12] F[2,0] F[2,1] F[2,2]

x = G[2,0] G[2,1] G[2,2]
x[3] x[8] x[13] F[3,0] F[3,1] F[3,2] G[3,0] G[3,1] G[3,2]
x[4]] x[9] x[14] F[4,0] F[4,1] F[4,2] G[4,0] G[4,1] G[4,2]
DFT5
X[0] X[1] X[2]
X[3] X[4] X[5]

DFT15
x[0] x[1] … x[14] X[0] X[1] … X[14] X[6] X[7] X[8]
X[9] X[10] X[11]
X[12] X[13] X[14]

(EPS-San Pablo CEU)
Algoritmo FFT de base 2
(diezmado en el tiempo)
Un caso especialmente eficiente es cuando =
Estudiaremos = Base del algoritmo
x[0] x[1] x[2] x[3] … x[N-1]
x[0] x[2] … x[N-2] x[1] x[3] … x[N-1]

= = +
= − = −
− − −
+
= = + = + +
= = =
− −
= + = +
= =
DFT de N/2 puntos
(EPS-San Pablo CEU)
= +
Pero, además, = +
= + + = + +
+
+
+
=− = −
“Mariposa” Complejidad de una mariposa

• 1 multiplicación compleja
• 2 sumas
+
−

(EPS-San Pablo CEU)
Puedo repetir el proceso tantas veces hasta llegar a 2 muestras únicamente
x[0] x[1] x[2] x[3] x[4] x[5] x[6] x[7]
x[0] x[2] x[4] x[6] x[1] x[3] x[5] x[7]
x[0] x[4] x[2] x[6] x[1] x[5] x[3] x[7]
DFT2 DFT2 DFT2 DFT2
Combinar DFT2 Combinar DFT2
Combinar DFT4

(EPS-San Pablo CEU)
x[0] X[0] = +
x[4] X[1] = +
−
x[2] − X[2] = +
x[6] X[3] = +
− −
x[1] − X[4] + = = −
x[5] X[5] + = = −
− −
x[3] − − X[6] + = = −
x[7] X[7] + = = −
− − −
= + = +
+ = = − + = = −
= +
+ = = −
(EPS-San Pablo CEU)
Complejidad
DFT2 DFT2 DFT2 DFT2 N/2 mariposas
Combinar DFT2 Combinar DFT2 N/2 mariposas niveles
Combinar DFT4 N/2 mariposas
• multiplicaciones complejas
Complejidad global: mariposas
• sumas complejas

(EPS-San Pablo CEU)
Complejidad
Número de puntos (N) Multiplicaciones Multiplicaciones Factor de mejora
complejas en el cálculo complejas en FFT
directo
4 16 4 4.0
8 64 12 5.3
16 256 32 8.0
32 1024 80 12,8
64 4096 192 21.3
128 16384 448 36.6
256 65536 1024 64.0
512 262144 2304 113.8
1024 1048576 5120 204.8

(EPS-San Pablo CEU)
Otros algoritmos FFT
• FFT base 2 (diezmado en frecuencia)
• FFT base 4
• FFT base partida (Split Radix FFT)
• Algoritmo de Goertzel
• Winograd Fourier Transform
• Transformada z chirp

(EPS-San Pablo CEU)
Resumen
• Serie de Fourier discreta (DFS)
• Transformada de Fourier de señales
periódicas
• Transformada de Fourier discreta (DFT)
• Convolución lineal
• Cálculo de la DFT:
– Algoritmo directo
– Algoritmos FFT
(EPS-San Pablo CEU)
Tema 8 – Estimación espectral
de potencia
Contenido
• Análisis espectral de señales estacionarias
– Métodos no paramétricos
• Análisis espectral usando la DFT
• Periodograma (Bartlett & Welch)
• Promediado de periodogramas
• Método de Blackman & Tukey
– Métodos paramétricos
• Modelos AR
• Análisis espectral de señales no estacionarias
– Short-Time Fourier Transform (STFT)

(EPS-San Pablo CEU)
Análisis espectral usando la DFT
Esquema general
[] []
( Ω) C/D × DFT
[]
Ω = Ω Ω
∞
ω
= ω
− π
= −∞
ω ω ω
= π ⊗
= ω π π
ω= π Ω = ∆Ω =

(EPS-San Pablo CEU)
Ω Ω Ω
ω ω ω
Curso 2004/2005 Carlos Óscar Sánchez Sorzano

3 4
(EPS-San Pablo CEU)
Efecto del enventanado
Ejemplo:
= Ω +θ + Ω +θ −∞ < < ∞
= ω +θ + ω +θ −∞ < < ∞ ω = Ω
ω =Ω
= ω +θ + ω +θ
θ ω − θ − ω θ ω − θ − ω
= + + +
ω θ ω −ω − θ ω +ω θ ω −ω − θ ω +ω
= + + +

(EPS-San Pablo CEU)
ω θ ω −ω − θ ω +ω θ ω −ω − θ ω +ω
= + + +
Relación entre el La ventana rectangular tiene el

lóbulo principal y lóbulo principal menos ancho
Anchura del los demás lóbulos
lóbulo principal para una longitud dada pero el
mayor lóbulo secundario.

(EPS-San Pablo CEU)
Efecto del enventanado
Solución: Ventanas de Kaiser
<
β = β δ = − + − ≤ ≤
+ < <
π +
= +
∆

(EPS-San Pablo CEU)
Efecto del muestreo en frecuencia
π
+ π
≤ ≤
Ejemplo: =
Los máximos de la DFT no tienen por

qué coincidir con los máximos de la
señal. La relación entre picos de la
DFT tampoco.

(EPS-San Pablo CEU)
Efecto del muestreo en frecuencia
π
+ π
≤ ≤ Incluso, al variar la longitud de la
Ejemplo: = ventana obtengo resultados muy
distintos.
= (Padding)

(EPS-San Pablo CEU)
Contenido
• Modelos AR

(EPS-San Pablo CEU)
Análisis de señales estacionarias:
Periodograma (Bartlett y Welch)
Señal aleatoria
estacionaria
[] []
( Ω) C/D × DFT
[ ] de longitud
Ω
Ω Ω<π
Ω = Ω Ω =
ω
ω
ω <π
= ω
=
ω ω
= es un factor de normalización
ω
= Periodograma

(EPS-San Pablo CEU)
Analicemos un poco más ω ω
=
−
ω − ω
= = salvo en el intervalo ≤ ≤ −
=
− − − −
ω − ω − ω ω − ω
= =
= = = =
− + − − −
− ω − − ω
= = +
= = − − = =− −
aunque fuera del intervalo ≤ ≤ − sé que =
− − −
− ω − ω
= + =
=− − = =− −
− −
= + = + +
= =

(EPS-San Pablo CEU)
Propiedades
{ }=
−
ω
{ }−ω
=− −
− −
{ }= { + + }= φ + =φ
= =
{ }=
−
ω − ω ω ω
φ = ⊗ Sesgo
=− − π
ω ω
=
π
Supongamos que
ω
= , entonces { ω
}= π
ω
ω
−π
π
{ }=
−
ω ω
= ω= Asintóticamente
π −π = insesgado

(EPS-San Pablo CEU)
Si = − − , entonces
− < ω
=
(ω )
= (ω )
{ ω
}= ω
+ ω
Ventana rectangular y gaussiano
En otros casos,
{ ω
}≈ ω

(EPS-San Pablo CEU)
Ejemplo: ruido blanco gaussiano de media 0 y potencia 1
Si = , entonces las
muestras del
periodograma son
independientes.

(EPS-San Pablo CEU)
Promediado de periodogramas
= [ + ] ≤ ≤ −
ω ω
=
−
ω ω
=
=
Propiedades
{ ω
}= { ω
}
{ ω
}= { ω
} Si = − − , entonces
este método se llama de Bartlett.

(EPS-San Pablo CEU)
Promediado de periodogramas

(EPS-San Pablo CEU)
Análisis de señales estacionarias: A través
de la autocorrelación (Blackman & Tukey)
La densidad espectral de potencia es la transformada de Fourier de
la función de autocorrelación (Tma. de Wiener-Khintchine)
Sea = − − y =
− −
−
φ = = + = + <
=
=
{φ }= −
− − − −
{ + }= φ = φ = φ φ
= =
− Estimador sesgado
φ = + Estimador insesgado
− =
{φ }≈
∞
φ +φ − φ +
= −∞
ω ω
Comparando con el periodograma, resulta que Φ =
(EPS-San Pablo CEU)
En cualquier caso, si es grande, hay pocas muestras disponibles para el
estimador por lo que la varianza del estimador es mayor. En el caso del
periodograma esta varianza se introducía directamente en el cálculo de la
densidad espectral de potencia. Sin embargo, al pasar por la autocorrelación
podemos atenuar este efecto por medio de una ventana (simétrica).
= salvo en el intervalo − − ≤ ≤ −
ω
= { φ }= π
ω
⊗Φ ω
Suavizado en frecuencia
ω
Para que
ω
> , se necesita que ≥ . De las ventanas estudiadas
en este curso, sólo la ventana triangular cumple esta condición.

(EPS-San Pablo CEU)
Propiedades
{ }= {φ }
− −
ω − ω − − ω
= φ
=− − =− −
ω ω
= π ⊗
∞
ω ω ω
Supongamos que = , entonces = π ω=
−∞
Para que el estimador sea asintóticamente insesgado se necesita que =
{ }≈ ( )
−
ω ω
=− −

(EPS-San Pablo CEU)
<<

(EPS-San Pablo CEU)
Contenido
• Modelos AR

(EPS-San Pablo CEU)
Estimación espectral paramétrica:
Modelos AR
ω
∞ !
=σ δ ω− π ω
=σ ω
= −∞
! = Modelo AR (Auto Regressive) Ecuaciones de

! " Yule-Walker
+ − =
∏( − )
"
= σ =σ " =
=
Ventajas: Error residual:

indicador de la
• Representa bien espectros con picos bondad de la
• Se resuelve con un conjunto de ecuaciones lineales predicción
• En general, se pueden hacer estimaciones de la PSD con menos datos
que con el periodograma
• Tma. de descomposición de Wold: cualquier proceso MA o ARMA se
puede expresar como un proceso AR (es posible que de orden infinito)
(EPS-San Pablo CEU)
Modelos AR
Selección del orden del modelo
" ↑↑ Picos espurios en el espectro
" ↓↓ Espectro demasiado suave
No se trata de minimizar simplemente σ " porque esta variable decrece con "
En su lugar se minimizan otras cantidades.
+ "+
Akaike: Final prediction error # " =σ "
− "−
es el número de muestras
de disponibles
Akaike: Akaike Information Criterion "

$% " = σ " +
Rissanen: Minimum Description Length & " = σ " +"

"
Parzen: Criterion of Autoregressive Transfer % " = −
= σ σ "
σ = σ
−
(EPS-San Pablo CEU)
Modelos AR
Ejemplo:
"=

(EPS-San Pablo CEU)
Modelos AR
Ejemplo:
σ "
# "

(EPS-San Pablo CEU)
Contenido
• Modelos AR

(EPS-San Pablo CEU)
Short-time Fourier transform
∞ ∞
− λ λ
λ = + = − − −
= 'λ
= −∞ = −∞
Donde
λ
'λ = − ω
= λ −ω
λ
−∞ < < ∞
≤λ< π
↑ Entonces, si
λ = 'λ
= π⋅ { λ }= ω λ −ω
Es decir, λ corresponde a una banda

de frecuencias

(EPS-San Pablo CEU)
Ejemplo: = π⋅
Ventana en
el tiempo
λ
λ
π { + }
{ λ }= ω λ −ω
Ventana en
frecuencia
Tam. ventana tiempo resolución en frecuencia

resolución en el tiempo

(EPS-San Pablo CEU)
Muestreo en la STFT
Supongamos que = fuera del intervalo ≤ ≤ −

λ = π
λ
λ
π
π
La condición para poder
recuperar a partir de la
STFT es que
≤ ≤

(EPS-San Pablo CEU)
Señal de voz

(EPS-San Pablo CEU)
Señal de radar
( = (Ω ( − ρ
))
ρ
= Ω
( = (Ω ( − )) ρ
≈ (Ω ( − ))
ρ +ρ
= (Ω ( + ) − Ω )
ρ ρ
La frecuencia depende de
la velocidad del objeto

(EPS-San Pablo CEU)
Resumen
• Modelos AR

(EPS-San Pablo CEU)

TDS PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

TDS PDF

Cargado por

Copyright:

Formatos disponibles

Tema 0 – Repaso de Señales

Cualquier señal se puede expresar como una suma ponderada de deltas

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 2

Relación con la función delta

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 3

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 4

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 5

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 6

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 7

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 9

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 10

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 11

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 12

• Método 1: Ecuación de recurrencia

• Método 2: Sol. Homogénea+Sol. Particular

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 13

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 15

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 16

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 18

(0.56) [ ]= φ [ ]= φ [] = [ ]φ− [ ] (0.57)

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 19

Desplazamiento en frecuencia [] ω − (0.61)

Inversión en el tiempo [− ] − (0.63)

Convolución periódica [][ − ] (0.65)

Producto [][] ! =< >

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 20

Simetrías [] es real = − (0.70)

Teorema de Parseval [] = (0.75)

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 21

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 22

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 23

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 24

Para reconstruir la señal en el espacio del tiempo

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 25

(0.85) En la TF no se esperan fenómenos de Gibbs (en el tiempo)

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 26

para las que [ ]=∞ pero [] < ∞ . En estos casos se dice

que converge en energía, es decir,

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 28

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 29

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 30

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 32

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 33

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 34

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 35

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 36

= −∞ =< > =< >

Transformada No periódica en el No periódica en No periódica en el Periódica en

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 37

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 38

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 39

Ejemplo régimen transitorio:

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 40

Si h[n] es un sistema FIR, entonces ∃ [ ]= ∀ >

Es decir, la respuesta está acotada si el sistema es estable. Y el

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 41

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 42

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 43

Ejemplo: Si es un filtro paso banda

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 45

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 46

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 48

Curso 2004/2005 Carlos Óscar Sánchez Sorzano 49