Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Dominio Transformado
CONTENIDO UNIDAD
MUESTREO
CAD CUANTIFICACIÓN
CODIFICACIÓN
x(t ) xs (t ) x[n]
MUESTREO Y
CUANTIFICACIÓN
CODIFICACIÓN
TEORÍA DEL MUESTREO
MUESTREO IDEAL: análisis temporal
¥
xs (t ) = å x(nT )d (t - nT )
n =-¥
s s
¥
p (t ) = å d (t - nT )
n =-¥
s
TEORÍA DEL MUESTREO
¥ 2p ¥
p (t ) = å d (t - nT ) s
P(w ) =
Ts
å d ( w - kw )
k =-¥
s
n =-¥
TIEMPO FRECUENCIA
TEORÍA DEL MUESTREO
x2 (t ) = x(t ) * p (t )
A 2p ¥
X 2 (w ) = X (w ) P(w ) =
2p
X (w )
Ts
å d ( w - kw )
k =-¥
s
A ¥
X 2 (w ) = å X ( w - kws )
Ts k =-¥
TEORÍA DEL MUESTREO
Ejemplo #1: Para una señal de información de 5 radianes por segundo, se muestrea
idealmente a una frecuencia de 15 radianes por segundo. Obtener la señal muestreada.
2p
1. Se obtiene el periodo de muestreo. Ts = seg
15
2. Se grafica en función de la frecuencia según los parámetros del enunciado.
TEORÍA DEL MUESTREO
Para recuperar la señal, se pasa por un filtro ideal:
ì 2p
ï w <5
H (w ) = í 15
ïî0 Otros casos
Se recupera la información. ¿Cuál es la relación entre la frecuencia de la señal original de información y la frecuencia de muestreo?
TEORÍA DEL MUESTREO
Ejemplo #2: Para una señal de información de 5 radianes por segundo, se muestrea
idealmente a una frecuencia de 7 radianes por segundo. Obtener la señal muestreada.
2p
1. Se obtiene el periodo de muestreo. Ts = seg
7
2. Se grafica en función de la frecuencia según los parámetros del enunciado.
TEORÍA DEL MUESTREO
Para recuperar la señal, se pasa por un filtro ideal:
ì 2p
ï w <5
H (w ) = í 15
ïî0 Otros casos
NO se recupera la información. ¿Cuál es la relación entre la frecuencia de la señal original de información y la frecuencia de muestreo?
TEORÍA DEL MUESTREO
“Una señal x(t) pasabajo cuya frecuencia máxima es fm, se puede especificar
unívocamente por sus valores o muestras x (nTs), con n = 0, ± 1, ± 2,.... ,
tomados en una serie de instantes discretos, llamados “instantes o puntos de
muestra”, separados cada Ts = 1/ fs segundos, donde fs ≥ 2fm“.
Funciones
Simetría Coeficientes en la serie
T/2 T/2
Senos y
Ninguna an = 2
T ò f (t) cos(nw t)dt
-T / 2
0 bn = 2
T ò f (t)sen(nw t)dt
-T / 2
0 cosenos
T/2 únicament
Par an = 4
T ò f (t) cos(nw t)dt
0
0 bn=0 e cosenos
T/2 únicament
Impar an=0 bn = 4
T ò f (t)sen(nw t)dt
0
0
e senos
Senos y
ì 0 n par ì 0 n par cosenos
media ï T/2 ï T/2
an = í 4 bn = í 4 impares
ïT ò T ò
onda f ( t ) cos(n w t ) dt n impar f ( t ) sen (n w t ) dt n impar
î 0
0
ï 0
î 0
Introducción al analisis en frecuencia
1 2
t
a0 =
T ò U max dt =
t T
U max
-
t 2
æ 2p æ tö
2
2 ö 2U max
an =
T òt max çè n T
U Cos t ÷ dt =
ø np
Sen ç np ÷
è Tø
-
2
¥
f (t ) = 12 a0 + å an cos(nw0t )
n =1
Introducción al analisis en frecuencia
Conceptualización
El Espectro Discreto
Si una señal cumple con los requerimientos de Dirichlet, podemos llevarle representación
en dominio de la frecuencia ya que las series de Fourier permiten representar como una
descomposición en función de múltiplos de la frecuencia fundamental (definición de
armónicos) con sus respectivas amplitudes y fases.
Espectro Discreto
Propiedades
Teorema de Parseval
Espectro Discreto
Si una señal f(t) es periódica con período To, su potencia promedio Normalizada
(referida a una resistencia de valor unitario), se calcula de la siguiente forma:
T
2 2 ¥ ¥
1 a 1
ò f (t ) dt = 0 + å (an2 + bn2 ) = å X n
2 2
T T 4 2 n =1 n =-¥
-
2
¥
x(t ) = å X n e jwotn
-¥
T T
2 2
1 1
Xn =
T òT x(t )Cos (wo nt )dt - j T ò x(t )Sen(w nt )dt
T
o
- -
2 2
Característica de Amplitud
X n = an - jbn Característica de fase
bn
| X n |= a n + jb2 2
n fn = - tan -1
an
Introducción al analisis en frecuencia
Retomando:
t t
2
2U max 2 U max
ò ò
- jwo nt
Xn = Cos( wo nt )dt Xn = e dt
T 0 T t
-
2
t æ nt ö
X n = U max Senc ç ÷
T èT ø
Introducción al analisis en frecuencia
Senp x t
æ nt ö
Senc( x) = X n = U max Senc ç ÷
px T èT ø
æ W ö æ W ö
P = log10 ç ÷÷ ( Belios - B ) P = 10 log10 ç ÷÷ (debelios - dB )
çW çW
è ref ø è ref ø
1
El congreso de USA, en junio de 2002 reconoció a Antonio Meucci [2] como creador del teléfono, que se llamaría inicialmente, teletrófono.
Decibeles
¡ Ejemplo:
La norma permite que utilizar las frecuencias ISM limitan al uso de 100 mW. ¿Cuanto es
esta cifra en las anteriores referencias?
Decibeles
æ 100mW ö
P = 10 log10 ç ÷ = 20dB
è 1mW ø
æ 0.1W ö
P = 10 log10 ç ÷ = -10dB
è 1W ø
Inferencias:
1. Por las características de la función logaritmo cuando los valores estén entre
0 y 1 será negativo el resultado.
2. Las pérdidas son cantidades negativas.
3. Si se suman 20 dB a la segunda ecuación se obtiene la primera.
Ejercicio Propuesto #1.
Tomando como premisa la red eléctrica pública, sea x(t) una señal rectificada de onda
completa como se describe en la gráfica. Obtenga las potencias de entrada y salida de
un filtro ideal pasabajo de ancho de banda de 400 Hz. Calcular las potencias de entrada
y salida del filtro.
T /2
Ex lim 1
P= = ò x (t ) 2
dt
T T ® ¥ T -T / 2
( )
2 120
1 1 2
P= ∫T x(t) dt = 1 1∫ 110 2 Sin(120π t dt
2
T
−
2 60 120
Esta es la potencia a la entrada del filtro. A la salida se tiene la potencia debida a los armónicos que deja pasar el
filtro. Para ello, se aplica la serie de Fourier.
Ejercicio Propuesto #2.
Realice en Simulink el siguiente diagrama de bloques y atienda las siguientes
actividades:
5. Adicione el bloque Sample & Hold y una entrada en el Scope. En la entrada In coloque
la señal sinusoidal y en la detección de flanco coloque la señal pulso.
6. Compare las situaciones en el Scope y obtenga inferencias.
SERIES DE FOURIER
DE TIEMPO DISCRETO
Serie de Fourier de Tiempo Discreto
Secuencias Periódicas
X [n + N ] = x[n]
Serie de Fourier de Tiempo Discreto
Secuencias Periódicas
Serie de Fourier de Tiempo Discreto
Consideraciones
1. Solo el espectro desde –fs/2 hasta fs/2 representa el espectro de la señal periódica.
2. Por conveniencia (evitar frecuencias negativas) se trabaja con valores de k positivos.
3. El espacio entre líneas espectrales es llamado resolución frecuencial.
Serie de Fourier de Tiempo Discreto
Ejemplo:
Una señal x(t) es muestreada a una tasa de 4 Hz. Calcule el espectro usando las
muestras de un periodo. Grafique el espectro bilateral entre -2 Hz y 2 Hz.
x(t ) = Sin(2p t )
Serie de Fourier de Tiempo Discreto
Una señal x(t) es muestreada a una tasa de 4 Hz. Calcule el espectro usando las
muestras de un periodo. Grafique el espectro bilateral entre -2 Hz y 2 Hz.
x(t ) = Sin(2p t )
El periodo de muestreo es de 0.25 segundos. Por tanto la señal muestreada es:
EJERCICIOS PROPUESTOS
Caso de estudio:
1 p
ì0 -T
2 < t < -2p
ï -p
f ( t ) = í1 2 < t < p2
ï0 p
< t < T2
î 2
Transformada Fourier de Tiempo Continuo
(nw0 p2 )
El espectro de frecuencia correspondiente lo
obtenemos (en este caso) graficando cn contra
w=nw0.
Transformada Fourier de Tiempo Continuo
0.6
0.4
n
c
0.2
-0.2
-60 -40 -20 0 20 40 60 w =n w
0
Transformada Fourier de Tiempo Continuo
0.5
0
-20 -10 0 t 10 20
1.5
p=1, T=5
1
f(t)
0.5
0
-20 -10 0 10 20
1.5
p=1, T=10
1
f(t)
0.5
0
-20 -10 0 t 10 20
1.5
p=1, T=20
1
f(t)
0.5
0
-20 -10 0 t 10 20
Transformada Fourier de Tiempo Continuo
0.5
0
-20 -10 0 t 10 20
0.4
0.2
-0.2
w=nw0
0.3
0.2
p=1, T=5
0.1
-0.1
-50 0 50
0.15
p=1, T=10
0.1
0.05
-0.05
0.06
p=1, T=20
0.04
0.02
-0.02
-50 0 50
Transformada Fourier de Tiempo Continuo
ò
- jnw0 t
Como c n = T1 f ( t ) e dt
-T / 2
é 1 T/2 ¥ ù jnw0 t
La serie queda f (t ) = å ê T ò f (t )e
- jnw0 t
dt úe
n = -¥ ë -T / 2 û
é 1 T/2
¥ ù
O bien, f ( t ) = å ê 2p ò
n = -¥ ë
f ( t ) e - jnw0 t
dt w
ú 0 e jnw0 t
-T / 2 û
cuando T®¥, nw0®w y w0®dw y la sumatoria
se convierte en ¥ ¥
é ù jwt
ò-¥êë-ò¥f (t)e dt úûe dw
- jwt
f (t) = 1
2p
Transformada Fourier de Tiempo Continuo
Es decir,
¥
Identidad
ò F(w)e
jw t
f (t) = 1
2p dw de Fourier
-¥
Donde
¥
Transformada
F(w) = ò f ( t )e - jwt
dt De Fourier
-¥
Estas expresiones nos permiten calcular la
expresión F(w) (dominio de la frecuencia) a
partir de f(t) (dominio del tiempo) y viceversa
Transformada Fourier de Tiempo Continuo
t
-p/ 0 p/
2 2
¥ p/2
F(w) = ò f ( t )e - jwt dt = ò dt
e - jwt
-¥ -p / 2
Integrando - jwt p/2
= 1
- jw e -p / 2
0.5
-50 0 50 w
Transformada Fourier de Tiempo Continuo
¥ ¥
X (w ) = ò x(t )e - jwt
dt = ò d (t )e - jw 0 dt = 1
-¥ -¥
Transformada Fourier de Tiempo Continuo
¥ ¥
X (w ) = ò x(t )e - jwt
dt = ò d (t )e - jw 0 dt = 1
-¥ -¥
Transformada Fourier de Tiempo Continuo
EJERCICIOS RESUELTOS
Obtener la Transformada de Fourier de la señal x(t).
2 jA
X (w ) = ( Cos(w ) - 1)
w
Transformada Fourier de Tiempo Continuo
EJERCICIOS RESUELTOS
Obtener la Transformada de Fourier de la señal x(t).
2
X (w ) =
jw
Transformada Fourier de Tiempo Continuo
EJERCICIOS RESUELTOS
Obtener la Transformada de Fourier de la señal x(t)
y su gráfica.
2A
X (w ) = 2
a + w2
Transformada Fourier de Tiempo Continuo
EJERCICIOS RESUELTOS
Obtener la Transformada de inversa de Fourier de la señal x(t).
d (w )
Y (w ) =
(1 + jw )(2 + jw )
¥
1 d (w )e jwt dw 1 1 1
y (t ) =
2p ò-¥ (1 + jw )(2 + jw ) = 2p 2 = 4p
Transformada Fourier de Tiempo Continuo
EJERCICIOS RESUELTOS
Obtener la Transformada inversa de Fourier de la señal x(t).
10 jw
X (w ) =
( 2 - jw )( jw + 3)
Se resuelve por fracciones parciales.
10 jw -10 s
X (w ) = =
( 2 - jw )( jw + 3) ( s - 2 )( s + 3)
-10 s A B
= +
( s - 2 )( s + 3) ( s - 2 ) ( s + 3)
-10 s
A = ( s - 2) = -4
( s - 2 )( s + 3) s =2
Transformada Fourier de Tiempo Continuo
-10 s
B = ( s + 3) = -6
( )( ) s =-3
s - 2 s + 3
4 6
- -
( s - 2 ) ( s + 3)
4 6
X ( jw ) = - -
( jw - 2 ) ( jw + 3)
Aplicando las tablas de TF:
-3t
x(t ) = -4e u (-t ) - 6e u (t )
2t
Transformada Fourier de Tiempo Continuo
EJERCICIOS RESUELTOS
Obteniendo la Transformada de Fourier desde Matlab
x(t = u (t - 2) - e -2t u (t )
syms x t
x=heaviside(t-2)-exp(-2*t)*heaviside(t) %define la señal
X = fourier(x)
pretty(X) % simplifica
Transformada Fourier de Tiempo Discreto
Transformada Fourier de Tiempo Discreto
Ejemplo
Dada una secuencia x[n], obtener la DFT.
Transformada Fourier de Tiempo Discreto
Transformada Fourier de Tiempo Discreto
Si se desarrolla en Matlab:
Transformada Z
Es la forma discreta de la transformada de Laplace. Convierte una señal del dominio del
tiempo discreto en una representación en frecuencia compleja.
Ejemplo:
Dada la secuencia x[n], obtenga su transformada Z.
Por definición:
Transformada Z
Interpretando la TZ de forma gráfica:
Transformada Z
Ejemplo:
Dada la secuencia x[n], obtenga su transformada Z.
Por definición:
Transformada Z
Transformada Z
Interpretando la TZ de forma gráfica:
Transformada Z
Interpretación de la Región de Convergencia
(ROC)
Ejercicio Propuesto
n
⎛ 1⎞ ⎛π ⎞
x[n] = ⎜ ⎟ Sen ⎜ n⎟ u[n]
⎝ 3⎠ ⎝4 ⎠
Ejemplo:
Evaluar la TIZ de: 5
3− z −1 1
X[z] = 6 ,z >
⎛ 1 −1 ⎞ ⎛ 1 −1 ⎞ 3
1− z 1− z
⎜⎝ 4 ⎟⎠ ⎜⎝ 3 ⎟⎠
Aplicando el método de fracciones parciales:
1 2
X[z] = +
⎛ 1 −1 ⎞ ⎛ 1 −1 ⎞
⎜⎝ 1− 4 z ⎟⎠ ⎜⎝ 1− 3 z ⎟⎠
Usando las tablas:
n n
⎛ 1⎞ ⎛ 1⎞
x[n] = ⎜ ⎟ u[n] + 2 ⎜ ⎟ u[n]
⎝ 4⎠ ⎝ 3⎠
Transformada inversa Z
Ejemplo:
z
Evaluar la TIZ de forma computacional para: X (z) = 2
2 z + 3z + 1
» num=[0 1 0]; den=[2 -3 1];
» [R,p,C]=residuez(num,den)
⎣ ⎦
x[n] = ⎢1− ( 0.5) ⎤⎥ u[−n − 1]
⎡ n
⎣ ⎦
x[n] = u[n] − ( 0.5) u[−n − 1]
n