PDS 4b PDF

PROCESAMIENTO DE SEÑALES
JORGE GÓMEZ ROJAS, PHD
Dominio Transformado
CONTENIDO UNIDAD
¡ Teoría del muestreo

¡ Muestreo natural
¡ Muestreo real: Introducción al analisis en frecuencia
¡ Series de Fourier
¡ Espectro Discreto
¡ Reconstrucción de señales
¡ Muestreo pasabanda
CONTENIDO UNIDAD
¡ Serie de Fourier Discreta

¡ Transformada de Fourier de tiempo continuo
¡ Transformada de Fourier de tiempo discreto
¡ Transformada Rápida de Fourier
¡ Transformada Z
¡ Implementación con MATLAB/SIMULINK
¡ Ejercicios propuestos
TEORÍA DEL MUESTREO
MUESTREO IDEAL VS MUESTREO REAL
1. ¿ Cuál es la frecuencia de la señal de información?

2. ¿A qué frecuencia debo muestrear?
3. Si deseo eliminar alguna componente, ¿qué frecuencia afecto?
La conversión analógica – digital (CAD) esta conformada por

tres procesos:
MUESTREO
CAD CUANTIFICACIÓN
CODIFICACIÓN
x(t ) xs (t ) x[n]
MUESTREO Y
CUANTIFICACIÓN
CODIFICACIÓN
MUESTREO IDEAL: análisis temporal
¥
xs (t ) = å x(nT )d (t - nT )
n =-¥
s s
¥
p (t ) = å d (t - nT )
n =-¥
s
MUESTREO IDEAL: análisis frecuencial
¥ 2p ¥
p (t ) = å d (t - nT ) s
P(w ) =
Ts
å d ( w - kw )
k =-¥
s
n =-¥
TIEMPO FRECUENCIA
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 =-¥
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.
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?
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.
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?
Teorema del Muestreo de Shannon [Shannon, 1949]
“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“.
Una señal muestreada xs (t) de x(t) se puede considerar como el producto de la

señal continua x(t) por un tren de impulsos unitarios de período Ts
Nyquist ya había señalado en 1924 que N = 2fm T números eran suficientes

Recuperación o Interpolación de la Señal
“Si una señal pasabajo cuya frecuencia máxima es fm ha sido muestreada a

una frecuencia igual o mayor que 2fm muestras por segundo, y las muestras
se presentan en forma de impulsos cuya área es proporcional a la amplitud de
la muestra en un instante dado, la señal original x(t) se puede recuperar si se
pasa la señal muestreada a través de un filtro pasabajo ideal con un ancho de
banda B tal que fm ≤ B ≤ fs − fm”.
La señal se pasa por un filtro de ancho de banda B y ganancia Ts,

MUESTREO REAL
Un impulso es una señal que no se puede realizar físicamente! Ahora se cambia el tren de
impulsos por un tren de pulsos.
Muestreo Natural Muestreo Instantáneo
Una señal analógica se convierte en una secuencia de muestras igualmente espaciadas en el

tiempo.
•Selección adecuada del tiempo de muestreo
•La secuencia de muestras define la señal original de forma única
Introducción al analisis en frecuencia
introducción al análisis en frecuencia basado en Fourier
LA SERIE DE FOURIER Y EL ESPECTRO DISCRETO
La simetría en tiempo produce efectos sobre los coeficientes.

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
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
Conceptualización
Trabajar en el dominio de la frecuencia en la mayor parte de situaciones, es mas práctico

que en el dominio del tiempo y adicionalmente presenta un menor consumo de recursos
matemáticos.
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.
1. x(t) sea Periódica.

2. x(t) tiene un número finito de discontinuidades en T.
3. x(t) es de modulo integrable, es decir de magnitud finita.
Espectro Discreto
Es la representación de una señal periódica x(t) en el dominio de la frecuencia. Esto es

posible a través de las representaciones de Fourier.
Espectro Discreto
Propiedades
1. Las líneas espectrales están igualmente espaciadas en la frecuencia

fundamental, por su relación armónica.
2. La componente de Xo es el valor promedio de la señal y ésta puede ser
cero, negativa o positiva.
3. En una señal que se desplace en el tiempo puede tener el mismo
espectro de amplitudes, sólo cambia su espectro de fase.
Teorema de Parseval
Establece que la potencia promedio de una señal periódica se puede

determinar en el dominio de la frecuencia elevando al cuadrado y
sumando las amplitudes de las líneas espectrales.
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
La potencia promedio de una señal continua periódica en el dominio de la

frecuencia, es la sumatoria de los cuadrados del espectro de amplitudes.
Representación Exponencial de la serie de Fourier
¥
x(t ) = å X n e jwotn
-¥
Xn es llamado el espectro Complejo de Fourier

T
2
1
ò x(t )e
- jwo tn
Xn = dt
T T
-
2
Representación Exponencial de Fourier
La expresión anterior puede expresarse en términos de Señales Sinusoidales:
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
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
Senp x t
æ nt ö
Senc( x) = X n = U max Senc ç ÷
px T èT ø
Próximo trabajo: Indague las propiedades de la función Sinc(x)

MUESTREO DE SEÑALES PASABANDA
Muestreo de señales pasabanda
Muestreo de Señales Pasabanda

“Una señal x(t) pasabanda de ancho de banda B y cuya frecuencia más alta es
f2 , se puede muestrear a una frecuencia mínima fs = 2f2 / m, donde m es la
parte entera de la relación f2 / B”.
Muestreo de señales pasabanda
Muestreo de Señales Pasabanda: Ejemplo.

Ejemplo #3.
Una señal pasabanda está centrada en 77 KHz con un ancho de banda de 4
KHz. Obtenga la frecuencia de muestreo de la señal pasabanda.
UNIDADES LOGARITMICAS
INTRODUCCIÓN A LOS DECIBELES
Decibeles
¡ Las unidades de logarítmicas se
crearon en las redes telefónicas fijas
a causa de la respuesta auditiva.
¡ En telecomunicaciones se manejan
magnitudes de voltaje, corriente,
potencia y frecuencia en rangos
muy amplios
Decibeles
¡ Un belio (B), unidad que recibe su nombre por Graham Bell, el inventor del teléfono1.
Su escala logarítmica es adecuada para representar el espectro auditivo del ser humano
[1].
¡ El decibelio es la décima parte de un belio y su principal función es medir presión
sonora y otras magnitudes físicas mediante señales homogéneas. Una señal homogénea
es una cantidad cuya cantidad y tipo son de la misma naturaleza y se expresan en las
mismas unidades.
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
¡ La potencia de referencia entregará el orden de los cambios en la ecuación anterior.
¡ 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.
x(t ) = 110 2Cos (120p t )

La potencia promedio de una señal se define como la energía por unidad de
tiempo; es decir que la potencia promedio viene expresada como:
T /2
Ex lim 1
P= = ò x (t ) 2
dt
T T ® ¥ T -T / 2
Si x(t) es periódica, no hace falta tomar el límite y la integración se hace

dentro de un período
T /2
1
P= ò x (t ) 2
dt
T -T / 2
La potencia promedio normalizada de una onda seno rectificada de media onda esta dada por:
T
1
( )
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:
1. Ejecute la simulación con un tiempo igual a 5 periodos de la onda sinusoidal.

2. Responda:
a. ¿Cuál es la frecuencia de muestreo?
b. ¿Fue posible muestrear la señal?
3. Modifique la frecuencia de muestreo por debajo y muy por encima de la frecuencia
de Nyquist y responda las preguntas a y b anteriores.
4. ¿Cuáles son los efectos del filtro sobre la señal recuperada?
Ejercicio Propuesto #2 (cont)
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]
Secuencias Periódicas
Serie de Fourier para secuencias

Revisando los coeficientes un periodo después:
El espectro de amplitudes discreto bilateral es periódico.

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.
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 )
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:
x[n] = x[nT ] = Sin(2p nT ) = Sin(0.5p n)

Para trasladar al dominio de la frecuencia, se recurre a:
Y se evalúa para las 4 ,muestras que hay en un periodo:

EJERCICIOS PROPUESTOS
1. Obtener la representación Discreta de Fourier para la secuencia dada por:
2. Indague y verifique mediante un ejemplo, las propiedades de la Serie de Fourier

Discreta.
Transformada Fourier de Tiempo Continuo
Caso de estudio:
Tren de pulsos de amplitud 1, ancho p y periodo T:

f(t)
1 p
... -T -T/ 0 T/ T ...

2 2
-p/
2
p/
2 t
ì0 -T
2 < t < -2p
ï -p
f ( t ) = í1 2 < t < p2
ï0 p
< t < T2
î 2
Los coeficientes de la Serie Compleja de Fourier

en este caso resultan puramente reales:
sen ( nw p
0 2)
cn = ( T )
p
(nw0 p2 )
El espectro de frecuencia correspondiente lo
obtenemos (en este caso) graficando cn contra
w=nw0.
Espectro del tren de pulsos para p=1, T=2
0.6
0.4
n
c
0.2
-0.2
-60 -40 -20 0 20 40 60 w =n w
0
Si el periodo del tren de pulsos aumenta:

1.5
p=1, T=2
1
f(t)
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
En el límite cuando T®¥, la función deja de ser

periódica:
1.5
p=1, T=¥
1
f(t)
0.5
0
-20 -10 0 t 10 20
¿Qué pasa con los coeficientes de la serie de

Fourier?
0.6
p=1, T=2
cn
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
Si hace T muy grande (T®¥): El espectro se

vuelve continuo
La función anterior no se evalúa como una suma

de armónicos de frecuencia nw0, sino como una
función continua de la frecuencia w.
¥
Así, la serie f (t) = å n
c e
n = -¥
jnw0 t
Al cambiar la variable discreta nw0 (cuando

T®¥) por la variable continua w, se transforma
en una integral.
T/2
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
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
A la función F(w) se le llama transformada de

Fourier de f(t) y se denota por F, es decir
¥
F[f ( t )] = F(w) = ò f ( t )e - jwt dt
-¥
La transformada inversa de Fourier es el

proceso inverso y se denota por F –1 ,es decir
¥
F -1[F(w)] =f ( t ) = ò
j wt
1
2p F( w) e dw
-¥
Ejemplo. Calcular F(w) para el pulso

rectangular f(t) siguiente
f(t)
1
t
-p/ 0 p/
2 2
Solución. La expresión en el dominio del tiempo

de la función es ì0 t < -p
2
ï -p
f ( t ) = í1 2 <t< p
2
ï0
2 <t
p
î
¥ 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
= -1jw (e- jwp / 2 - e jwp / 2 )

sen(wp / 2)
Usando la fórmula de Euler F(w) = p
wp / 2
Obsérvese que el resultado es igual al obtenido
para cn cuando T®¥ , pero multiplicado por T.
F(w) con p=1

F(w)
0.5
-50 0 50 w
TRANSFORMADA DE FOURIER DEL

IMPULSO UNITARIO
¥ ¥
X (w ) = ò x(t )e - jwt
dt = ò d (t )e - jw 0 dt = 1
-¥ -¥
TRANSFORMADA DE FOURIER DEL

IMPULSO UNITARIO
¥ ¥
X (w ) = ò x(t )e - jwt
dt = ò d (t )e - jw 0 dt = 1
-¥ -¥
EJERCICIOS RESUELTOS
Obtener la Transformada de Fourier de la señal x(t).
2 jA
X (w ) = ( Cos(w ) - 1)
w
Obtener la Transformada de Fourier de la señal x(t).
2
X (w ) =
jw
Obtener la Transformada de Fourier de la señal x(t)
y su gráfica.
2A
X (w ) = 2
a + w2
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
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
-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
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 Discreta de Fourier

(DTF)
Transformada Discreta inversa de Fourier

(DTF)
Ejemplo
Dada una secuencia x[n], obtener la DFT.
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.
Donde z es una variable y expresada en forma polar:

Siendo r la magnitud y 𝞨 el ángulo.
La TZ es bilateral pero se puede aplicar de forma unilateral cuando se trabaja con

secuencias causales.
Transformada Z
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)
1. Si la secuencia es causal, se tendrá como región de convergencia todo el plazo

Z a partir de a.
2. Si la secuencia es anticausal, , se tendrá como región de convergencia todo el
interior de un circulo a.
3. Si la secuencia es no causal, se tendrá como región de convergencia una región
anular.
4. Para que el sistema sea estable, la ROC debe incluir el circulo unitario.
Transformada Z
Ejercicio Propuesto
1. Dada la siguiente secuencia x[n], obtener la transformada Z con su respectiva ROC.
n
⎛ 1⎞ ⎛π ⎞
x[n] = ⎜ ⎟ Sen ⎜ n⎟ u[n]
⎝ 3⎠ ⎝4 ⎠
2. Indague y verifique mediante un ejemplo, las propiedades de la Transformada Z.

Transformada inversa Z
1. Método de la integral de contorno

1
x(n) =
2p j ò
C
X ( z ) z n-1dz
2. Método de la división sucesiva
3. Método de fracciones parciales

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⎠
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)
Tres posibilidades dependiendo de la ROC

x[n] = ⎢1− ( 0.5) ⎤⎥ u[n]

⎡ n
⎣ ⎦
x[n] = ⎢1− ( 0.5) ⎤⎥ u[−n − 1]
⎡ n
⎣ ⎦
x[n] = u[n] − ( 0.5) u[−n − 1]
n

PDS 4b 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

PDS 4b PDF

Cargado por

Copyright:

Formatos disponibles

PROCESAMIENTO DE SEÑALES

JORGE GÓMEZ ROJAS, PHD

¡ Teoría del muestreo

¡ Serie de Fourier Discreta

1. ¿ Cuál es la frecuencia de la señal de información?

La conversión analógica – digital (CAD) esta conformada por

MUESTREO IDEAL: análisis frecuencial

Teorema del Muestreo de Shannon [Shannon, 1949]

Una señal muestreada xs (t) de x(t) se puede considerar como el producto de la

Nyquist ya había señalado en 1924 que N = 2fm T números eran suficientes

“Si una señal pasabajo cuya frecuencia máxima es fm ha sido muestreada a

La señal se pasa por un filtro de ancho de banda B y ganancia Ts,

Muestreo Natural Muestreo Instantáneo

Una señal analógica se convierte en una secuencia de muestras igualmente espaciadas en el

LA SERIE DE FOURIER Y EL ESPECTRO DISCRETO

La simetría en tiempo produce efectos sobre los coeficientes.

Trabajar en el dominio de la frecuencia en la mayor parte de situaciones, es mas práctico

1. x(t) sea Periódica.

Es la representación de una señal periódica x(t) en el dominio de la frecuencia. Esto es

1. Las líneas espectrales están igualmente espaciadas en la frecuencia

Establece que la potencia promedio de una señal periódica se puede

La potencia promedio de una señal continua periódica en el dominio de la

Representación Exponencial de la serie de Fourier

Xn es llamado el espectro Complejo de Fourier

Representación Exponencial de Fourier

La expresión anterior puede expresarse en términos de Señales Sinusoidales:

Próximo trabajo: Indague las propiedades de la función Sinc(x)

Muestreo de Señales Pasabanda

Muestreo de Señales Pasabanda: Ejemplo.

¡ La potencia de referencia entregará el orden de los cambios en la ecuación anterior.

x(t ) = 110 2Cos (120p t )

Si x(t) es periódica, no hace falta tomar el límite y la integración se hace

1. Ejecute la simulación con un tiempo igual a 5 periodos de la onda sinusoidal.

Serie de Fourier para secuencias

Revisando los coeficientes un periodo después:

El espectro de amplitudes discreto bilateral es periódico.

x[n] = x[nT ] = Sin(2p nT ) = Sin(0.5p n)

Para trasladar al dominio de la frecuencia, se recurre a:

Y se evalúa para las 4 ,muestras que hay en un periodo:

1. Obtener la representación Discreta de Fourier para la secuencia dada por:

2. Indague y verifique mediante un ejemplo, las propiedades de la Serie de Fourier

Tren de pulsos de amplitud 1, ancho p y periodo T:

... -T -T/ 0 T/ T ...

Los coeficientes de la Serie Compleja de Fourier

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

Si el periodo del tren de pulsos aumenta:

En el límite cuando T®¥, la función deja de ser

¿Qué pasa con los coeficientes de la serie de

Si hace T muy grande (T®¥): El espectro se

La función anterior no se evalúa como una suma

Al cambiar la variable discreta nw0 (cuando

A la función F(w) se le llama transformada de

La transformada inversa de Fourier es el

Ejemplo. Calcular F(w) para el pulso

Solución. La expresión en el dominio del tiempo

= -1jw (e- jwp / 2 - e jwp / 2 )

F(w) con p=1

TRANSFORMADA DE FOURIER DEL

TRANSFORMADA DE FOURIER DEL

Transformada Discreta de Fourier

Transformada Discreta inversa de Fourier

Donde z es una variable y expresada en forma polar:

La TZ es bilateral pero se puede aplicar de forma unilateral cuando se trabaja con