Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PRESENTADO POR:
JUAN FERNANDO
CASTRILLON
CÓD.: 71293505
LEONARDOQUINTER
O CÓD.:
JULIÁN ANDRÉS
TORO CÓD.: 14801079
ALEXIS PEDROZA
COD: 67032716 JAIME
ANDRES PEREA
COD.: 1113667509
CURSO
203042_34
TUTOR:
FREDDY
VALDERRAMA
Con la misma premisa anterior, es necesario estudiar señales desde el punto de vista de
la frecuencia, dominio de frecuencia, perspectiva un poco diferente a lo que se ha
estudiado en cursos anteriores donde el análisis se desarrolla desde el dominio del
tiempo, las series de Fourier permiten matemáticamente realizar esta conversión de
dominio de manera tal que es posible realizar análisis y tratamiento a las señales desde el
dominio de frecuencia.
Objetivos
Comprender el concepto de convolución entre señales, de igual
manera la técnica para determinarla analíticamente.
Determinar mediante el método de tabulación o lápiz y papel la
respuesta de un sistema, apropiándose del procedimiento para
aprenderlo.
Estudiar y entender las series de Fourier a través de los conceptos
y demostraciones matemáticas de la manera como se llevan a
cabo.
ACTIVIDADES A DESARROLLAR
Ejemplos:
- Señales de audio en equipos electrónicos
- Señales electrónicas en todo tipo de dispositivos.
EJERCICIO:
Ítem grupal
𝑥(𝑡) = (𝑎 − 𝑒 −𝑎𝑡 )𝑢(𝑡)
ℎ(𝑡) = 𝑒 −𝑎𝑡 𝑢(𝑡 − 𝑎)
convolución analítica
𝛼
𝑦(𝑡) = 𝑥(𝑡) 𝑥 ℎ(𝑡) ∫ 𝑥(𝜆). ℎ(𝑡 − 𝜆)𝑑𝜆
−𝛼
Remplazando
𝛼
𝑦(𝑡) = ∫ (4 − 𝑒 −4𝜆 )𝑢(𝜆) ∗ 𝑒 −4𝑡+4𝜆 𝑢(𝑡 − 𝜆 − 4) 𝑑𝜆
−𝛼
Organizando
𝛼
𝑦(𝑡) = ∫ (4 − 𝑒−4𝜆) ∗ 𝑒−4𝑡+4𝜆 ∗ 𝑢(𝜆) ∗ 𝑢(𝑡 − 𝜆 − 4) 𝑑𝜆
−𝛼
Distribuyendo
𝑡−4 𝑡−4
𝑦(𝑡) = 4 ∫ 𝑒−4𝑡+4𝜆 𝑑𝜆 − ∫ 𝑒 −4𝜆𝑒 −4𝑡+4𝜆𝑑𝜆
0 0
Propiedad de las
exponenciales
𝑡−4
𝑡−4
𝑦(𝑡) = 4 ∫ 𝑒−4𝑡 𝑒 4𝜆 𝑑𝜆 − ∫ 𝑒 −4𝜆 𝑒 −4𝑡 𝑒 4𝜆 𝑑𝜆
0 0
Entonces
𝑡−4 𝑡−4
𝑦(𝑡) = 4𝑒 −4𝑡
∫ 𝑒 𝑑𝜆 − 𝑒
4𝜆 −4𝑡
∫ 𝑒 −4𝜆𝑒 4𝜆 𝑑𝜆
0 0
Dando
𝑡−4 𝑡−4
𝑦(𝑡) = 4𝑒−4𝑡 ∫ 𝑒 4𝜆 𝑑𝜆 − 𝑒−4𝑡 ∫ 1 𝑑𝜆
0 0
integrando
4𝜆 𝑡− 𝑡−
𝑦(𝑡) = 4𝑒−4𝑡 ∗ ( 𝑒 ) 4 − 𝑒 −4𝑡
(𝜆)| 4
|
4 0 0
evaluando
4(𝑡−4) 4(0)
𝑦(𝑡) = 4𝑒−4𝑡 ∗ 𝑒( −𝑒 ) − 𝑒−4𝑡 ∗ (𝑡 − 4)
4 4
Simplificando
4𝑡−16
1
𝑦(𝑡) = 4𝑒−4𝑡 ∗ 𝑒( − ) − 𝑒−4𝑡 ∗ (𝑡 −
4) 4
4
Desarrollando
4𝑡 −16
𝑦(𝑡) = 4𝑒−4𝑡 ∗ 𝑒( 𝑒 1
4 − ) − 𝑒 −4𝑡 ∗ (𝑡 −
4) 4
−4𝑡 4𝑡 −16
𝑦(𝑡) = 4𝑒
( 𝑒 𝑒 4𝑒−4𝑡 ) − 𝑒 −4𝑡 𝑡 + 4𝑒 −4𝑡
4 ) −
( 4
NÚMeros a
trabajar
𝑥[𝑛] = [−1,4, 2̌,
4,5,4]
ℎ[𝑛] = [ 2.5,5,0.5]
𝑖𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑖𝑛𝑖𝑐𝑖𝑜 = −2 − 1 = −3
𝑖𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑐𝑖𝑜𝑛 = 3 + 1 = 4
𝐿𝑜𝑛𝑔𝑖𝑡𝑢𝑑: 𝐿𝑥 + 𝐿𝑦 − 1 = 6 + 3 − 1 = 8
n = -2 -1 0 1 2 3
x[n] -1 4 2 4 5 4
=
h[n] 2,5 5 0,5
=
-2,5 10 5 10 12,5 10
-5 20 10 20 25 20
-0,5 2 1 2 2,5 2
-2,5 5 24,5 22 33,5 37 22,5 2
ConDis=conv(Xn,Hn);
ncon=(-4:1:6);
subplot(3,1,3)
stem(ncon,ConDis,'b')
grid
title ('convolución discreta x[n]*h[n] - Juan Fernando Castrillón')
xlabel ('n')
ylabel
('Amplitud')
xlim([-4,5])
2.4. Ejercicio 4 – Transformada de Fourier: Usando como guía los ejemplos
9.5 de las páginas 259 del libro Ambardar y las tablas 9.1 y 9.2, determine
la
transformada de Fourier de las señales 𝑥(𝑡) y 𝑦(𝑡), usando pares de
transformadas y propiedades reconocibles. Posteriormente verifique su
respuesta diseñando un script con la combinación lineal de señales
usadas
para obtener x(t) y y(t), en Matlab u Octave y anexe el resultado junto con
el script (práctica):
X(t)
1
+5 +10 t
-1
La
Señal
𝑥(𝑡) = −𝑢(𝑡) + 𝑢(𝑡 − 5) + 𝑢(𝑡 − 5) − 𝑢(𝑡 − 10)
La transformada de Fourier es
1 1 1
𝑥(𝑓) = −𝜋𝛿(𝑤) − 1 −5𝑗𝑤
+ 𝜋𝛿(𝑤) + 𝑒 + 𝜋𝛿(𝑤) + 𝑒−5𝑗𝑤 − 𝜋𝛿(𝑤) − −10𝑗𝑤
𝑗𝑤
𝑗𝑤 𝑗𝑤 𝑗𝑤 𝑒
Queda
1 1 −5𝑗𝑤 1
𝑥(𝑓) = −𝜋𝛿(𝑤) − + 2 (𝜋𝛿(𝑤) − 𝑒 ) − 𝜋𝛿(𝑤) − −10𝑗𝑤
𝑗𝑤 𝑗𝑤 𝑗𝑤 𝑒
En términos de
Laplace
1 −5𝑠 −10𝑠
𝑥(𝑓) = − + 2𝑒 −𝑒
𝑠 𝑠 𝑠
clear all
clc
syms t
rect_1=-heaviside(t)+heaviside(t-5);
rect_2=heaviside(t-5)-heaviside(t-10);
rect_3=rect_1+rect_2;
fplot(rect_1,'m','linewidth',2)
hold on
fplot(rect_2,'y','linewidth',2)
hold on
fplot(rect_3,'r','linewidth',1)
grid on
title('señal x(t) - Juan Fernando Castrillón
') xlabel ('Tiempo')
ylabel ('Amplitud')
xlim ([-1 11]);
TL=laplace(rect_3)
2.4. Ejercicio 4 – Transformada de Fourier: Usando como guía los
ejemplos 9.5 de las páginas 259 del libro Ambardar y las tablas 9.1 y 9.2,
determine la transformada de Fourier de las señales 𝑥(𝑡) y 𝑦(𝑡),
usando pares de
transformadas y propiedades reconocibles. Posteriormente verifique su
respuesta diseñando un script con la combinación lineal de señales
usadas para obtener x(t) y y(t), en Matlab u Octave y anexe el resultado
junto con
el script (práctica):
a. Ítem
grupal y(t)
1
0 +8 t
La Señal
2𝜋𝑡
𝑦(𝑡) = sin ( ) ∗ (𝑟𝑒𝑐𝑡 (𝑡 − 4) )
16 8
La transformada de Fourier
𝑤
1 1 𝑠𝑒𝑛𝑐
𝑦(𝑓) = 𝑗𝜋 [𝛿 (𝑤 + 2𝜋 ) − 𝛿 (𝑤 − 2𝜋 )] ∗ 𝜋 ∗ 𝑒 −4𝑗𝑤 ]
∗ ∗ [ 8
16 16
clc
clear
all
% señal senoidal
syms t
sen=sin(2*t*pi/16);
fplot(sen,'c','linewidth',1)
grid on
hold on
%señal escalones
%señal rect (t)
rect=rectangularPulse((1/8)*(t-4));
fplot(rect,'r','linewidth',1)
hold on
y=rect.*sen;
%señal solicitada
fplot(y,'b','linewidth',3)
hold on
title('señal x(t) - Juan Fernando Castrillón
') xlabel ('Tiempo')
ylabel ('Amplitud')
xlim ([-1 9]);
TL=laplace(y)
pretty(TL)
Imagen tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:Z361zPMM@4/Convoluci%C3%B3n-
de-Tiempo-Continuo
Reflejada y Desplazada
Ahora tomemos una de las funciones y los reflejos a través del eje de la
y. Después de que podamos desplazar la función, así como el
origen, el punto de la función que originalmente estaba en el origen,
está marcada
como el punto τ. Este paso se muestra en la siguiente figura, h( t - τ).
Sin embargo, esta función no se refleja, no importa qué función se ha
reflejado y desplazado, sin embargo, se ha confirmado que las funciones
son más complicadas.
Imagen tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:Z361zPMM@4/Convoluci%C3%B3n-
de-Tiempo-Continuo
Resultados de la convolución:
Imagen tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:Z361zPMM@4/Convoluci%C3%B3n-
de-Tiempo-Continuo
Convolución discreta:
Su finalidad es igual a la Convolución continua, el movimiento a través de
la señal es una manera comÚN de presentar la convolución, ya
que se demuestra como la convolución construye el resultado a través
del eje del tiempo. Se define como:
Ejemplo
Imagen tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:mpDxJkZ7@4/Convoluci%C3%B3n-
Discreta
Imagen tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:mpDxJkZ7@4/Convoluci%C3%B3n-
Discreta
Imagen tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:mpDxJkZ7@4/Convoluci%C3%B3n-
Discreta
Imagen tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:mpDxJkZ7@4/Convoluci%C3%B3n-
Discreta
Imagen tomada de
http://www6.uniovi.es/vision/intro/node31.html#SECTION0035100000000000
0000
1.4 Explique qué es auto correlación y de un (1) ejemplo de uso y/o
aplicación en la ingeniería.
Autocorrelación: Es la correlación de una señal consigo misma.
Ejemplo: En el procesado de señal, la autocorrelación proporciona
información sobre las periodicidades de la señal y sus frecuencias
características como los armónicos de una nota musical producida por
un instrumento determinado (tono y timbre).
1.5 ¿Cuál es la diferencia de correlación continua y correlación discreta?
La correlación continua es una operación que aplica para dos señales
idénticas en cambio la correlación discreta es una medida de similitud
entre dos señales.
1.6 ¿Qué son las series de Fourier?
Las series de Fourier son series de términos coseno y seno mucho más
simples que surgen en la tarea práctica de representar funciones
periódicas generales.
Fourier demostró que una señal de este tipo es equivalente a una
colección de funciones senos y cosenos cuyos frecuencias son MÚltiplos
Aplicaciones:
La transformada de Fourier se utiliza en el ámbito del tratamiento digital
de imágenes, como por ejemplo para mejorar o definir más ciertas
zonas de una imagen fotográfica o tomada con una computadora,
Para el diseño de filtros de radiotransistores.
1)
𝑥(𝑡) = (𝑎 − 𝑒 −𝑎𝑡 )𝑢(𝑡)
ℎ(𝑡) = 𝑒 −𝑎𝑡 𝑢(𝑡 − 𝑎)
Re expresamos las ecuaciones como:
𝑥(𝜆) = (𝑎 − 𝑒−𝑎𝜆)𝑢(𝜆)
ℎ(𝑡 − 𝜆) = 𝑒 −𝑎(𝑡−𝜆) 𝑢(𝑡 − 𝜆 − 𝑎)
Hacemos la convolución,
−∞
𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡) = ∫ (𝑎 − 𝑒 −𝑎𝜆 ) ⋅ 𝑒 −𝑎(𝑡−𝜆) 𝑢(𝜆)𝑢(𝑡 − 𝜆 − 𝑎) 𝑑𝜆
∞
1
𝑎0 = ∫ 𝑥(𝑡)𝑑𝑡
𝑇 ⟨𝑇⟩
3
𝑎 = 𝑡|𝑡=0.5+𝑏
0 𝑡=−0.5+𝑏
4
3
𝑎0 =
4
2
𝑎𝑘 = ∫ 𝑥(𝑡)𝑐𝑜𝑠(2𝜋𝑘𝑓0𝑡)𝑑𝑡
𝑇
1 1
𝑇=
𝑓0 ∴ 𝑓0 =
4
3 0.5+𝑏
𝑎𝑘 = ∫ 𝑐𝑜𝑠 (0.5𝜋𝑘𝑡)𝑑𝑡
2 −0.5+𝑏
3
𝑎𝑘 = 𝑠𝑖𝑛(0.5𝜋𝑘𝑡)|𝑡=0.5+𝑏
𝑡=−0.5+𝑏
𝜋𝑘
En nuestro caso
b=2
3
𝑎𝑘 = [𝑠𝑖𝑛(0.5𝜋𝑘(0.5 + 2)) − 𝑠𝑖𝑛(0.5𝜋𝑘(−0.5 + 2))]
𝜋𝑘
3 5𝜋𝑘 3𝜋𝑘
) − 𝑠𝑖𝑛 (
𝑎𝑘 = [𝑠𝑖𝑛 ( )] 4
𝜋𝑘 4
2
𝑏𝑘 = ∫ 𝑥(𝑡)𝑠𝑖𝑛(2𝜋𝑘𝑓0𝑡) 𝑑𝑡
𝑇
3 0.5+𝑏
𝑏𝑘 = ∫ 𝑠𝑖𝑛 (0.5𝜋𝑘𝑡)𝑑𝑡
2 −0.5+𝑏
3
𝑏𝑘 = − 𝑐𝑜𝑠(0.5𝜋𝑘𝑡)|𝑡=0.5+𝑏
𝑡=−0.5+𝑏
𝜋𝑘
3
𝑏𝑘 = − [𝑐𝑜𝑠(0.5𝜋𝑘(0.5 + 2)) − 𝑐𝑜𝑠(0.5𝜋𝑘(−0.5 + 2))]
𝜋𝑘
3 5𝜋𝑘 3𝜋𝑘
) − 𝑐𝑜𝑠 (
𝑏𝑘 = − [𝑐𝑜𝑠 ( )] 4
𝜋𝑘 4
a)
4)
a)
Esta señal se puede construir a partir de una señal triangular invertida,
esta señal además se le hace un desplazamiento, una contracción y
una amplificación. Posteriormente se deriva
𝑑 𝑡−𝑏
𝑥(𝑡) = (−𝑏 ∗ 𝑡𝑟𝑖 ))
𝑑𝑡 ( 𝑏
𝑡−𝑏
𝑠(𝑡) = −𝑏 ∗ 𝑡𝑟𝑖 ( )
𝑏
𝑆(𝑓) = −𝑏 ⋅ (𝑏𝑠𝑒𝑛𝑐2(𝑏𝑓)𝑒−𝑗2𝜋𝑓𝑏)
b)
𝜋𝑡 𝑡−𝑎
𝑦(𝑡) = 𝑠𝑖𝑛 ( ) ⋅ 𝑟𝑒𝑐𝑡 (
2𝑎 )
2𝑎
𝜋𝑡
𝑥(𝑡) = 𝑠𝑖𝑛 ( )
2𝑎
Aplicando las tablas de propiedades, vemos que la transformada de
Fourier es,
𝜋 𝜋
𝑋(𝑓) = 𝑗0.5 [𝛿 (𝑓 + ) − 𝛿 (𝑓 )]
4𝑎 − 4𝑎
𝜋 𝜋
𝑌(𝑓) = 𝑗𝑎𝑠𝑒𝑛𝑐(2𝑎𝑓)𝑒−𝑗2𝜋𝑓𝑎 [𝛿 (𝑓 + ) − 𝛿 (𝑓 −)]
4𝑎 4𝑎
En nuestro caso a=4, por
ende,
𝜋 𝜋
𝑌(𝑓) = 𝑗4𝑠𝑒𝑛𝑐(8𝑓)𝑒 −𝑗8𝜋𝑓 [𝛿 (𝑓 + ) − 𝛿 (𝑓 − )]
16 16
Código y gráficas
1 - clc
2 — oI.eaz all
3 — D=2)?
4 %%0râfica -tzillt-b}/b} - Leonardo
5 — s= [0, —D, 0 ] ¿
6 — c= [0 D, 2”D] ?
7 — suOpI.oc (2 , 1, 1)
8 - plot(t,s,'b');
9- grid
10 - title['Señal s lt} - Leonardo ')
11 - alabel('t')
12 - ylabel('Amplitud')
13 - alim[{-2,2*b+2])
14 %%0râfica ds/dt -
Leonaiao 15 - -
diff(s)./diff(t);
16 - X={0,a(l),a(I),x(2),x(2),0]:
17 - t={0,0,b,b,2*b,2*b]:
lB - siibplot
(2,1,2) 19 -
plot[t,X,'z');
20 - grid
21 - title('Señal xlt}=ds/dt - Leonardo')
22 - alabel('t')
23 - ylabel('Amplitud')
2t — >I.1a [ [—2 , 2*D-I-2 ] )
b)
Aporte por: Julián Andrés Toro
Señales y sistemas continuos y discretos
1. Definición de conceptos: estudiando el libro de (Ambardar), El
estudiante investiga de manera individual y da respuesta a las
siguientes preguntas teóricas:
A. Explique qué es convolución continua y discreta. De cuatro (4)
ejemplos de usos y/o aplicaciones en la ingeniería.
La convolución puede considerarse como un método para encontrar la
respuesta de estado cero de un sistema LTI relajado, El método de
convolución para encontrar la respuesta de estado cero y(t) se aplica a
sistemas lineales invariantes en el tiempo (LTI). Se asume que el
sistema es
descrito por medio de su respuesta al impulso h(t).
La convolución es una herramienta muy importante que es
representada por el símbolo *, y puede ser escrita como
y(t)=x(t)*h(t)
La integral de convolución nos da una manera matemática fácil de
expresar la salida de un sistema LTI basado en una señal arbitraria,
x(t)x t,y la respuesta al impulso, h(t)h t. La integral de convolución es
expresada como
∞
𝑦(𝑡) = ∫ 𝑥(𝜏)ℎ(𝑡 − τ)dτ
−∞
∞ ∞
∑|ℎ[𝑛]| < ∞ ∫ |ℎ(𝑡)|𝑑𝑡 < ∞
−∞ −∞
Autocorrelación:
La autocorrelación puede verse como una medida de
similitud, o coherencia, entre una función x(t)y su versión de
desplazamiento. Claramente, bajo ningÚN desplazamiento, las dos
funciones se “igualan” y resultan en un máximo para la autocorrelación.
Mas con un desplazamiento creciente, sería natural esperar la similitud y,
por consiguiente, la reducción de la correlación entre x(t) y su
versión desplazada. Conforme el desplazamiento se aproxima a
infinito, toda traza de similitud se desvanece y la autocorrelación decae a
cero.
Una de las aplicaciones de la autocorrelación es la medida de espectros
ópticos y en especial la medida de pulsos muy cortos de luz.
Ejemplo 1
a) La autocorrelación del pulso rectangular x(t) = rect(t - 0.5) es igual a
la convolución de x(t) y x(-t) y se ilustra en la figura 1.
∞
1
𝑔(𝜉) = = ∫ 𝑓(𝑥)𝑒 −𝑖𝜉𝑥𝑑𝑥
√2𝜋 −∞
Aplicaciones:
La transforma de Fourier sirve en la ingeniería, especialmente para la
caracterización frecuencial de señales y sistema lineales. Es decir, la
transforma de Fourier se utiliza para conocer las características
frecuenciales de las señales y el comportamiento de los sistemas
lineales ante estas señales.
Generación de formas de onda de corriente o tensión eléctrica por
medio de la superposición de senoides generados por osciladores
electrónicos de amplitud variable cuyas frecuencias ya están
determinadas.
Análisis en el comportamiento armónico de una señal.
Aplicaciones en la medicina:
Diagnostico automático: la ecografía permite registrar la vibración de
cada una de las membranas del corazón, proporcionando una curva
periódica. Un programa de ordenador calcula los primeros términos de
las sucesiones (coeficientes de Fourier).
2. Ejercicios: Cada estudiante de manera individual debe resolver los
siguientes cuatro (4) ejercicios.
Nota: la constante “a” corresponde al Último digito del NÚmero de
su grupo, y la constante “b” corresponde con el Último dígito de su
código universitario (documento de identidad), si “a” es cero, o “b”
es cero utilice a=3, o b=3 sEGÚN sea el caso.
Enlace del libro- Nota: Para poder ingresar al enlace del libro de
Ambardar, debe estar registrado en campus y no debe superar los
5 minutos de ingreso. Después de los 5 minutos le pedirá
contraseña y deberá salir del campus y volver a ingresar.
2.1 Ejercicio 1- Convolución continua (analítica): usando como guía el
ejemplo 6.2 de la página 134 del libro guia Ambardar y teniendo
en
cuenta las propiedades de dicha operación determine la
convolución entre 𝑥(𝑡) y ℎ(𝑡) descritas a continuación:
Ítem grupal
𝒂=𝟒
Remplazamos la constante
𝑥(𝑡) = (𝑎 − 𝑒 −𝑎𝑡 )𝑢(𝑡)
Remplazo 𝑥(𝑡) → 𝑥(𝜆)
𝑥(𝜆) = (4 − 𝑒−4𝜆)𝑢(𝜆)
ℎ(𝑡) = 𝑒 −𝑎𝑡 𝑢(𝑡 − 𝑎)
Remplazo ℎ(𝑡) → ℎ(𝑡 − 𝜆)
ℎ(𝜆) = 𝑒 −4(𝑡−𝜆) 𝑢((𝑡 − 𝜆) − 4)
Ecuación de la convolución:
∞
𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡) = ∫ 𝑥( 𝜆)ℎ(𝑡 − 𝜆) 𝑑𝜆
−∞
Se reemplaza
∞
𝑦(𝑡) = ∫ (4 − 𝑒 −4𝜆 )𝑢(𝜆) ∗ 𝑒 −4(𝑡−𝜆) 𝑢((𝑡 − 𝜆) − 4) 𝑑𝜆
−∞
Organizamos
∞
𝑦(𝑡) = ∫ (4 − 𝑒−4𝜆)𝑒−4(𝑡−𝜆) 𝑢(𝜆) 𝑢((𝑡 − 𝜆) − 4) 𝑑𝜆
−∞
Límites de la integral
𝑢(𝜆) = 0 𝑢((𝑡 − 𝜆) − 4) = 0
𝜆=0 𝑡−𝜆−4= 0
𝜆=0 𝜆=𝑡− 4
Reemplazamos los límites:
∞
𝑦(𝑡) = (4 − 𝑒−4𝜆)𝑒−4(𝑡−𝜆)
∫−∞ 𝑑𝜆
𝑡−4
𝑦(𝑡) = ∫ (4 − 𝑒−4𝜆)𝑒−4(𝑡−𝜆) 0 𝑑𝜆
𝑡−4
𝑦(𝑡) = ∫ 4𝑒−4(𝑡−𝜆) − 𝑑𝜆
𝑒−4𝜆𝑒−4(𝑡−𝜆) 0
𝑡−4 𝑑𝜆
−4𝑡+4𝜆 −4𝜆 −4𝑡+4𝜆
𝑦(𝑡) = ∫ 4𝑒 −𝑒 𝑒
0
Propiedades de la exponencial
𝑡−4
𝑦(𝑡) = ∫ 4𝑒 −4𝑡 𝑒 4𝜆 − 𝑑𝜆
−4𝜆 −4𝑡 4𝜆 0
𝑒 𝑒 𝑒
𝑡−4 𝑡−4
𝑦(𝑡) = ∫ 4𝑒 −4𝑡 𝑒 4𝜆 𝑑𝜆
𝑑𝜆 −∫
0 𝑒−4𝜆𝑒−4𝑡𝑒4𝜆
0
4𝜆 ∗𝜆
𝑦(𝑡) = 4𝑒−4𝑡 ∗ 𝑒( 𝑡− | 𝑡−
4 4 − 𝑒 −4𝑡
4
)| 0
0
4(𝑡−4)
𝑦(𝑡) = 4𝑒−4𝑡 ∗ 𝑒( 4(0)
4 −𝑒 ) − 𝑒−4𝑡 ∗ (𝑡 − 4 − 0)
4
Propiedad Distributiva
𝑒4𝑡−16
𝑒0
𝑦(𝑡) = 4𝑒−4𝑡 ∗ ( − ) − 𝑒−4𝑡 ∗ (𝑡 −
4 4) 4
4𝑡 −16
𝑦(𝑡) = 4𝑒−4𝑡 ∗ 𝑒( 𝑒 1
4 − ) − 𝑒 −4𝑡 ∗ (𝑡 −
4) 4
4
𝑦(𝑡) = 𝑒−4𝑡𝑒4𝑡𝑒−16 4
4 − 𝑒 −4𝑡 − 𝑒 −4𝑡 𝑡 + 4𝑒 −4𝑡
4
𝑦 (𝑡) = 𝑒 −4𝑡+4𝑡 𝑒 −16 − 𝑒 −4𝑡 − 𝑡𝑒 −4𝑡 + 4𝑒 −4𝑡
𝑦(𝑡) = 𝑒 0 𝑒 −16 − 𝑡𝑒 −4𝑡 + 3𝑒 −4𝑡
𝑦(𝑡) = 𝑒 −16 − 𝑡𝑒 −4𝑡 + 3𝑒 −4𝑡
1
𝑦(𝑡) = −𝑡𝑒 −4𝑡 + 3𝑒 −4𝑡 +
𝑒16
2.2 Ejercicio 2 – Convolución discreta (tabular y gráfica): Usando como
guía el ejemplo 7.3 de la página 173 del libro Ambardar,
determine la respuesta de un filtro FIR (ℎ[𝑛]), a la entrada 𝑥[𝑛].
Posteriormente verifique su respuesta diseñando un script
con el
método gráfico de convolución, en Matlab u Octave y anexe el
resultado junto con el script (práctica):
Índice de inicio: -2 -1 = -3
Índice de terminación: 3 + 1 = 4
Longitud: L = Lx + Ly - 1 = 6 + 3 -1 = 8
n= -3 -2 -1 0 1 2 3
x[n]= -1 4 2 4 9 4
h[n]= 2,5 9 0,5
-
2,5 10 5 10 22,5 10
-9 36 18 36 81 36
-0,5 2 1 2 4,5 2
-
2,5 1 40.5 30 59.5 93 40.5 2
Eje h -3 -2 -1 0 1 2 3 4
𝑦[𝑛] = {−2.5,1,40.5,30,59.5,93,40.5,2}
Ejercicio 3 – Series de Fourier: Usando como guía el capítulo 8 de la página 197 del libro Ambardar, dibuje tres (3) periodo
Coeficientes
𝑎 1 9.5
= ∫ 𝑥 (𝑡)𝑑𝑡
𝑜 𝑇 8.5
1 9.5 3 9.5
𝑎𝑜 = ∫ 3𝑑𝑡 ∫ 𝑑
4 4 8.5
=
8.5
3
𝑎𝑜 = 𝑡
4
3
𝑎𝑜 = (9.5 − 8.5)
4
3
𝑎𝑜 = (1)
4
3
𝑎𝑜 =
4
𝑎= 1 ∫9.5 3cos(2𝜋𝑘𝑓𝑜𝑡)𝑑𝑡
𝐾 4 8.5
3 9.5
𝑎𝐾 = 4 ∫cos(2𝜋𝑘𝑓𝑜𝑡)𝑑𝑡
8.5
9.5
3 𝑑𝑢
𝑎𝐾 = ∫ cos(𝑢)
4 8.5 2𝜋𝑘𝑓𝑜
9.5
3
𝑎𝐾 = ∫ cos(𝑢)𝑑𝑢
4 ∗ 2𝜋𝑘𝑓𝑜 8.5
9.5
3
𝑎𝐾 = ∫ cos(𝑢)𝑑𝑢
8𝜋𝑘𝑓𝑜 8.5
3
𝑎𝐾 = 𝑠𝑒𝑛(8𝜋𝑘𝑓𝑜𝑡)
8𝜋𝑘𝑓𝑜
3 1
𝑎𝐾 = 𝑠𝑒𝑛(2𝜋𝑘 𝑡)
1 𝑇
8𝜋𝑘
𝑇
3 1
𝑎𝐾 = 𝑠𝑒𝑛(2𝜋𝑘 𝑡)
1 4
8𝜋𝑘
4
3
𝑎𝐾 = 𝑠𝑒𝑛(𝜋𝑘 1𝑡)
2𝜋𝑘 2
𝑎𝐾 =
3 (𝑠𝑒𝑛 (𝜋𝑘 1∗ 9.5) − 𝑠𝑒𝑛 (𝜋𝑘 1∗ 8.5)
2𝜋𝑘 2 2
3 19 17
𝑎𝐾 = (𝑠𝑒𝑛 ) − 𝑠𝑒𝑛 (𝜋𝑘 ))
4 4
(𝜋𝑘 2𝜋𝑘
1 9.5
𝑏 = ∫ 3sen(2𝜋𝑘𝑓𝑜𝑡)𝑑𝑡
𝐾 4 8.5
3 9.5
𝑏𝐾 = ∫ sen(2𝜋𝑘𝑓𝑜𝑡)𝑑𝑡
4 8.5
9.5
3 𝑑𝑢
𝑏𝐾 = ∫ sen(𝑢)
4 8.5 2𝜋𝑘𝑓𝑜
9.5
3
𝑏𝐾 = ∫ sen(𝑢)𝑑𝑢
4 ∗ 2𝜋𝑘𝑓𝑜 8.5
9.5
3
𝑏𝐾 = 8𝜋𝑘𝑓𝑜sen(𝑢)𝑑𝑢
∫
8.5
3
𝑏𝐾 = − 𝑐𝑜𝑠(2𝜋𝑘𝑓𝑜𝑡)
8𝜋𝑘𝑓𝑜
3 1
𝑏𝐾 = 𝑐𝑜𝑠(2𝜋𝑘 𝑡)
− 1 𝑇
8𝜋𝑘
𝑇
3 1
𝑏𝐾 𝑐𝑜𝑠(2𝜋𝑘 𝑡)
= 1 4
−
8𝜋𝑘
4
3 1
𝑏𝐾 = − 𝑐𝑜𝑠(𝜋𝑘 𝑡)
2𝜋𝑘 2
3 1 1
𝑏𝐾 = − (𝑐𝑜𝑠 (𝜋𝑘 ∗ 9.5) − 𝑐𝑜𝑠 (𝜋𝑘 ∗ 8.5))
2𝜋𝑘 2 2
a.
X(t)
1
+9 +18 t
-1
Se tiene que:
𝑥(𝑡) = −𝑢(𝑡) + 2𝑢(𝑡 − 9) − 𝑢(𝑡 − 18)
1 1 1
𝑋(𝑤) = −𝜋𝛿(𝑤) + + 2 (𝑒−𝑗𝑤2 (𝜋𝛿(𝑤) + )) − 𝑒−𝑗𝑤4 (𝜋𝛿(𝑤) + )
𝑗𝑤 𝑗𝑤 𝑗𝑤
Resultados:
1 1 1
𝑋(𝑤) = −𝜋𝛿(𝑤) + + 2 (𝑒−𝑗𝑤2 (𝜋𝛿(𝑤) + )) − 𝑒−𝑗𝑤4 (𝜋𝛿(𝑤) + )
𝑗𝑤 𝑗𝑤 𝑗𝑤
1 −𝑠9 −𝑠18
𝑋(𝑠) = − + 2 𝑒 ) 𝑒
𝑠( − 𝑠
𝑠
1 2𝑒−9𝑠 𝑒−18𝑠
𝑋(𝑠) = −+ −
𝑠
𝑠𝑠
b. Ítem
grupal y(t)
1
0 +2a t
CONVOLUCIÓN DISCRETA:
https://www.youtube.com/watch?v=MWOfQwM7Pvk
1 Tomado de
Propiedades:
CONVOLUSION CONTINUA:
https://www.youtube.com/watch?v=KSsPzpqTKHo
El sétodo demnvolucién pms euciaitrar li mpunta de ulodo p{#u aplita c iñkeiti hut interim.
iris.
En ACÚSTICA, un eco es la convolución del sonido original con
una función que represente los objetos variados que lo
reflejan.
En ingeniería eléctrica, electrónica y otras disciplinas, la salida de un
sistema lineal (estacionario o bien tiempo-invariante o espacio-
invariante) es la convolución de la entrada con la respuesta
del sistema a un impulso (ver animaciones).
En física, allí donde haya un sistema lineal con un principio de
superposición, aparece una operación de convolución. 2
2 TOMADO DE
c- EXPLIQUE QUE ES CORRELACIÓN Y DE UN (1) EJEMPLO DE
USO Y/O APLICACIÓN EN LA INGENIERÍA.
https://www.youtube.com/watch?v=HZC6HLkL1wc
donde .
Al igual que la convolución, la correlación es una operación básica del
procesamiento de imágenes digitales. La correlación es la operación
básica en los procesos de BÚSQUEDa de patrones por emparejamiento.
Por tanto, disponer de algoritmos que calculen de una forma
eficiente estas
operaciones es del mayor interés La figura muestra el resultado de correlacionar dos funciones.
CORRELACIÓN Es frecuentemente necesario tener la posibilidad de
cuantificar el grado de interdependencia de un proceso por encima de
otro,
o establecer la similitud entre un conjunto de datos y otro. La correlación
puede ser definida matemáticamente y por ende cuantificada. Su rango
de aplicación en el análisis de señal es vasto, por ejemplo, en el radar
cuando se desea encontrar el rango y la posición en la cual las formas de
onda son transmitidas y comparadas. También se puede encontrar
como parte
integral de la técnica de estimación de los mínimos cuadrados, en el cálculo de la potencia promedio de señales. El proceso d
d- EXPLIQUE QUÉ ES AUTOCORRELACIÓN Y DE UN (1) EJEMPLO DE
USO Y/O
APLICACIÓN EN LA INGENIERÍA.
3 Tomado de
sts› cs pcribdi<a calcAeasos la a¥rlocorzelaLiAn zo uo peztodo. Elegiin > en primer luger e1 iniervnio — 1/2 < i < 0. La sedn1 @t rl ar -m la fiidiuz 4.14 b) yarn was d<»pIazzmiento t - -0.23.
4
4 Tomado de
CORRELACION:
pra44a - uiazts Jarazéz›ztdezt§ y£(I). is - yzolycio4a ilrzesA ct/] y¥(8.
era una onda de seno o coseno. Estas soluciones simples a veces son
llamadas valores propios. La idea de Fourier era modelar una fuente de
calor compleja con una superposición (o combinación lineal) de simples
ondas sinusoidales y para escribir la solución como una superposición de
los correspondientes valores propios. A la superposición o combinación
lineal se le llama Serie de Fourier.
5 Tomado de
g- ¿QUÉ ES LA TRANSFORMADA CONTINUA DE FOURIER? DE DOS (2) EJEMPLOS DE USO Y/O APLICACI
EJERCICIOS ALEXIS PEDROZA
a=4 b=6
Ejercicio 1_ ALEXIS PEDROZA.
Siendo a = 4.
Se tiene:
x(t) = (4 − e−4t )u(t)
h(t) = e−4t u(t − 4)
Entonces:
Remplazamos la constante λ por t, se tiene:
𝑥(𝑡) = (𝑎 − 𝑒 −𝑎𝑡 )𝑢(𝑡)
𝑥(𝑡) = (4 − 𝑒 −4𝑡 )𝑢(𝑡)
Remplazo 𝑥(𝑡) → 𝑥(𝜆)
𝑥(𝜆) = (4 − 𝑒−4𝜆)𝑢(𝜆)
ℎ(𝑡) = 𝑒−𝑎𝑡𝑢(𝑡 − 𝑎)
Remplazo ℎ(𝑡) → ℎ(𝑡 − 𝜆) se genera un desplazamiento a la repuesta o impulso.
ℎ(𝜆) = 𝑒 −4(𝑡−𝜆)𝑢((𝑡 − 𝜆) − 4)
Formula de Convolución:
∞
𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡) = ∫ 𝑥( 𝜆)ℎ(𝑡 − 𝜆) 𝑑𝜆
−∞
Límites de la integral
𝑢(𝜆) = 0 𝜆<0 𝑢((𝑡 − 𝜆) − 4) = 0 𝜆 > 0
𝜆=0 𝑡−𝜆−4= 0
𝜆=0 𝜆<0 𝜆=𝑡−4 λ> t – 4
𝑡−4
𝑦(𝑡) = ∫ (4 − 𝑒−4𝜆)𝑒−4(𝑡−𝜆) 𝑢(𝜆) 𝑢((𝑡 − 𝜆) − 4) 𝑑𝜆
0
𝑡−4
𝑦(𝑡) = ∫ (4 − 𝑒−4𝜆)𝑒−4(𝑡−𝜆) 0 𝑑𝜆
𝑡−4
𝑦(𝑡) = ∫ (4 − 𝑒−4𝜆)𝑒−4𝑡+4𝜆)
0 𝑑𝜆 𝑦(𝑡)
𝑡−4
𝑡−4 𝑡−4
𝑦(𝑡) = 4𝑒 −4𝑡
∫ (𝑒 )𝑑𝜆 − 𝑒
4𝜆 −4𝑡
∫ 𝑑𝜆
1
0 0
Siendo ∫ 𝑒𝑛𝑥 𝑑𝑥 =
𝑒
𝑛𝑥 y como la ∫ 1 = 𝜆se tiene:
𝑛
𝑒4𝜆
𝑦(𝑡) = 4𝑒−4𝑡 ∗ ()𝑒
−−4𝑡𝜆
4
𝑒4𝜆
𝑦(𝑡) = 4𝑒−4𝑡 ∗−
𝑒−4𝑡𝜆
4
Evaluando limites para
λ
𝑦(𝑡) = 𝑒−4𝑡 ∗ 𝑒4𝜆 {𝑡 4
−4 −4𝑡 𝑡 −
0− 𝑒 𝜆 0
{
𝑦(𝑡) = 𝑒 −4𝑡 ∗ (𝑒 4(𝑡−4) − 𝑒 0 ) − ( 𝑒 −4𝑡 (𝑡 − 4 − 0))
Simplificando:
4𝜆
Aplicando propiedad de las potenciaciones 𝑒4𝜆−4𝜆 = 𝑒4𝜆 = 𝑒0 = 1
EJERCICIO 2
https://www.youtube.com/watch?v=4dShGBHDM3Y
𝑛 =0
𝑚=0
a=4yb=6
Índice de inicio = n= -2
Índice de inicio = n= -1
Números de elementos:
𝑛 =0
Graficando en Matlab.
Programa en Matlab
clear all;
a=4;
b=6;
%%Grafica X[n]- Alexis Pedroza
Xn=[-1,a,2,a,b,4];
n=[-2,-1,0,1,2,3];
subplot(3,1,1);
stem(n,Xn,'r');
grid;
title("señal discreta X[n] - Alexis Pedroza");
xlabel("n");
ylabel("Amplitud");
xlim([-4,4]);
https://www.youtube.com/watch?v=Qt4Bu1xTlR4
https://www.youtube.com/watch?v=60thSFL1wjs
https://www.youtube.com/watch?v=19gfvVf9Oys
𝑥(𝑡) = 3 ∗ 𝑟𝑒𝑐(𝑡 − 𝑏)
Con la siguiente grafica podemos determinar que x(t)=3 para (6.5 , 5.5)
Frecuencia fundamental
1 2π
𝑠𝑖𝑒𝑛𝑑𝑜 𝑇 = 4𝑠
𝑓0 = 𝑤0 = T
𝑇
Se tiene
1
𝑥𝑝(𝑡) = 𝑎0 + ∑ an cos(nw0 t) + ∑ bn sen(𝑛𝑤0 𝑡)
2 𝑛=1 𝑛=1
Siendo:
1
a0 = T ∫ x(t)dt
T
2
ak = T ∫ x(t)cos(2xkf0)dt
T
2
bk = ∫ x(t)sen(2xkf0)dt
T T
6.5
1
ao = ∫ x(t)dt
T 5.5
3
𝑎𝑜 = 𝑡
4
𝑎𝑜 = 3
(6.5 − 5.5)
4
3
𝑎𝑜 = (1)
4
𝟑
𝐚𝐨 =
𝟒
6.5
1
𝑎𝐾 = ∫
5.5
3cos(2𝜋𝑘𝑓𝑜𝑡)𝑑𝑡
4
6.5
3
𝑎𝐾 = ∫
5.5 cos(2𝜋𝑘𝑓𝑜𝑡)𝑑𝑡
4
𝜋𝑘
𝑢 = 2𝜋𝑘𝑓𝑜𝑡 𝑢=
2
𝑡 ∫ 𝐜𝐨𝐬(𝒖) 𝒅𝒖 = 𝒔𝒆𝒏(𝒖) + 𝒄
𝑑𝑢 = 2𝜋𝑘𝑓𝑜𝑑𝑡
𝑑𝑢 𝑑𝑢 𝑑𝑢
= 𝑑𝑡 1 = 𝑑𝑡 = 𝑑𝑡
2𝜋𝑘𝑓𝑜 2𝜋𝑘 𝜋𝑘
4
2
3 6.5
𝑑𝑢
𝑎𝐾 = ∫ cos(𝑢)
4 5.5 2𝜋𝑘𝑓𝑜
3 6.5
𝑎𝐾 =
𝜋𝑘
∫ cos(𝑢)𝑑𝑢 ∫ 𝐬𝐞𝐧(𝒖) 𝒅𝒖 = −𝒄𝒐𝒔(𝒖) + 𝒄
4∗ 5.5
2
3 6.5
𝑎𝐾 = ∫ cos(𝑢)𝑑𝑢
2𝜋𝑘 5.5
3 𝜋𝑘 6.5
𝑎= 𝑠𝑒𝑛 ( 𝑡) {
𝐾
2 5.5
2𝜋𝑘
3 𝜋𝑘 6.5
𝑎= 𝑠𝑒𝑛 ( 𝑡) {
𝐾
2 5.5
2𝜋𝑘
3 𝜋𝑘 6.5
𝑎𝐾 = 𝑠𝑒𝑛 ( 𝑡) {
2𝜋𝑘 2 5.5
3
𝑎= 1 6.5
𝐾 𝑠𝑒𝑛 (𝜋𝑘 𝑡) {
2𝜋𝑘 2 5.5
3
𝑎𝐾 = (𝑠𝑒𝑛 (𝜋𝑘 1 ∗ 6.5) − 𝑠𝑒𝑛 (𝜋𝑘 1 ∗ 5.5)
2𝜋𝑘 2 2
3 13 11
𝑎𝐾 = (𝑠𝑒𝑛 (𝜋𝑘 4 ) − 𝑠𝑒𝑛 (𝜋𝑘 ))
4
2𝜋𝑘
13 1
3𝑠𝑒𝑛 (𝜋𝑘 ) − 3𝑠𝑒𝑛 (𝜋𝑘 1))
4
𝑎𝐾 =
4
2𝜋𝑘
3 6.5
𝑑𝑢
𝑏𝐾 = ∫ sen(𝑢)
4 5.5 2𝜋𝑘𝑓𝑜
3 6.5
𝑏𝐾 = ∫ sen(𝑢)𝑑𝑢
𝜋𝑘
4∗ 5.5
2
3 6.5
bK = ∫ sen(u)du
2πk 5.5
3 πk 6.5
b=− cos ( t) {
K
2πk 2 5.5
b=− 3 πk 6.5
K cos ( t) {
2πk 2 5.5
b=− 3 πk 6.5
K cos ( t) {
2πk 2 5.5
bK = − 3
cos (πk1 t) 6.5
{
2πk 2 5.5
bK = −
3 (cos (πk 1 ∗ 6.5) + cos (πk1 ∗ 5.5)
2πk 2 2
3 13 11
bK = − (cos (πk ) + cos (πk ))
2πk 4 4
13 1
−3cos (πk ) + 3cos (πk ))
1 4
aK =
4
2πk
Para
𝑥(𝑡) = 3 ∗ 𝑟𝑒𝑐(𝑡 − 6)
Las series de Fourier son:
1 𝟑
a0 = ∫ x(t)dt =
T T 𝟒
𝟏𝟑 𝟏𝟏
2 𝟑𝐬𝐞𝐧 (𝛑𝐤 ) − 𝟑𝐬𝐞𝐧 (𝛑𝐤 ))
𝟒 𝟒
ak = ∫ x(t)cos(2xkf0)dt = 𝑎𝐾 =
T 𝟐𝛑𝐤
T
𝟏𝟑 𝟏𝟏
2 −𝟑𝐜𝐨𝐬 (𝛑𝐤 𝟒 ) + 𝟑𝐜𝐨𝐬 (𝛑𝐤 𝟒 ))
bk = ∫ x(t)sen(2xkf0)dt =
T T 𝟐𝛑𝐤
Conclusiones
El desarrollo de este trabajo ha permitido fortalecer los conocimientos de conceptos acerca de señales y sistemas.
Se logro concluir que con la convolucion entre señales y teneniendo operaciones matematicas definimos
Convolución Continua:
Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Convolución.
Cengage Learning, (2nd ed, pp. 130-155). Recuperado
de http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?resultListType=RELATED_D
OCUMENT&userGroupName=unad&inPS=true&contentSegment=&prodId=GVRL&isET
OC=true&docId=GALE|CX4060300056
Correlación Continua:
Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Correlación.
Cengage Learning, (2nd ed, pp. 156-159). Recuperado
de http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?tabID=&userGroupName
=unad&inPS=true&prodId=GVRL&contentSet=GALE&docId=GALE|CX4060300067
Convolución Discreta:
Ambardar, A. (2002). Procesamiento de señales analógicas y digitales:
Convolución Discreta. Cengage Learning, (2nd ed, pp. 169-183). Recuperado
de http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?resultListType=RELATED_D
OCUMENT&userGroupName=unad&inPS=true&contentSegment=&prodId=GVRL&isET
OC=true&docId=GALE|CX4060300069