Está en la página 1de 20

Capı́tulo 1

Señales y Sistemas

Un sistema complejo diseñado desde cero nunca funciona y no puede ser remendado para que
funcione. Tienes que empezar de nuevo, comenzando con un sistema simple que funcione.
—John Gall

Un sistema de telecomunicaciones (analógico o digital) puede ser modelado como una serie
de sistemas especı́ficos conectados en cascada. Cada uno de esos sistemas especı́ficos realiza
una tarea particular, como por ejemplo: Conversión de señal analógica a digital, muestreador,
modulador, codificador, canal inalámbrico, etc. Por lo tanto el análisis matemático de cada
uno de estos sistemas es una tarea importante que deber ser estudiada para mejorar la
comprensión de los sistemas completos de comunicaciones.

1.1 Señales
Una señal es un conjunto de informaciones que son utilizadas para representar determinados
fenómenos fı́sicos o datos en general. Por ejemplo, datos estadı́sticos de una determinada
region, niveles de voz de una determinada persona, etc. Usualmente la variable independiente
de las señales es el tiempo, sin embargo es posible encontrar señales con otro tipo de variable
independiente y ademas de dimensiones superiores. Por ejemplo, en una imagen, las variables
independientes son los ejes horizontal y vertical. A lo largo de este libro, consideraremos
solamente como variable independiente al tiempo.

Clasificación de señales
• Señal analógica: Una señal analógica es aquella que existe para todos los valores de
su variable independiente.

• Señal digital: Una señal digital es aquella que existe solamente para valores pre-
definidos de su variable independiente.

• Señal continua: Una señal continua es aquella cuya variable dependiente puede tomar
cualquier valor de los números reales

1
2 Capı́tulo 1. Señales y Sistemas

• Señal discreta: Una señal discreta es aquella cuya variable dependiente solamente
puede tomar valores predefinidos.

Nota: Como puede ser visto en la Figura 1.1, las señales pueden ser Analógica - Continua,
Analógica - Discreta, Digital - Continua y Digital - discreta.

Figura 1.1: Ejemplos de señales

• Señal determinı́stica: Una señal es dicha determinı́stica si es posible prever sus


estados futuros con total exactitud. Ejemplos: Señal portadora sinusoidal, atenuación
por espacio libre, etc.

• Señal aleatoria: Una señal es dicha aleatoria si no es posible prever sus estados futuros
pues varı́a de forma imprevisible. Ejemplos: El ruido térmico, señal de voz, etc.

• Señal periódica y no periódica: Una señal es dicha periódica si cumple la siguiente


condición
s(t) = s(t + T0 ); ∀t. (1.1)
En esta expresión, el menor valor de T0 que satisface esta condición es el periodo
fundamental de s(t). Una propiedad importante de las señales periódicas es que su
área en cualquier intervalo de duración igual al periodo fundamental, siempre será la
misma, es decir,
Z a+T0 Z b+T0
s(t)dt = s(t)dt; ∀a, b. (1.2)
a b

Dr. Alexander B. Hilario Tacuri


1.1. Señales 3

De forma análoga, una señal es dicha no periódica si no existe un valor de T0 que sat-
isface la condición (1.1).

La Figura 1.2 muestra algunos ejemplos de señales determinı́sticas, aleatorias, periódicas


y no periódicas.

Figura 1.2: Ejemplos de señales

• Señal causal y no causal: Una señal es dicha causal si es diferente de cero solamente
cuando la variable independiente es mayor o igual que cero. Análogamente, una señal
es dicha no causal si posee valores diferentes de cero cuando la variable independiente
es menor que cero.

• Señal par e impar: Una señal sp (t) es dicha par, si cumple la siguiente condición

sp (t) = sp (−t). (1.3)

Una propiedad interesante de una señal par es que


Z a Z a
sp (t)dt = 2 sp (t)dt, ∀a. (1.4)
−a 0

Una señal si (t) es dicha impar, si cumple la siguiente condición

si (t) = −si (−t), (1.5)

Dr. Alexander B. Hilario Tacuri


4 Capı́tulo 1. Señales y Sistemas

en este tipo de señales se cumple que


Z a
si (t)dt = 0, ∀a. (1.6)
−a

La Figura 1.3 muestra algunos ejemplos señales causales, no causales, pares e impares.

Figura 1.3: Ejemplos de señales

Señales elementales
Existen señales elementales que son indispensables para el entendimiento y análisis de sis-
temas complejos, dentro de estas señales se destacan: Función escalón unitario, función
impulso unitario y señales exponenciales.
• Función escalón unitario: La versión en tiempo continuo de la función escalón
unitario es definida por 
1 ; t≥0
u(t) = (1.7)
0 ; t<0
análogamente, su versión en tiempo discreto es definido como

1 ; n≥0
u[n] = (1.8)
0 ; n<0
La versión en tiempo continuo y discreto de esta función es presentada en la Figura 1.4

Dr. Alexander B. Hilario Tacuri


1.1. Señales 5

Figura 1.4: Función escalón unitario

• Función impulso unitario: La versión en tiempo continuo de la función impulso


unitario es definida por el siguiente par de ecuaciones

δ(t) = 0; ∀t 6= 0 (1.9)

y Z ∞
δ(t)dt = 1. (1.10)
−∞

Análogamente, su versión en tiempo discreto es definida como



1 ; n=0
δ[n] = (1.11)
0 ; n 6= 0

La versión en tiempo continuo y discreto de esta función es presentada en la Figura


1.5.

Considerando la definición de la función impulso en (1.9) y (1.10), es posible concluir


que esta función es par, es decir
δ(t) = δ(−t), (1.12)
además puede ser fácilmente probado que, para cualquier señal s(t) se cumple que

s(t)δ(t − T ) = s(T )δ(t − T ) (1.13)

Dr. Alexander B. Hilario Tacuri


6 Capı́tulo 1. Señales y Sistemas

Figura 1.5: Función escalón unitario

y
Z ∞
s(t)δ(t − T ) = s(T ). (1.14)
−∞

Nota: Las expresiones anteriores presentadas también son validas para la versión en
tiempo discreto de la función impulso.

• Función exponencial: La versión en tiempo continuo de la función exponencial es


definida por
f (t) = est (1.15)

donde s es un coeficiente complejo de la forma s = a+jb. Note que, dependiendo de val-


ores que tomen a y b, la función exponencial representa los siguientes casos particulares:
Constante, exponencial monótona, sinusoidal o sinusoidal variando exponencialmente.
La Tabla 1.1 muestra los valores de a y b para cada uno de los casos particulares, ası́
como sus expresiones matemáticas.
La representación gráfica de cada uno de los casos especiales es presentada en la Figura
1.6.

Dr. Alexander B. Hilario Tacuri


1.1. Señales 7

Caso especial a b Expresión


Constante 0 0 f (t) = 1
Exponencial
a 0 f (t) = eat
monotona
Sinusoidal 0 b ejbt = cos(bt) + jsen(bt)
Sinusoidal
a b eat [cos(bt) + jsen(bt)]
exponencial

Tabla 1.1: Resumen de los casos especiales de la función exponencial

Figura 1.6: Casos especiales de la función exponencial compleja

Medida de una señal


La medida de una señal es un número que cuantifica a la misma. Este valor de cuantización
puede representar su longitud (duración) o altura (amplitud), sin embargo, como puede ser
visto en la Figura 1.1 hasta la Figura 1.6, todos los diferentes tipos de señales varian con
el tiempo, por lo tanto esta señales tienen que ser medidas considerando tanto su amplitud
como su duración, existen dos tipos de medidas que usualmente son considerados: Energı́a y
potencia.
1. Energı́a de una señal
Considerando la definición anterior, una posible medida puede ser el área debajo de una
determina señal s(t). Sin embargo, esta medida puede ser un poco engañosa debido a
que, si la señal posee valores positivos y negativos, las áreas también positivas y negati-
vas podrı́an cancelarse dando lugar a una medida equivocada. Esta dificultad puede ser

Dr. Alexander B. Hilario Tacuri


8 Capı́tulo 1. Señales y Sistemas

fácilmente solucionada si en vez de considerar el área de la señal, consideramos el área


de la señal elevada al cuadrado, la cual siempre será un valor positivo. Esta medida es
usualmente conocida como energı́a de una señal y matemáticamente es definida como
Z ∞
Es = |s(t)|2 dt (1.16)
−∞

donde | | representa la operación de modulo. Note que (1.16) es valida incluso para
señales complejas.

2. Potencia de una señal


Si la energı́a de una señal resulta en un valor no finito, esta no puede ser considerada
como una medida valida. En estos casos una medida mucho más eficiente es denominada
potencia de la señal, que no es otra cosa que la energı́a media. La expresión matemática
general de la potencia es dada por
Z T /2
1
Ps = lim |s(t)|2 dt (1.17)
T →∞ T −T /2

Ejemplo 1.1: Determine la medida correspondiente de las siguientes señales:

a) s1 (t) = 2e−2t u(t)

b) s2 (t) = 3 cos(2πfc t + θ)

La representación gráfica de las señales s1 (t) y s2 (t) es presentada en la Figura 1.7.


Para la primera señal, utilizando las definiciones de energı́a y potencia, tenemos que
Z ∞ Z ∞
−2t 2
Es1 = (2e ) u(t)dt = 4e−4t dt = 1
−∞ 0
Z T /2
1
Ps 1 = lim 4e−4t dt = 0
T →∞ T 0

Para la segunda señal, utilizando nuevamente las definiciones de energı́a y potencia, se tiene
que
Z ∞
Es2 = [3 cos(2πfc t + θ)]2 dt = ∞
−∞
Z T /2
1
Ps 2 = lim (3 cos(2πfc t + θ))2 dt = 4.5
T →∞ T −T /2

Es dicer la señal s1 (t) es una señal de energı́a y la señal s2 (t) es una señal de potencia.

Nota: A partir del Ejemplo 1.1 es posible notar que una forma eficiente de determinar si
una señal puede ser medida por su energı́a es que la amplitud de la señal tiende a 0 cuando
el tiempo t tiene a infinito. 

Dr. Alexander B. Hilario Tacuri


1.2. Sistemas 9

Figura 1.7: Señales del ejemplo 1.1

1.2 Sistemas
Un sistema es definido como un dispositivo que realiza una operación predefinida a un con-
junto de señales para modificarlas o extraer alguna información deseada, el resultado de este
operación es otra señal. Un sistema esta caracterizado por el tipo de operación que realiza
sobre una señal, tales operaciones son usualmente llamadas procesamiento de las señales. Al-
gunos ejemplos de sistemas son: Amplificadores de potencia, muestreadores, cuantizadores,
demoduladores, etc. Ası́ como las señales, existen diferentes tipos de sistemas, cada uno de
ellos será explicado en la siguiente sección.

Clasificación de sistemas
Considere que las señales y1 (t), y2 (t) . . . , yn (t) son las señales de salida cuando las señales de
entrada de un sistema son x1 (t), x2 (t) . . . , xn (t) respectivamente.

• Sistemas lineales y no lineales: Sean y1 (t) y y2 (t) señales de salida de un sistema


cuyas entradas son x1 (t) y x2 (t) respectivamente. A partir de ahora, en este libro la
relación entre la entrada y salida de un sistema será denotado como

x1 (t) → y1 (t)
x2 (t) → y2 (t).

Dr. Alexander B. Hilario Tacuri


10 Capı́tulo 1. Señales y Sistemas

Un sistemas es dicho lineal si la relación entre las señales de entrada y salida de un


sistema satisface el principio de superposición definido como
ax1 (t) + bx2 (t) → ay1 (t) + by2 (t) (1.18)
De forma similar, un sistema es dicho no lineal, si no satisface el principio de super-
posición.
Nota: El principio de superposición permite definir una propiedad interesante de los
sistemas lineales: Si una señal cualquier, puede expresarse de la siguiente forma
x(t) = a1 x1 (t) + a2 x2 (t) + a3 x3 (t) + . . .
la señal de salida del sistema lineal puede ser calculada mediante
y(t) = a1 y1 (t) + a2 y2 (t) + a3 y3 (t) + . . .

• Sistema invariante y variante en el tiempo: Un sistema es dicho invariante en el


tiempo si
x(t) → y(t)
y se cumple que
x(t − T1 ) → y(t − T1 ) (1.19)
para cualquier valor de T1 . Análogamente, un sistema es dicho variante en el tiempo si
la condición en (1.19) no es satisfecha.
Ejemplo 1.2: Determine cual de los siguientes sistemas es invariante en el tiempo

a) x(t) → y(t) = 3x(t);


b) x(t) → y(t) = tx(t)
Para el primer sistema se tiene que
y(t − T1 ) = 3x(t − T1 )
por lo tanto el sistema si es invariante en el tiempo. Para el segundo sistema, tenemos
que
y(t − T1 ) = (t − T1 )x(t − T1 ) = tx(t − T1 ) − T1 x(t − T1 )
por lo tanto, este sistema es variante en el tiempo.


• Sistemas con memoria y sin memoria: Un sistema es dicho sin memoria, si su


salida en un instante de tiempo depende de la entrada en el mismo instante de tiempo,
por ejemplo
x(t) → y(t) = Rx(t).
Un sistema es dicho con memoria, si su salida en un instante de tiempo depende de la
entrada en instantes de tiempo pasados y/o futuros, por ejemplo
Z t
x(t) → y(t) = R x(τ )dτ.
−∞

Dr. Alexander B. Hilario Tacuri


1.3. Análisis de señales en el dominio del tiempo 11

• Sistemas causales y no causales: Un sistema es dicho causal si su salida en cualquier


instante de tiempo depende de la entrada en los instantes de tiempo presente o pasados.
Por ejemplo
x(t) → y(t) = x(t) − x(t − 1).
Un sistema es dicho no causal si su salida en cualquier instante de tiempo depende de
la entrada en los instantes de tiempo presente o futuros, por ejemplo
x(t) → y(t) = x(t) − x(t + 1).

• Sistemas estables e inestables: Un sistema es dicho estable si su salida es una señal


limitada cuando la entrada es también una señal limitada. Análogamente, un sistema
es dicho inestable si su salida es una señal ilimitada aunque la entrada sea una señal
limitada.

Nota: Una señal es dicha limitada si existe una constante A, tal que
|x(t)| < A ∀t.
Ejemplo 1.3: Determine cual de los siguientes sistemas es estable

a) x(t) → y(t) = tx(t);


b) x(t) → y(t) = ex(t)
Una de las estrategias para determinar si un sistema es inestable, es buscar una señal
que lo confirme. Por ejemplo, para el primer sistema, si x(t) = 1 (que es una señal lim-
itada), y(t)=t; esta salida es una señal no limitada, por lo tanto el sistema es inestable.

Para el segundo sistema una estrategia diferente puede ser utilizada. Si definimos una
señal de entrada limitada x(t), es decir,
−A < x(t) < A
y usamos la definición del sistema tenemos que
e−A < y(t) < eA ,
ası́, podemos concluir que y(t) es limitada para cualquier valor arbitrario de A y por lo
tanto el sistema es estable. 

1.3 Análisis de señales en el dominio del tiempo


La salida de un sistema lineal invariante en el tiempo puede ser obtenida mediante la con-
volución entre la respuesta al impulso propia del sistema, con cualquier señal colocada en
su entrada, es decir, si y(t) representa la señal de salida de un sistema y h(t) representa la
respuesta al impulso del sistema, se tiene que
Z ∞
y(t) = x(τ )h(t − τ )dτ = x(t) ∗ h(t) (1.20)
−∞

donde “∗” representa el operador de convolución.

Dr. Alexander B. Hilario Tacuri


12 Capı́tulo 1. Señales y Sistemas

Propiedades de la convolución
• Conmutativa: Dadas las señales x(t) y y(t), se cumple que:

y(t) ∗ x(t) = x(t) ∗ y(t) (1.21)

• Asociativa: Dadas las señales x(t), y(t) y z(t), se cumple que:

y(t) ∗ [x(t) ∗ z(t)] = [x(t) ∗ y(t)] ∗ z(t) (1.22)

• Elemento Neutro: La función impulso unitario, es definida como el elemento neutro


de la convolución, ya que,
Z ∞
x(t) ∗ δ(t) = x(τ )δ(t − τ )dτ = x(t) (1.23)
−∞

Ademas, se tiene que


Z ∞
x(t) ∗ δ(t − t0 ) = x(τ )δ(t − t0 − τ )dτ = x(t − t0 ) (1.24)
−∞

1.4 Análisis de señales en el dominio de la frecuencia


Series de Fourier
Toda señal periódica puede ser representada mediante las series de Fourier definida como

X
sT0 (t) = a0 + [an cos(2πnf0 t) + bn sin(2πnf0 t)] (1.25)
k=1

donde Z T0 /2
1
an = sT0 (t) cos(2πnf0 t)dt (1.26)
T0 −T0 /2
y
Z T0 /2
1
bn = sT0 (t) sin(2πnf0 t)dt. (1.27)
T0 −T0 /2

En (1.25) a (1.27), f0 representa la frecuencia fundamental de la señal, es decir f0 = 1/T0 , y


nf0 sus armónicos.

Una forma alternativa de las series de Fourier es dada por



X
sT0 (t) = cn ej2πnf0 t (1.28)
k=−∞

donde Z T0 /2
1
cn = sT0 (t)e−j2πnf0 t dt (1.29)
T0 −T0 /2

Dr. Alexander B. Hilario Tacuri


1.4. Análisis de señales en el dominio de la frecuencia 13

Ejemplo 1.4: Calcule los coeficientes de la serie de Fourier de la siguiente expresión

x(t) = cos(1200πt) + sin(600πt)


En este ejemplo es posible utilizar (1.29) para obtener los coeficientes cn , sin embargo uti-
lizaremos una metodologı́a diferente. Considerando las formulas de Euler, definidas como
ejφ + e−jφ
cos φ =
2
y
ejφ − e−jφ
sin φ =
2j
es posible reescribir x(t) como
ej(1200πt) + e−j(1200πt) ej(600πt) − e−j(600πt)
x(t) = +
2 2j
comparando esta expresión con (1.28), tenemos que, la frecuencia fundamental f0 es igual a
300, y por lo tanto c1 = 2j1 , c−1 = − 2j1 , c2 = 12 y c−2 = 12 . 
Ejemplo 1.5: Calcule los coeficientes de la serie de Fourier de la función presentada en la
Figura 1.8

Figura 1.8: Tren de rectángulos

Para este ejemplo utilizaremos la expresión en (1.29) para obtener los coeficientes de
Fourier, por lo tanto,
Z T0 /2
1
cn = s(t)e−j2πnf0 t dt
T0 −T0 /2

Dr. Alexander B. Hilario Tacuri


14 Capı́tulo 1. Señales y Sistemas
T /2
A e−j2πnf0 t
cn = −
T0 j2πnf0 −T /2
A
cn = (ejπnf0 T − e−jπnf0 T )
T0 j2πnf0
A sin(πnf0 T )
cn =
T0 πnf0
considerando que
sin πx
sinc(x) =
πx
tenemos finalmente que
AT
cn = sinc(f T )
T0 f =nf0

Transformada de Fourier
La transformada de Fourier puede ser vista como una generalización de las series de Fourier
pero valida para señales no periódicas. La deducción matemática de la transformada de
Fourier, puede ser realizada a partir de las series de Fourier. Considere una señal periódica
cualquiera como la presentada en la Fig. 1.9, como presentado anteriormente, los coeficientes
de la serie de Fourier de esta señal pueden ser obtenidos mediante
Z T0 /2
1
cn = sT0 (t)e−j2πnf0 t dt. (1.30)
T0 −T0 /2

Si consideramos que el periodo de esta señal es extremadamente grande, es posible obtener


los coeficientes de la serie de Fourier usando
Z ∞
1
cn = s(t)e−j2πnf0 t dt (1.31)
T0 −∞

donde s(t) es la porción de sT0 (t) que se repite periodicamente.

Si definimos Z ∞
S(f ) = s(t)e−j2πf t dt (1.32)
−∞

es posible reescribir (1.31) como


T0 cn = S(f )|f =nf0 (1.33)
Este resultado puede ser representado de forma gráfica (ver Fig. 1.10), en esta Figura pode-
mos definir que si f0 → 0, S(f ) puede ser considerado el espectro de la señal (en forma
continua). De esta forma, la transformada de Fourier es definida como
Z ∞
S(f ) = s(t)e−j2πf t dt (1.34)
−∞

Dr. Alexander B. Hilario Tacuri


1.4. Análisis de señales en el dominio de la frecuencia 15

Figura 1.9: Señal Periodica

Figura 1.10: Serie de Fourier

y analogamente, la transformada inversa de Fourier es dada por

Z ∞
s(t) = S(f )ej2πf t df. (1.35)
−∞

Dr. Alexander B. Hilario Tacuri


16 Capı́tulo 1. Señales y Sistemas

La notación que será utilizada en este libro para representar la transformada de Fourier es

S(f ) = F[s(t)] (1.36)

y analogamente, la transformada inversa de Fourier es dada por

s(t) = F −1 [S(f )]. (1.37)

Ejemplo 1.6: Calcule la transformada de Fourier de

s(t) = g(t)cos(2πf0 t).

Utilizando las formulas de Euler tenemos que

+ e−j2πf0 t
 j2πf0 t 
e
s(t) = g(t)
2
o
1 1
s(t) = g(t)ej2πf0 t + g(t)e−j2πf0 t
2 2
Utilizando la definición de la transformada de Fourier, tenemos que
1 ∞ 1 ∞
Z Z
j2πf0 t −j2πf t
S(f ) = g(t)e e dt + g(t)e−j2πf0 t e−j2πf t dt
2 −∞ 2 −∞

luego de algunas operaciones matemáticas, puede ser fácilmente mostrado que


1
S(f ) = [G(f − f0 ) + G(f + f0 )]
2
Este ejemplo representa la base de las telecomunicaciones y se le conoce como el Teorema
de la modulación. Formalmente este teorema establece que: la multiplicación de cualquier
señal con una función sinusoidal se traduce como un desplazamiento en la frecuencia. Para
un mejor entendimiento, la Fig. 1.11 muestra una representación gráfica de las señales G(f )
y S(f ) del ejemplo anterior. 

Propiedades de la transformada de Fourier


• Convolución: Dadas las señales s1 (t) y s2 (t) con transformadas de Fourier S1 (f ) y
S2 (f ) se cumple que:

F[s1 (t) ∗ s2 (t)] = F[s1 (t)]F[s2 (t)] = S1 (f )S2 (f ) (1.38)

ademas,
F[s1 (t)s2 (t)] = F[s1 (t)] ∗ F[s2 (t)] = S1 (f ) ∗ S2 (f ) (1.39)

• Parceval: Para una señal s(t) cualquiera, se cumple que


Z ∞ Z ∞
2
|S(f )| df = |s(t)|2 dt (1.40)
−∞ −∞

Dr. Alexander B. Hilario Tacuri


1.4. Análisis de señales en el dominio de la frecuencia 17

Figura 1.11: Representación gráfica del teorema de la modulación

• Transformada de la función impulso: Para la función impulso δ(t), se cumple que

F[δ(t)] = 1 (1.41)

F[1] = δ(t) (1.42)

F[δ(t − t0 )] = e−j2πf t0 (1.43)

F[ej2πf t0 ] = δ(f − f0 ) (1.44)

Relación entre la serie y transformada de Fourier


La transformada de Fourier de una señal periódica, puede ser obtenida utilizando la definición
de la serie de Fourier, es decir (ver (1.28))
" ∞ #
X
F[sT0 (t)] = F cn ej2πnf0 t (1.45)
k=−∞

utilizando las propiedades de la transformada de Fourier,



X
F[sT0 (t)] = cn δ(f − nf0 ) (1.46)
n=−∞

Dr. Alexander B. Hilario Tacuri


18 Capı́tulo 1. Señales y Sistemas

Finalmente, como se sabe que cn = f0 S(nf0 ) (ver (1.33)), se tiene que



X
F[sT0 (t)] = f0 S(nf0 )δ(f − nf0 ) (1.47)
n=−∞

Es decir, la transformada de Fourier de cualquier señal periódica siempre es una señal de


impulsos en el dominio de la frecuencia, cuya forma esta determinada por S(f ).

Ejemplo 1.7: Calcule la transformada de Fourier de un tren de impulsos definido por


X
δT0 (t) = δ(t − nT0 )
n=−∞

Para resolver este ejemplo, em primer lugar obtenemos el valor de cn dado por

cn = f0 F[δ(t)]|f =nf0 = f0

Utilizando (1.47) tenemos que



X
F[δT0 (t)] = f0 δ(f − nf0 ) (1.48)
n=−∞

Es decir, la transformada de Fourier de un tren de impulsos en tiempo (con periodo T0 ) es


también un tren de impulsos en el dominio de la frecuencia (con periodo f0 ). 

Ejemplo 1.8: Calcule la transformada de Fourier de la siguiente señal

ga (t) = T0 δT0 (t)g(t)

Aplicando la definición de la transformada de Fourier y su propiedad de convolución, se tiene


que
F[ga (t)] = T0 F[δT0 (t)g(t)] = T0 F[δT0 (t)] ∗ F[g(t)]
utilizando el resultado del ejemplo 1.7, tenemos

X
F[ga (t)] = T0 F[δT0 (t)] ∗ F[g(t)] = δ(f − kf0 ) ∗ G(f )
k=−∞

Finalmente, aplicando la propiedad de la convolución con una función impulso,



X
F[ga (t)] = G(f − kf0 ).
k=−∞

Dr. Alexander B. Hilario Tacuri


1.4. Análisis de señales en el dominio de la frecuencia 19

Teorema del muestreo


Una señal muestreada puede ser presentada como la multiplicación de un tren de impulsos
con la misma señal, la Figura 1.12 muestra este proceso que matemáticamente se escribe

ga (t) = δTs (t)g(t)

Figura 1.12: Serie de Fourier

Utilizando la teorı́a de la transformada de Fourier, podemos mostrar fácilmente que este


producto puede ser representado en la frecuencia, como la convolución de un tren de impulsos
y la transformada de Fourier de la señal a muestrear, es decir,

Ga (f ) = δfs (f ) ∗ G(f )

Considerando el resultado del ejemplo 1.8, se tiene que,



X
Ga (f ) = fs G(f − kfs )
k=−∞

es decir, la transformada de Fourier de una señal muestreada corresponde a una repetición


del espectro de la señal periódica con periodo igual a la frecuencia de muestreo fs , la repre-
sentación gráfica de este proceso es mostrada en la Figura 1.13.

Dr. Alexander B. Hilario Tacuri


20 Capı́tulo 1. Señales y Sistemas

Figura 1.13: Serie de Fourier

A partir de esta Figura es posible notar, que para obtener nuevamente la señal continua
a partir de sus muestras simplemente se tiene que aplicar un filtro pasa-bajas. Sin embargo,
para realizar este proceso sin perder ninguna información, se tiene que asegurar que la fre-
cuencia de muestreo fs tiene que ser al menos dos veces mayor que la maxima frecuencia de
la señal continua, es decir,

fs ≥ 2B (1.49)
este resultado se conoce como el teorema del muestreo de Nyquist.

Dr. Alexander B. Hilario Tacuri

También podría gustarte