LAB.

N° 1 - DFT
Mariangelica Preciado Nuñez; Daniel Guerrero

1. Desarrolle los ejercicios 1.1, 1.2 y 1.3 asociados al capítulo 2 del libro Ejercicios de Tratamiento de
la Señal utilizando MATLAB de sidney Burrus.

Solución.

a. xi=[1,0,0,0,0,0,0,0];

Fxi=fft(xi)
n=0:7;
subplot(3,1,1)
stem(n,xi)
title('Función xi')
subplot(3,1,2)
stem(n,real(Fxi))
title('DTF parte REAL')
subplot(3,1,3)
 stem(n,imag(Fxi))
title('DTF parte IMAGINARIA')

b. x1=[1,1,1,1,1,1,1,1];

Fx1=fft(x1)
n=0:7;
subplot(3,1,1)
stem(n,x1)
title('Función x1')
 subplot(3,1,2)
stem(n,real(Fx1))
title('DTF parte REAL')
subplot(3,1,3)
stem(n,imag(Fx1))
title('DTF parte IMAGINARIA')

c. xish=[0,0,0,1,0,0,0,0];

Fxish=fft(xish)
n=0:7;
subplot(3,1,1)
stem(n,xish)
title('Función xish')
subplot(3,1,2)
stem(n,real(Fxish))
title('DTF parte REAL')
subplot(3,1,3)
stem(n,imag(Fxish))
title('DTF parte IMAGINARIA')
d. xb=[1,1,1,0,0,0,0,0];
Fxb=fft(xb)
n=0:7;
subplot(3,1,1)
stem(n,x1)
title('Función xb')
subplot(3,1,2)
stem(n,real(Fxb))
title('DTF parte REAL')
subplot(3,1,3)
stem(n,imag(Fxb))
title('DTF parte IMAGINARIA')
e. xbsy=[1,1,0,0,0,0,0,1];

Fxbsy=fft(xbsy)
n=0:7;
subplot(3,1,1)
stem(n,x1)
title('Función xbsy')
subplot(3,1,2)
stem(n,real(Fxbsy))
title('DTF parte REAL')
subplot(3,1,3)
stem(n,imag(Fxbsy))
title('DTF parte IMAGINARIA')
Solución.

a. %Ejercicio 1.2

%Sinusoides (A)

n=0:21;

x1=cos(2*pi*(1/21)*n);

fx1=fft(x1);

subplot(5, 1, 1)

stem(n, x1)

title('Función principal ')

subplot(5, 1, 2)

stem(n, real(fx1))

title('DFT parte real')

subplot(5, 1, 3)

stem(n, imag(fx1))

title('DFT parte imaginaria')

subplot(5, 1, 4)

stem(n, abs(fx1))

title('DFT magnitud')

subplot(5, 1, 5)

stem(n, angle(fx1))

title('DFT fase')
b. %Ejercicio 1.2

%Sinusoides (B)

n=0:21;

x2=sin(2*pi*(1/21)*n);

fx2=fft(x2);

subplot(5, 1, 1)

stem(n, x2)

title('Función principal ')

subplot(5, 1, 2)

stem(n, real(fx2))

title('DFT parte real')

subplot(5, 1, 3)

stem(n, imag(fx2))

title('DFT parte imaginaria')

subplot(5, 1, 4)

stem(n, abs(fx2))

title('DFT magnitud')

subplot(5, 1, 5)

stem(n, angle(fx2))

title('DFT fase')
c. %Ejercicio 1.2

%Sinusoides (C)

n=0:21;

x3=cos((2*pi*(1/21)*n)+(pi/4));

fx3=fft(x3);

subplot(5, 1, 1)

stem(n, x3)

title('Función principal ')

subplot(5, 1, 2)

stem(n, real(fx3))

title('DFT parte real')

subplot(5, 1, 3)

stem(n, imag(fx3))

title('DFT parte imaginaria')

subplot(5, 1, 4)

stem(n, abs(fx3))

title('DFT magnitud')

subplot(5, 1, 5)

stem(n, angle(fx3))

title('DFT fase')
2. En proteus genere 3 señales seno 1Vp de magnitud y frecuencia distintas, sumelas utilizando un
Op. Amp. configurado como no inversor de ganancia 1. Grafique la señal resultante en:
a) el dominio del tiempo
b) el dominio de la frecuencia
Retire una de las señales y vuelva a realizar las gráficas.
3. Desarrolle en MATLAB los ejemplos 2.7, 2.8, 2.9, 2.10, 2.11 y 2.12 asociados al capítulo 2 del libro
MATLAB aplicado a Telecomunicaciones de Mauricio Ortega.

a.

n=0:99;

clf;

M=3;

%x2(n)=u(n)-u(n-3);

x2=ones(1,100)-[zeros(1,M) ones(1,100-M)];

N=2;

NN=5;

%x3(n)=x2(n-2)=n(n-2)-u(n-5);

x3=[zeros(1,N) ones(1,100-N)]-[zeros(1,NN) ones(1,100-NN)];

subplot(2,1,1);

plot(x2);

title('x2(n)=u(n)-u(n-3)');

subplot(2,1,2);

plot(x3);

title('x3(n)=u(n-2)-u(n-5)');

pause;

X2=fft(x2);

X3=fft(x3);

subplot(2,1,1);
plot(abs(X2));

title('Desplazamiento en tiempo Magnitud de X2(w)');

subplot(2,1,2);

plot(abs(X3));

title('Magnitud de X3');

pause;

subplot(2,1,1);

plot(angle(X2));

title('Fase de x2(W)');

subplot(2,1,2);

plot(unwrap(angle(X3)));

title('Fase de X3(W)');

%Aquí se presentan muestras de X2(W) y X3(W); XW=[X2(1:15)? X3(1:15)?];

b.

n=1:25;

n=n/25;

h=[2 2 3 3];

Y=conv(n,h);

N=fft(n,64);

H=fft(h,64);

FF=ifft(N.*H);

Y(1:10)
FF(1:10)

c.

N=256;

T=1/128;

k=0:N-1;

time=k*T;

f0=0.25+1*sin(2*pi*12.5*k*T;

F=fft(f0);

ff=0:1/length(k):1-(1/length(k));

freq=(1/T)*ff;

plot(freq,abs(F))

axis([0 70 0 200 ])

title(?Senoidal de 12.5 Hz?) pause

%propiedad de modulacion f2=f0.*cos(2*pi*30*k*T); F2=fft(f2); plot(freq,abs(F2))

axis([0 70 0 200 ])

title(?Senoidal de 12.5 Hz multiplicada por 30 Hz?)

d.

clear; clf; M=3;

% x2(n)=u(n)-u(n-3);

x2=ones(1,100)-[zeros(1,M) ones(1,100-M)];

N=2;

NN=5;

% x3(n)=x2(n-2)=n(n-2)-u(n-5);

x3=[zeros(1,N) ones(1,100-N)]-[zeros(1,NN) ones(1,100-NN)];

subplot(2,1,1);

plot(x2);
subplot(2,1,2);

plot(x3);

title('x3(n)=u(n-2)-u(n-5)');

pause;

X2=fft(x2);

X3=fft(x3);

subplot(2,1,1);

plot(abs(X2));

title('Desplazamiento en tiempo Magnitud de X2(w)');

subplot(2,1,2);

plot(abs(X3));

title('Magnitud de X3');

pause;

subplot(2,1,1);

plot(angle(X2));

title('Fase de x2(W)');

subplot(2,1,2);

plot(unwrap(angle(X3)));

title('Fase de X3(W)');

%Aquí se presentan muestras de X2(W) y X3(W);

XW=[X2(1:15)' X3(1:15)'];
e.

clear;

clf;

k=0:24;

N=4;

%x(n)=24u(n)-n?u(n);

x=24*ones(1,25)-k.*[ones(1,25)];

X=fft(x);

X1=X.*exp(((-2)*N*i*pi*k)/25);

x1=ifft(X1);
 XX=[x' x1']

f.

4. Desarrolle los ejemplos 4.1, 4.2, 4.3 y 4.4 asociados al capítulo 4 del libro MATLAB aplicado a
Telecomunicaciones de Mauricio Ortega.

a. recObj=audiorecorder;

disp("Comienza grabacion");

recordblocking(recObj,6);

disp("Fin de grabacion");

play(recObj)

y=getaudiodata(recObj);
 plot(y)

b.

load frase;

N=512;

y1=frase(5001:5000+N);

w=hamming(N);

yw=y1.*w;

subplot(2,1,1)

plot(y1)

title('Señal original');

subplot(2,1,2)

plot(yw)

title('Ventana Hamming');

c. t=0:1/Fs:(length(X)-1)/Fs;

f=(0:length(t)-1/length(t)*Fs);
 f=f-Fs/2;

xf=fftshift(fft(X)/length(t));

figure

plot(t,X)

figure

plot(f,abs(xf))

d.

rec=audiorecorder;

To=8;

disp("Hablar...");

recordblocking(rec,To);

disp("Dejar de hablar...");

graba=getaudiodata(rec);

figure

specgram(graba)

"Espectograma de frase"

CONCLUSIONES
 El procesamiento digital de señales representa el futuro en el estudio de nuevas
tecnologías que de la mano de campos de la ingeniería como la electrónica concretaran
la evolución de la misma y garantizaran avances tan significativos que la calidad de
vida de los seres humanos se incrementara de forma sustancial. En este sentido, la
fabricación y diseño de nuevas arquitecturas y el incremento de la velocidad del cálculo
matemático de estos microprocesadores, que por lo general es en tiempo real, serán las
principales características que estarán estrechamente ligada al tipo de aplicación que se
le quiera dar, lo que quiere decir, que la tendencia es que siga evolucionando el PDS
con arquitecturas que estén cada vez mas adaptadas a las necesidades y particularidades
de las diferentes aplicaciones. De tal manera que a nivel de prestaciones puede atender
exigencias particulares como por ejemplo la domotica, donde el usuario demanda los
requisitos; sin embargo existen otros aspectos a considerar como el costo y el consumo
que pueden disminuir el número el interés en su estudio.
Finalmente se puede decretar el triunfo inminente del procesamiento digital de señales
sobre el procesamiento analógico de señales con un gran número de ventajas a nivel de
costos y tamaño de los componentes, así como también la confiabilidad y fidelidad que
nos ofrece el PDS, con respecto a la calidad de la señal.