UNIVERSIDAD MAYOR DE SAN ANDRES

FACULTAD DE TECNOLOGIA
ELECTRONICA Y TELECOMUNICACIONES

INFORME DE LABORATORIO NO 3

TITULO: GRÁFICO DE SEÑALES PERIÓDICAS Y NO

PERIÓDICAS. CONVOLUCIÓN

NOMBRES: REYNALDO CONDE CANQUI CI: 6955617

DOCENTE: ING. ARTURO M. LÓPEZ CASAS

MATERIA: LABORATORIO DE PROCESAMIENTO DIGITAL DE

SEÑALES

PARALELO: “B”

FECHA DE ENTREGA: 17/9/2020

 INFORME DE LABORATORIO NO. 3
A. Desarrollo de los ejemplos de la primera firma (Ejemplos 1 al 9) (adjuntar en
el informe el código de los archivos .m generados y las gráficas respectivas).

Graficando señales “contínuas” y discretas. Impulso y Escalón Unitario

Para representar una señal en forma continua se hace uso del comando o
función “plot”. Esta se encarga de unir los puntos dando una apariencia de
continuidad. Por otro lado, para graficar una señal discreta, se utiliza el comando
o función “stem”, que se encarga de graficar mediante impulsos a la señal a
representar. A continuación se muestran ejemplos.

Ejemplo 1:

Grafica:
Ejemplo 2:
Una señal impulso: 2 [n - 1]; una señal escalón: -5 [ n]; una señal de ruido entre 0
y 1: r[n]
Graficando una señal sinusoidal

Señales impulso, escalón y ruido

Para representar una señal seno o coseno en el Matlab, debe de indicarse la
variable temporal señalando el tiempo de duración de la onda. Por ejemplo, para
graficar una señal seno de frecuencia igual a 3 Hz, amplitud igual a 2 voltios y
fase
igual a 90o, se aplica el siguiente procedimiento.

Discretizando una señal Senoidal continua, para luego graficarla en el dominio

del tiempo discreto.

x(t) = A * sin (2 * pi * f * t + fase )

Para discretizar, reemplazamos t por nT en la expresión anterior

 x[nT] = sin (2 * pi * f * nT + fase)

Donde T es el periodo de muestreo o 1/Fs

x[nT] = sin(2 * pi *f * n / Fs + fase)

Ejemplo 3:

grafica
Sumando un ruido a la señal seno:
Ejemplo 4:
Cuando no se cumple con el teorema de muestreo, se tiene una representación
equivocada de la señal discreta. Por ejemplo, a continuación se grafica una
onda seno con frecuencia fundamental igual a 20 Hz y frecuencia de muestreo
igual a 30 Hz. En este caso no se cumple la relación de tener una Fs> 2 * Fo.
Ejemplo 5:
También es posible graficar otros tipos de señales periódicas tal como es el caso
de la onda cuadrada. Por lo tanto, para graficar la onda cuadrada, un tren de
pulsos, o una modulación por ancho de pulso, se utiliza el comando o función del
Matlab denominado: “SQUARE”.
Ejemplo 6:
Graficando una señal no periódica
Las últimas versiones del Matlab cuentan con comandos o funciones que permiten
representar y posteriormente graficar señales no periódicas, tal es el caso de la
señal de electrocardiograma. Para ello, se utiliza la función o comando “ECG”, que
permitirá graficar un latido cardiaco mostrando las ondas P, Q, R, S y T.
Considerando que el latido corresponde a una persona sana, entonces obtenemos
el tiempo de duración para un latido cardiaco: 70 lat / min.
Ejemplo 7:

Asimismo, para graficar la función SINC, se utiliza el comando o función “SINC”.

Ejemplo 8

Convolución
Para realizar la convolución entre dos señales finitas, o secuencias, habrá que
definir cada una de ellas en un vector, y luegoutilizar el comando “CONV”. Por
ejemplo, hacer la convolución entre x[n], h1[n] y h2[n].
 B. Desarrollo de uno de los incisos correspondientes a la segunda firma,
según último dígito del C.I., impar: inciso a), par: inciso b) (adjuntar en el
informe el código del archivo .m generado y las gráficas respectivas).
CI: 6955617 nos toco inciso (a) impar
a) Graficar 750 mili segundos de una señal triangular. Dicha señal deberá tener
una frecuencia igual a 12 Hz, una amplitud igual a 1.5 voltios y un nivel DC igual a
-0.75 voltios.
 C. Trabajo de Investigación: Convolución discreta

1. Fundamento teórico (Interpretación matemática)

Como hemos visto, la transformada de Laplace es lineal, es decir, la transformada
de una suma es la suma de las transformadas, entonces cabe preguntarse si se
tiene algo similar para el producto, la respuesta es no. En general la transformada
no conmuta con la multiplicación ordinaria, o sea, la transformada de un producto
no es el producto de las transformadas, pero podemos definir un nuevo producto
generalizado bajo el cual esto es cierto.

La convolución tiene muchas de las propiedades de la multiplicación ordinaria,

como veremos en el siguiente teorema.

Demostración

La demostración de estas propiedades es muy simple. Haremos la primera de

ellas y dejamos las restantes al lector.
Observación: sin embargo, existen algunas propiedades de la multiplicación
ordinaria que la convolución no tiene. Por ejemplo, no es cierto en general
que  ; para ver esto, note que

2. ¿Qué es la convolución? (Interpretación sin uso de términos

matemáticos o lenguaje técnico)
Convolución
En matemáticas, y en particular análisis funcional, una convolución es un
operador matemático que transforma dos funciones f y g en una tercera función
que en cierto sentido representa la magnitud en la que se superponen f y una
versión trasladada e invertida de g. Una convolución es un tipo muy general de
media móvil, como se puede observar si una de las funciones se toma como la
función característica de un intervalo.
3. Algoritmo de convolución en código Matlab (sin uso de la función
‘conv’)
La circunvolución de dos vectores, u y v, representa el área de solapamiento bajo
los puntos como v a través de u. Algebraicamente, la circunvolución es la misma
operación que multiplicar polinomios cuyos coeficientes son los elementos
de u y v.
Deje que m = length(u) y n = length(v) . A continuación, w es el vector de
longitud m+n-1 cuyo elemento kes

La suma se resume en todos los valores de j que conducen a subíndices legales

para u(j) y v(k-j+1), específicamente j = max(1,k+1-n):1:min(k,m). Cuando m = n,
esto da
w(1) = u(1)*v(1)
w(2) = u(1)*v(2)+u(2)*v(1)
w(3) = u(1)*v(3)+u(2)*v(2)+u(3)*v(1)
...
w(n) = u(1)*v(n)+u(2)*v(n-1)+ ... +u(n)*v(1)
...
w(2*n-1) = u(n)*v(n)

4. Ejemplo del uso del algoritmo de convolución (incluir gráfica)

5. Aplicaciones de la convolución al procesamiento digital de señales
FILTROS DE IMÁGENES.
En esta sección se verán cómo trabajan los filtros de imágenes, qué relación
tienen con la convolución y el significado “físico” de esta operación dentro del
ámbito de la fotografía.
Como hemos dicho en la introducción, el producto de convolución es muy útil
en los filtros de las fotografías. Se puede entender por convolución al producto
entre una primera matriz y una segunda matriz llamada “kernel”.
 El filtro matriz de convolución usa una primera matriz que es la imagen que
será tratada. La imagen es una colección bidimensional de píxeles en
coordenada rectangular. El kernel usado depende del efecto deseado.
Por lo general, las matrices utilizadas son del tamaño de 5x5 o de 3x3.
Veremos el caso de las matrices de 3x3 (que puede ser expresada como una
de 5x5 con valor nulo en los bordes)
El filtro examina, sucesivamente, cada píxel de la imagen. Para cada uno de
ellos, que lo llamaremos “píxel inicial”, se hará el producto entre los 8 píxeles
circundantes sumado al píxel inicial y los valores del kernel. Aquí un ejemplo:

A la izquierda, la imagen de la matriz: cada píxel está marcado con su valor. El

píxel inicial tiene un borde rojo. El área de acción del kernel tiene un borde
verde. En el medio, el kernel, y a la derecha, el resultado de convolución.
Lo que sucede aquí: el filtro lee sucesivamente, de izquierda a derecha y de
arriba a abajo, todos los píxeles del área de acción del kernel. Se multiplica el
valor de cada uno de ellos por el valor correspondiente del kernel y se suman
los resultados. El píxel inicial llega a 42: (48*0) + (42*1) + (47*0) + (43*0) +
(44*0) + (50*0) + (48*0) + (49*0) + (42*0) = 42. (el filtro no trabaja sobre la
imagen sino sobre una copia). Como resultado gráfico, el píxel inicial se movió
un píxel hacia abajo.
Procesamiento de señales.
Una señal arbitraria x(t) puede expresarse como un tren infinito de impulsos.
Para ello, dividimos x(t) en “tiras” rectangulares de anchura ts y altura x(k,ts),
Cada “tira” la reemplazamos por un impulso cuya amplitud es el área de la tira.
Ahora bien, sea x(t) una señal arbitraria (como habíamos propuesto
anteriormente), y(t) la respuesta del sistema, y h(t) la respuesta al impulso del
sistema, podemos ver un método para la convolución discreta entre h[n] y x[x].
h[n] = {2,5,0,4}; x[n] = {4,1,3}; ts = ½.
Para resolver este situación, se llevan a cabo 2 pasos:
◦ Hacemos el “reflejo” de una de ellas, x[-n] = {3,1,4}
◦ Alineamos las secuencias y las sumamos y desplazamos sucesivamente.
 Reverberación convolutiva.
La reverberación convolutiva es un procesamiento digital de audio basado en
el cálculo matemático de convolución, permite simular la reverberación de
entornos físicos. Utiliza respuestas a impulsos, que son muestras de audio
pregrabadas de la respuesta de las reflexiones que genera el entorno, ya sea
físico o virtual, a simular posteriormente. Las señales procesadas con este tipo
de reverberación sonarán como si la fuente de sonido se encontrase
realmente en el entorno simulado
Una sala se comporta con respecto a una fuente sonora de forma similar a un
proceso de convolución. Este proceso matemático convierte dos funciones f y
g en una tercera, la cual representa la magnitud en la que se superponen la
primera y una versión trasladada e invertida de la segunda. El producto de
convolución de de dichas funciones responde a la integral: (I)
El impulso perfecto sería el que tuviese una duración infinitamente corta en el
tiempo y nos proporcionase un ancho de banda en frecuencias también
infinito. Esto es imposible pero matemáticamente hablando no lo es. Para ello
se utiliza la delta de Dirac ( δ (t ) ) que es una distribución cuyo valor es infinito
en un determinado punto y cero para los restantes. Esto implica que el ancho
de banda será infinito, y que la integral entre más y menos infinito será uno. Al
hacerse el producto entre cualquier función y la delta de Dirac el resultado es
la función inicial. La función f (t) es lo que llamamos la respuesta al impulso y
nos proporciona la información sobre las modificaciones de tiempo y
frecuencia que sufriría la señal inicial reproducida en dicha sala.
- Fuentes de Información (direcciones web, bibliografía)
https://es.qwe.wiki/wiki/Convolution

http://lcr.uns.edu.ar/fvc/NotasDeAplicacion/FVC-PercatFernando.pdf

http://www.lpi.tel.uva.es/lineales/ejemplos/convoluciones_imprimir.pdf
https://ramaucsa.wordpress.com/2013/12/17/convolucion-procesamiento-de-senales/#:~:text=La
%20Convoluci%C3%B3n%20es%20una%20operaci%C3%B3n,y%20la%20respuesta%20al
%20impulso.

Resumen propio elaborado en base a las fuentes de información

1. Fundamento teórico (Interpretación matemática)

La convolución de   . Se define como la integral del producto de

ambas funciones después de desplazar una de ellas una distancia .

El intervalo de integración dependerá del dominio sobre el que estén definidas las
funciones. En el caso de un rango de integración finito, f y g se consideran a
menudo como extendidas, periódicamente en ambas direcciones, tal que el
término g(t - η) no implique una violación en el rango. Cuando se usan estos
dominios periódicos la convolución a veces se llama cíclica. Desde luego que
también es posible extender con ceros los dominios. El nombre usado cuando se
ponen en juego estos dominios cero-extendidos o bien los infinitos es el de
convolución lineal, especialmente en el caso discreto que se presentarán abajo.
Si X e Y son dos variables aleatorias independientes con funciones de densidad
de probabilidad f y g, respectivamente, entonces la densidad de probabilidad de la
suma X + Y vendrá dada por la convolución f * g.
Para las funciones discretas se puede usar una forma discreta de la convolución.
Esto es:

Cuando se multiplican dos polinomios, los coeficientes del producto están dados
por la convolución de las sucesiones originales de coeficientes, en el sentido dado
aquí (usando extensiones con ceros como se ha mencionado).
Generalizando los casos anteriores, la convolución puede ser definida para
cualesquiera dos funciones de cuadrado integrable definidas sobre un grupo
topológico localmente compacto. Una generalización diferente es la convolución
de distribuciones.
2. ¿Qué es la convolución? (Interpretación sin uso de términos matemáticos
o lenguaje técnico)
La Convolución se encarga de combinar dos acciones para producir una tercera
acción.
3. Algoritmo de convolución en código Matlab (sin uso de la función ‘conv’)
La circunvolución de dos vectores, u y v, representa el área de solapamiento bajo
los puntos como v a través de u. Algebraicamente, la circunvolución es la misma
operación que multiplicar polinomios cuyos coeficientes son los elementos
de u y v.
Deje que m = length(u) y n = length(v) . A continuación, w es el vector de
longitud m+n-1 cuyo elemento kes

La suma se resume en todos los valores de j que conducen a subíndices legales

para u(j) y v(k-j+1), específicamente j = max(1,k+1-n):1:min(k,m). Cuando m = n,
esto da
w(1) = u(1)*v(1)
w(2) = u(1)*v(2)+u(2)*v(1)
w(3) = u(1)*v(3)+u(2)*v(2)+u(3)*v(1)
...
w(n) = u(1)*v(n)+u(2)*v(n-1)+ ... +u(n)*v(1)
...
w(2*n-1) = u(n)*v(n)

CONCLUSIONES:
Me pareció un tema incesante donde aprendí los comandos para hacer la
convulacion y las gráficas, pero vi si fallas en una variable o letra sea mayúscula o
minúscula el programa no correrá, no mostrara ninguna grafica es por eso que hay
que revisar bien los variables que declaramos para un buen funcionamiento.