Universidad Carlos III de Madrid

Departamento de Teoría de la Señal y Comunicaciones

LABORATORIO DE SISTEMAS Y CIRCUITOS – CURSO 2003/2004

Práctica 3. Sistemas Lineales Invariantes

con el Tiempo
12 de diciembre de 2003

Está disponible la versión pdf de este documento en Aula Global y en

http://www.tsc.uc3m.es/docencia/SyC/Practicas/Practica3.pdf .

Resumen
Se puede caracterizar un gran número de procesos físicos, con gran exactitud, como
Sistemas Lineales Invariantes con el Tiempo (SLIT). El PRINCIPIO DE SUPERPOSICIÓN y
la propiedad de INVARIANZA TEMPORAL permiten aplicar potentes herramientas
matemáticas para su análisis y comprensión. Con esta práctica se pretende profundizar
en las propiedades de los SLIT. Así, partiendo de la caracterización de los SLIT por su
respuesta impulsional se va a introducir la CONVOLUCIÓN como una herramienta
matemática que permite conocer la respuesta del sistema a una entrada arbitraria.
Finalmente se procederá a analizar distintas propiedades del SLIT a partir de su
respuesta impulsional.

• TEMAS CORRESPONDIENTES
Los conceptos utilizados para desarrollar esta práctica están
enmarcados dentro del Capítulo 3 del temario de la asignatura.
• DURACIÓN
La duración estimada de esta práctica es de 2 horas.
1. Introducción teórica
Existen muchas aplicaciones de Procesado Digital de Señal en las que es necesario
determinar el comportamiento de un sistema frente a una entrada arbitraria. Por
ejemplo, en aplicaciones relacionadas con geofísica, se llevan a cabo explosiones
controladas (señal de entrada) para determinar la naturaleza del subsuelo (sistema)
mediante el análisis de la señal de salida. De igual forma, es habitual diseñar sistemas
que actúen de una forma determinada sobre una señal de entrada. Sirvan como ejemplo,
los sistemas de igualación de audio que permiten modificar la característica del sonido
de acuerdo a las preferencias del oyente. En ambos casos es necesario obtener un
modelo matemático que se ajuste al sistema de forma que se facilite su análisis.
Así, los Sistemas pueden caracterizarse como una transformación u operador, T {•} , que
modifica la señal de entrada para convertirla en la señal de salida.
Teniendo en cuenta que cualquier señal puede expresarse como una combinación lineal
de impulsos desplazados, la salida de un Sistema en tiempo discreto se puede escribir
como
 ∞ 
y[n] = T { x[n]} = T  ∑ x[k ]δ [n − k ] (1.a)
 k =−∞ 
y en tiempo continuo
y (t ) = T { x(t )} = T {∫−∞
∞
x(τ )δ (t − τ )dτ } (1.b)
A tenor de esta expresión, poco puede saberse del comportamiento del sistema. Sin
embargo, si se restringe el estudio a los Sistemas Lineales Invariantes en el Tiempo
(SLTI) puede llegarse a conocer la respuesta del sistema ante cualquier señal de entrada
mediante la aplicación conjunta del PRINCIPIO DE SUPERPOSICIÓN y la propiedad de
INVARIANZA TEMPORAL.
Aplicando el principio de superposición se puede obtener las siguientes expresiones
∞ ∞
y[n] = ∑ x[k ]T {δ [n − k ]} = ∑ x[k ]h [n]
k =−∞ k =−∞
k (2.a)

∞ ∞
y (t ) = ∫ x(τ )T {δ (t − τ )} dτ = ∫ x(τ )hτ (t )dτ (2.b)
−∞ −∞

donde hk [n] es la respuesta del sistema al impulso desplazado δ [n − k ] (y hτ (t ) la

respuesta ante δ (t − τ ) ).
Además, si se considera la invarianza temporal
∞ ∞
y[n] = ∑ x[k ]T {δ [n − k ]} = ∑ x[k ]h[n − k ] = x[n] ∗ h[n]
k =−∞ k =−∞
(3.a)

∞ ∞
y (t ) = ∫ x(τ )T {δ (t − τ )} dτ = ∫ x(τ )h(t − τ )dτ = x(t ) ∗ h(t ) (3.b)
−∞ −∞
Al operador * se le denomina convolución .
De la expresión anterior se puede concluir que para conocer la respuesta de un SLIT
ante cualquier entrada únicamente se requiere conocer su respuesta impulsional.
La convolución es una potente herramienta matemática empleada en el Procesado de
Señal. Aunque se ha definido como un operador que permite determinar la respuesta de
un sistema, también puede operar sobre dos señales arbitrarias.
2. Ejercicios prácticos

Hito 1

Diseñar una función que calcule la convolución de dos señales en tiempo discreto. La
función deberá devolver un vector que contenga los instantes en los que la salida es
distinta de 0.

Código de ejemplo (contiene errores de programación y de

concepto)

function [y,ny]=conv_TD(x,nx,h,nh)
% Funcion que calcula la convolucion en tiempo discreto
%
% Uso de la funcion
% >> [y,ny]=conv_TD(x,nx,h,nh)
%
% Parametros de entrada
%
% x -> Señal de entrada
% nx -> Muestras en las que esta definida la señal x.
% La longitud de x tiene que ser igual a la de nx
% Ejemplo:
% Si x[-3]=1, x[-2]=1, x[-1]=3, x[0]=4, x[1]=3, x[2]=2,
% x[3]=1 y x[n]=0 para n>3
% y n<-3
% >> x=[1 2 3 4 3 2 1];
% >> nx=(-3:3);
% h -> Señal de entrada
% nh -> Muestras en las que esta definida la señal h
% La longitud de h tiene que ser igual a la de nh
% Ejemplo:
% Si h[n]=(1/2)^n*(u[n]-u[n-11])
% >> nh=(0:10);
% >> h=(1/2).^nh;
%
% Parametros de salida
%
% y -> Señal de salida
% nx -> Muestras en las que esta definida la señal y.

% Comprobacion de las longitudes

if (length(x)~=length(nx))
disp('Error: longitudes de x y de nx distintas')
return
end

if (length(h)~=length(nh))
disp('Error: longitudes de h y de nh distintas')
return
end

% Calculo de la convolucion y[n] = x[n] * h[n]

for n=-Inf:Inf
% y(n)=0;
for k=-Inf:Inf
y(n)=y(n)+x(k)*h(n-k);
end
end
Compruebe el funcionamiento correcto de la función calculando las siguientes
convoluciones
• y1[n] = x[n] ∗ v[n]
• y2 [n] = v[n] ∗ w[n]
• y3 [n] = x[n] ∗ w[n]
donde
• x[n] = u[n] − u[n − 50]
• v[n] = u[n + 31] − u[n − 42]
• w[n] = u[n + 51] − u[n + 17]

Obtener una regla con la que se pueda calcular la muestra inicial y final
de la convolución de dos secuencias finitas.
Hito 2

Diseñar una función que calcule la convolución de dos señales en tiempo continuo.
Emplee para ello las herramientas de cálculo simbólico.

Código de ejemplo (contiene errores de programación)

function [y]=conv_TC(x,h)
% Funcion que calcula la convolucion en tiempo continuo
%
% Ejemplo de uso de la funcion
% >> syms t
% >> x=exp(-3*t)*heaviside(t);
% >> h=heaviside(t)-heaviside(t-3);
% >> [y]=conv_TC(x,h)
%
% Parametros de entrada
%
% x -> Señal de entrada
% h -> Señal de entrada
%
% Parametros de salida
%
% y -> Señal de salida

% Definicion de variables locales

syms t
syms tau

% Calculo de la convolucion y(t) = x(t) * h(t)

ezplot(x,[-1, 10, -0.5, 1.5],1)

ezplot(h,[-1, 10, -0.5, 1.5],2)

x=subs(x,t,tau); % Hacemos x(tau)

h=subs(h,t,t-tau); % Hacemos h(t-tau)

y= int( x(tau)*h(t-tau), tau, -Inf, Inf);

ezplot(y,[-1, 10, -0.25, 0.8],3)

Compruebe el funcionamiento correcto de la función conv_TC.m con las siguientes

señales:
• x(t ) = e −2t u (t )
−4 t
• v(t ) = e
• w(t ) = (1 − t ) ( u (t + 1) − u (t − 1) )
y realizando las siguientes operaciones
• ya (t ) = x(t ) ∗ v(t ) ,
• yb (t ) = x(t ) * w(t )
4. Referencias adicionales

[1] Alan V. Oppenheim, Alan S. Willsky with Ian T. Young. Signals and Systems.
Prentice-Hall International Editions. Online information on Prentice-Hall is available at
http://www.prenhall.comhttp://www.prenhall.com
[2] Alan V. Oppenheim, Ronald W. Schafer. Discrete-Time Signal Processing.
Prentice-Hall International Editions. Online information on Prentice-Hall is available at
http://www.prenhall.com
[3] Mark J. T. Smith and Rusell M. Mersereau Introduction to Digital Signal
Processing. A Computer Laboratory Textbook Georgia Tech Digital Signal Processing.
Laboratory Series. John Wiley and Sons, Inc. Online information on Georgia Tech is
available at http://www.gatech.edu
[4] C. Sidney Burrus, James H. McClellan, Alan V. Oppenheim, Thomas W. Parks,
Ronald W. Schaffer and Hans W. Schuessler Computer-Based Exercises for Signal
Processing. Matlab Curriculum Series. Prentice-Hall International Editions. Online
information on Prentice-Hall is available at http://www.prenhall.com
[5] Online information on Matlab is available at http://www.mathworks.com