Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Universidad Tecnologica Metropolitana: Análisis Gráfico de Señales Mediante Simulación Y Modelamiento Matemático Matlab
Universidad Tecnologica Metropolitana: Análisis Gráfico de Señales Mediante Simulación Y Modelamiento Matemático Matlab
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE ELECTRICIDAD
ESCUELA DE ELECTRÓNICA
PROFESOR: HUGO DURNEY W.
AYUDANTE: LEANDRO PASTEN G.
Felipe Fernández G.
fipe.blues@live.cl
Gloria Ramirez G.
mci.gloria@gmail.com
Introducción
Mediante la transmisión de la señal ocurren ciertos efectos no deseados. Uno de ellos es el ruido, el
cual se manifiesta como alteraciones de la forma de la señal. Al introducirse este tipo de alteraciones al
sistema, es una práctica común y conveniente imputárselas, pues el transmisor y el receptor son
considerados ideales. En términos generales, cualquier perturbación no intencional de la señal se puede
clasificar como "ruido", y algunas veces es difícil distinguir las diferentes causas que originan una señal
contaminada.
Por ruido se debe de entender las señales aleatorias e impredecibles de tipo eléctrico originadas en forma
natural dentro o fuera del sistema. Cuando estas señales se agregan a la señal portadora de la información,
ésta puede quedar en gran parte oculta o eliminada totalmente. El ruido no puede ser eliminado
completamente, ni siquiera en teoría.
La transformada de Fourier, otra importante herramienta en el análisis de señales, se utiliza para pasar al
dominio frecuencial una señal para así obtener información que no es evidente en el dominio temporal. Se
demuestra matemáticamente que una señal periódica se puede descomponer en una suma de senos y
cosenos formando una base ortogonal, de esta forma, señales como la voz o las ondas se pueden
descomponer en un sumatorio de señales trigonométricas.
El análisis de una señal es factible a través de distintas herramientas predispuestas para esta tarea.
Específicamente se evocara este informe en la utilización de dichas herramientas, tales como la correlación
de señales y la transformada de Fourier para verificar experimentalmente las características del ruido
Gaussiano en términos de tiempo, frecuencia y función de densidad de probabilidad, además de analizar los
efectos de los procesos de una señal en los dominios de tiempo y frecuencia, utilizando como programa
base el software de modelamiento matemático MATLAB.
UNIVERSIDAD TECNOLOGICA METROPOLITANA
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE ELECTRICIDAD
ESCUELA DE ELECTRÓNICA
PROFESOR: HUGO DURNEY W.
AYUDANTE: LEANDRO PASTEN G.
OBJETIVOS
- Verificar experimentalmente las características del ruido Gaussiano en términos de tiempo, frecuencia y
función de densidad de probabilidad (PDF).
- Analizar los efectos de los procesos de una señal en los dominios de tiempo y frecuencia.
UNIVERSIDAD TECNOLOGICA METROPOLITANA
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE ELECTRICIDAD
ESCUELA DE ELECTRÓNICA
PROFESOR: HUGO DURNEY W.
AYUDANTE: LEANDRO PASTEN G.
3.1 Generar una señal de ruido Gaussiano y obtener el histograma del ruido generado. Graficar
el Histograma de barras y sobre éste agregar el mejor ajuste de la campana de Gauss que muestre
la tendencia del histograma con la PDF teórica del ruido. Obtener y graficar la autocorrelación del
ruido.
Generamos la siguiente señal de ruido Gaussiano.
Comando:
RG = randn(1,N); %
comando de ruido
Gaussiano.
Comando:
Comando:
RGxRG = xcorr(RG,RG);%
autocorrelación del ruido.
3.2 Generar una señal cosenoidal pura de frecuencia f=1000Hz. Obtener y graficar la
autocorrelación de esta señal pura.
Comando:
c = cos(2*pi*f*eje_t); %genera
señal cosenoidal pura
Frecuencia =1000
Comando:
cxc = xcorr(c,c);
%autocorrelación de la
cosenoidal pura.
Integral de Correlación.
UNIVERSIDAD TECNOLOGICA METROPOLITANA
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE ELECTRICIDAD
ESCUELA DE ELECTRÓNICA
PROFESOR: HUGO DURNEY W.
AYUDANTE: LEANDRO PASTEN G.
3.3 Generar señal contaminada mezclando las señales del punto 3.1 y 3.2 para condiciones de
nivel de ruido bajo, medio y alto. En este último nivel se espera que tanto en tiempo como en
frecuencia se haya perdido la posibilidad de distinguir visualmente la presencia de la señal
cosenoidal pura inmersa en el ruido.
Señal cosenoidal contaminada con tres distintos niveles de ruido gaussiano.
Comando:
RG3c = RG3+c; %genera seña con
ruido alto.
3.4 Obtener y graficar las transformadas de Fourier de las señales del punto 3.2 y 3.3 y
mostrarlas junto a sus correspondientes gráficas temporales.
Comando:
TF_c = fftshift(abs(fft(c,L_fft)));
%transformada de fourier de la señal
cosenoidal(fft=fast fourier transform).
Paulatinamente se puede ir
aumentando el ruido gaussiano,
consiguiendo a su vez ir
consumiendo la visibilidad de la
señal pura.
(La línea púrpura corresponde a la
señal pura)
Comando:
TF_RG2c =
fftshift(abs(fft(RG2c,L_ff
t))); %transformada de
fourier para la señal con
contaminación media.
Comando:
TF_RG3c =
fftshift(abs(fft(RG3c,L_fft)));
%transformada de fourier para la
señal con contaminación alta.
UNIVERSIDAD TECNOLOGICA METROPOLITANA
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE ELECTRICIDAD
ESCUELA DE ELECTRÓNICA
PROFESOR: HUGO DURNEY W.
AYUDANTE: LEANDRO PASTEN G.
3.5 Para el caso de nivel de ruido alto, obtener y graficar la correlación cruzada entre las
señales de los puntos 3.2 y 3.3. Examinar detalladamente, evaluar y comentar este resultado.
Comando:
RG3cxRG1c =
xcorr(RG3c,RG1c);%correlación entre
señal con ruido alto y señal con ruido
bajo.
Comando:
RG3cxRG2c = xcorr(RG3c,RG2c);
%correlación entre señañ con ruido
alto y señal con ruido medio.
UNIVERSIDAD TECNOLOGICA METROPOLITANA
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE ELECTRICIDAD
ESCUELA DE ELECTRÓNICA
PROFESOR: HUGO DURNEY W.
AYUDANTE: LEANDRO PASTEN G.
Comando:
RG3cxRG3c = xcorr(RG3c,RG3c);
%autocorrelación de la señal con
ruido alto.
Comando:
RG3cxc = xcorr(RG3c,c);%correlacion entre
señal con ruido máximo y señal pura.
UNIVERSIDAD TECNOLOGICA METROPOLITANA
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE ELECTRICIDAD
ESCUELA DE ELECTRÓNICA
PROFESOR: HUGO DURNEY W.
AYUDANTE: LEANDRO PASTEN G.
CONCLUSIONES
Una señal “ensuciada“ puede quedar inmersa dentro de un ruido al punto de ser visualmente inexistente,
empíricamente se ha demostrado la versatilidad de algunas herramientas utilizadas en el análisis de
señales. La correlación y la autocorrelación son eficaces instrumentos de estudio y observación de las
señales, por medio de estas se logra aislar, una señal pura, del ruido que la oculta y distorsiona.
Inicialmente se observo lo complejo que resulta visualizar físicamente una señal de información disuelta
dentro de un mar de aleatoriedad como lo es el Ruido Gaussiano, tras el desarrollo de una variada gama de
procedimientos que confluyen a estas herramientas, fue posible corroborar como estas en complemento con
la Transformaciones de Fourier, terminan por delatar el contenido dentro de un ruido aleatorio.
En un contexto un tanto más técnico, un análisis minucioso del comportamiento de una señal “perdida”
dentro de una fuerte contaminación deja abierta una infinidad de posibilidades de estudios.
En este caso especifico, se utilizo un ruido con características propias; el ruido gaussiano se utilizo de
forma intencional para distorsionar una señal a distintos niveles.
Quedó de manifiesto el comportamiento aleatorio del ruido gaussiano, su función de densidad
probabilística cae (teóricamente) dentro del modelo de distribución normal, es por esto que se aprecia su
forma característica de campana.
Por otra parte cabe mencionar que al momento de utilizar estas herramientas y comprender teóricamente
su comportamiento quedan al descubierto la versatilidad de posibles aplicaciones. Sin duda se puede inferir
la emersión constante referida al “ruido”, causado por diversas fuentes como: radiaciones provenientes del
espacio, equipos electrónicos, cambios meteorológicos, redes de alta tensión e incluso, el mismo campo
terrestre interpretado como un ruido mas dentro del espectro electromagnético que pueden captar algunos
instrumentos. En definitiva resulta real y cotidiano encontrarse con equipamiento que utiliza algunos
conceptos básicos planteados en el desarrollo de esta simulación experimental en MATLAB, algunos
ejemplos para estos casos son las herramientas médicas como el electrocardiógrafo, cual capta señales de
amplitudes que bordean los mili Volt (mV) del cual recurre a constantes comparaciones entre varios
sensores instalados en un cuerpo humano. Los sistemas de navegación de las aeronaves funcionan
correctamente gracias a los tratamientos que se hacen a las muy contaminadas señales que reciben de
agentes externos como torres de control, radares meteorológicos, sistemas GPS, Radiofaros, etc., que
constantemente se encuentran a una gran distancia y requieren ser precisos para evitar que los vuelos
pierdan el rumbo, especialmente en situaciones de vuelo nocturno o baja visibilidad.
UNIVERSIDAD TECNOLOGICA METROPOLITANA
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE ELECTRICIDAD
ESCUELA DE ELECTRÓNICA
PROFESOR: HUGO DURNEY W.
AYUDANTE: LEANDRO PASTEN G.
Se ha de proponer a modo de idea, realizar una aplicación para MATLAB de la cual se requiera ingresar
directamente cambios en variables como frecuencias de muestreo, frecuencia de la señal, tipos y cantidades
de ruido, etc. Para realizar internamente todos los procedimientos necesarios que permitan obtener gráficos
comparativos, así exponer un estudio más directo a una señal y su comportamiento en un ambiente ruidoso,
eventualmente se quisiera proponer la búsqueda de métodos que permitan recuperar una señal perdida
dentro de ruidos gaussianos u otros tipos de interferencias.
UNIVERSIDAD TECNOLOGICA METROPOLITANA
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE ELECTRICIDAD
ESCUELA DE ELECTRÓNICA
PROFESOR: HUGO DURNEY W.
AYUDANTE: LEANDRO PASTEN G.
gaussiano.
%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%Item 3.1%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%
figure(1);
plot(eje_t,RG);%ruido gaussiano
axis([0 0.05 -5 5]);
xlabel('Tiempo');
ylabel('Amplitud');
title('Ruido Gaussiano');
grid;
figure(2);
hist(RG,100);%histograma del ruido gaussiano
hold;
histfit(RG,100);%curva de funcion de densidad probabilistica
xlabel('Amplitud');
ylabel('Probabilidad');
title('Histograma del Ruido Gaussiano');
grid;
figure(3);
plot(RGxRG);% autocorrelación del ruido Gaussiano
xlabel('Tiempo');
ylabel('Amplitud');
title('Autocorrelación de la señal de Ruido Gaussiano');
grid;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%
%%%%Item 3.2%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%
figure(4);
plot(eje_t,c);% señal cosenoidal pura
axis([0 0.01 -1.5 1.5]);
xlabel('Tiempo');
ylabel('Amplitud');
title('Señal Cosenoidal Pura');
grid;
ylabel('Amplitud');
title('Autocorrelación de la Señal Cosenoidal Pura');
grid;
subplot(2,1,2); plot(cxc);
axis([0 1400 -600 600])
xlabel('Tiempo');
ylabel('Amplitud');
title('Ampliación');
grid;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%
%%%%Item 3.3%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%
figure(6);
plot(eje_t,RG1c);%señal pura con ruido bajo
title('Señal con ruido bajo');
axis([0 0.005 -1.5 1.5]);
xlabel('Tiempo');
ylabel('Amplitud');
grid;
figure(7);
plot(eje_t,RG2c);%señal pura con ruido medio
axis([0 0.01 -4 4]);
title('Señal con ruido medio');
xlabel('Tiempo');
ylabel('Amplitud');
grid;
figure(8);
plot(eje_t,RG3c);%señal pura con ruido alto
axis([0 0.05 -80 80])
title('Señal con ruido alto');
xlabel('Tiempo');
ylabel('Amplitud');
grid;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%
%%%%Item 3.4%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%
figure(9);
subplot(2,1,1); plot(eje_f,TF_RG); %TRANSFORMADA DE FOURIER DEL RUIDO GAUSSIANO
axis([-3000 3000 0 50]);
title('Transformada de Fourier del ruido gaussiano');
UNIVERSIDAD TECNOLOGICA METROPOLITANA
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE ELECTRICIDAD
ESCUELA DE ELECTRÓNICA
PROFESOR: HUGO DURNEY W.
AYUDANTE: LEANDRO PASTEN G.
xlabel('Frecuencia');
ylabel('Amplitud');
grid;
subplot(2,1,2); plot(eje_t,RG);
axis([0 0.03 -3 3]);
xlabel('Tiempo');
ylabel('Amplitud');
title('Ruido gaussiano');
grid;
figure(10);
subplot(2,1,1); plot(eje_f,TF_c); %TRANSFORMADA DE FOURIER DE LA SEÑAL
COSENOIDAL
axis([-4000 4000 0 220]);
title('Transformada de Fourier de la señal Cosenoidal');
xlabel('Frecuencia');
ylabel('Amplitud');
grid;
subplot(2,1,2); plot(eje_t,c);
axis([0 0.01 -1 1]);
xlabel('Tiempo');
ylabel('Amplitud');
title('Señal Cosenoidal Pura');
grid;
figure(11);
subplot(2,1,1);plot(eje_f,TF_RG1c); %TRANSFORMADA DE FOURIER DE SEÑAL
CONTAMINADA
hold;%monta un gráfico sobre otro.
plot(eje_f,TF_c,'g');
axis([-4000 4000 0 220]);
title('Transformada de Fourier de la señal con ruido bajo');
xlabel('Frecuencia');
ylabel('Amplitud');
grid;
subplot(2,1,2);plot(eje_t,RG1c);%señal pura con ruido bajo
title('Señal con ruido bajo');
axis([0 0.005 -1.5 1.5]);
xlabel('Tiempo');
ylabel('Amplitud');
grid;
figure(12);
subplot(2,1,1); plot(eje_f,TF_RG2c);%TRANSFORMADA DE FOURIER DE SEÑAL
CONTAMINADA
hold;
plot(eje_f,TF_c,'m');
axis([-4000 4000 0 220])
title('Transformada de Fourier de la señal con ruido medio');
xlabel('Frecuencia');
ylabel('Amplitud');
UNIVERSIDAD TECNOLOGICA METROPOLITANA
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE ELECTRICIDAD
ESCUELA DE ELECTRÓNICA
PROFESOR: HUGO DURNEY W.
AYUDANTE: LEANDRO PASTEN G.
grid;
subplot(2,1,2); plot(eje_t,RG2c);%señal pura con ruido medio
axis([0 0.01 -4 4]);
title('Señal con ruido medio');
xlabel('Tiempo');
ylabel('Amplitud');
grid;
figure(13);
subplot(2,1,1);plot(eje_f,TF_RG3c);%TRANSFORMADA DE FOURIER DE SEÑAL
CONTAMINADA
hold;
plot(eje_f,TF_c,'r');
axis([-3000 3000 0 1000])
title('Transformada de Fourier de la señal con ruido alto');
xlabel('Frecuencia');
ylabel('Amplitud');
grid;
subplot(2,1,2); plot(eje_t,RG3c);%señal pura con ruido alto
axis([0 0.05 -80 80])
title('Señal con ruido alto');
xlabel('Tiempo');
ylabel('Amplitud');
grid;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%
%%%%Item 3.5%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%
figure(14);
plot(RG3cxc);%
xlabel('Número de muestra');
ylabel('Amplitud');
title('Correlación de las señales de ruido máximo y la señales pura')
grid;
figure(15);
plot(RG3cxRG1c);%
xlabel('Número de muestra');
ylabel('Amplitud');
title('Correlación de las señales de ruido máximo y ruido bajo')
grid;
figure(16);
plot(RG3cxRG2c);%
xlabel('Número de muestra');
ylabel('Amplitud');
UNIVERSIDAD TECNOLOGICA METROPOLITANA
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE ELECTRICIDAD
ESCUELA DE ELECTRÓNICA
PROFESOR: HUGO DURNEY W.
AYUDANTE: LEANDRO PASTEN G.
figure(17);
plot(RG3cxRG3c);%
xlabel('Tiempo');
ylabel('Amplitud');
title('Autocorrelacion de la señal con ruido máximo');
grid;