1 2

Concepto
 La convolución es la forma natural de
comportarse de un sistema LTI, como
CONVOLUCION respuesta a un estímulo de entrada.
 Su forma de operación se deriva directamente
de las propiedades de estos sistemas.
x(t) Sistema LTI y(t)
h(t)

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

3 4

Temas a tratar y(t) = x(t) * h(t)

 Representación de señales en función de
impulsos unitarios. x(t) Sistema LTI y(t)
h(t)
 Propiedades de la convolución.
 Integral y Sumatoria de convolución.
 x(t) es la entrada
 Deconvolución
 h(t) es la respuesta impulsional del
sistema
 y(t) es la respuesta a la entrada x(t)

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

5 6

Integral de Convolución Interpretación...

 Plegado: tomar la imagen especular de h(τ) respecto del eje
 de ordenadas
y (t )   x( )h(t   )d



Desplazamiento: desplazar h(-τ) la cantidad t
Multiplicación: multiplicar la función desplazada h(t - τ) por
x(t)
 Integración: el área bajo la curva y(t) = h(t - τ). x(t) es el
x(t) Sistema LTI y(t) valor de la convolución en el tiempo t
h(t) 

y (t )   x ( )h(t   )d


19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

 7 8

Interpretación... Convolución y suavizado

1
h()

0.5 Plegado
0
 La convolución de
-2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5
1 una onda senoidal
ruidosa...
h(-)

0.5 Desplazamiento
0
-2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5
1

 con una señal

h(t-)

0.5

0
-2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5
“suavizante”...
1000
x()

-1000 Multiplicación  suaviza la señal.

-2.5 -2 -1.5 -1 -0.5 0 t = 0.5 1 1.5 2 2.5
50

x().h(t-)

Integración
0
y(t)=3.9655
y (t )   x ( )h(t   )d

La propiedad de suavizado lleva al uso de la convolución
-50
-2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 para filtrado de señales.
 t
19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

9 10

Propiedades Más propiedades...

 Conmutatividad  Desplazamiento
– si existe x*y entonces x*y = y*x – si existe (x*y) entonces σt (x*y)= (σt x)*y = x*(σt y)
 Asociatividad  Derivabilidad
– si existe (x*y)*z entonces (x*y)*z = x*(y*z) – si existe (x*y) y es derivable, entonces:
 Distributividad D(x*y)= (Dx)*y = x*(Dy)
– si existen x*y y x*z entonces x*(y+z) = x*y + x*z  Soporte de la convolución
 Conmutatividad del producto por un escalar – si el soporte de x es [a,b] y el de y es [c,d], entonces el
– si existe x*y entonces a (x*y) = (a x) * y = (a y) * x soporte de x*y es [a+c, b+d]

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

11 12

Convolución con funciones

Convolución con Impulsos Unitarios impulso
 Elemento unitario de la convolución h(t) x(t)
A
 Caso discreto: Dk 1 1
 Caso contínuo: d(t)
-T T a
 Relación con h(t) y h(k)
h(t) * x(t)
A

-T T
19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales
 13 14

 Un sistema lineal e invariante al corrimiento

temporal, responde con una señal de salida
Derivación de la Convolución que es determinada por la convolución entre la
en Sistemas LTI entrada al sistema y su respuesta al impulso

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

15 16

Sistemas con Memoria

 En los sistemas con memoria la salida depende
no sólo de la entrada en ese instante, sino
¿Cómo está implicada la también de las entradas anteriores.
memoria del sistema en el
concepto de convolución?

19/04/2013 Procesamiento Digital de Señales

REPLAY
19/04/2013 Procesamiento Digital de Señales

17 18

Linealidad
 Un sistema lineal es aquel que posee la
propiedad de superposición, esto es, si una
entrada consiste de la suma pesada de muchas
entradas, entonces la salida es la suma pesada
de las respuestas a del sistema a cada una de
t=0 t=0
aquellas entradas.

REPLAY
19/04/2013 Procesamiento Digital de Señales REPLAY
19/04/2013 Procesamiento Digital de Señales
 19 20

Linealidad Invariancia al Corrimiento

 Matemáticamente, si y1(t) es la respuesta a x1(t) e y2(t)
la respuesta a x2(t), entonces el sistema es lineal si:
– La respuesta a x1(t) + x2(t) es y1(t) + y2(t)
– La respuesta a a x1(t) es a y1(t)
 Un corrimiento en el tiempo de la señal de
entrada causa un corrimiento en el tiempo
idéntico en la señal de salida.
 Si y(t) es la salida cuando x(t) es la entrada,
entonces y(t - to) es la salida cuando x(t - to) es
la entrada.

REPLAY
19/04/2013 Procesamiento Digital de Señales REPLAY
19/04/2013 Procesamiento Digital de Señales

21 22

Derivación
 El hecho que el sistema sea lineal e invariante
en el tiempo hace que sea posible aplicar el
principio de superposición, y por lo tanto
también el concepto de convolución.
Derivación
 Si se quiere saber cuál es el valor de la
respuesta del sistema en el instante t1, se debe
considerar la respuesta del sistema al impulso
de entrada, pero corrido un tiempo t1 a partir
del instante en que se produjo el estímulo (T1).

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

23 24

Derivación Derivación
 y(t1)= h(t1-T1)·(Impulso en T1)  Si hubiera más de un impulso en la entrada del
sistema, debería aplicarse el principio de
h
superposición:
y(t1) = h(t1-T1)·(Impulso en T1)+
h(t1-T1)
+ h(t1-T2)·(Impulso en T2)+
T1 t1
t + h(t1-T3)·(Impulso en T3)+...

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

 25 26

Derivación Derivación
 Generalizando, y reemplazando t1 por t Si consideramos que (Impulso en Tn) = x(Tn)DT
genérico, se puede escribir esta última Tn t

expresión de la siguiente manera: y(t )   h(t  Tn ) x(Tn ) DT

Tn  0
Tn t
y si se hace tender DT a cero ( DT  0), entonces:
y (t )   h(t  Tn )(Impulso en Tn ) T t
Tn  0
y (t )   h(t  T ) x(T )dT
T 0
que concuerda con la expresión de la convolución: y(t)=h(t)*x(t).
19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

27 28

En forma gráfica... Observaciones

 Los impulsos en Tn > t no contribuyen al valor
de la salida
 Las condiciones iniciales del sistema son nulas
(la salida estaba fijada a cero antes que fuese
colocada alguna excitación en la entrada).

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

29 30

Sumatoria de convolución Sumatoria de convolución

 Para evaluar en forma discreta la convolución  La suma de convolución o convolución discreta:
de dos señales continuas muestreamos h(t) y N 1

x(t) con un intervalo T. y[k ]   x[i]h[k  i]

i 0

 Puede ser modificada:

N 1

y ( kT )  T  x (iT )h[( k  i )T ]
i 0
 Aproximándose a la integral de convolución de
tiempo continuo mediante integración numérica
11
rectangular.
19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales
 31 32

Observación Caso Discreto: Variaciones...

yk  x k  hk
 Por lo tanto, para funciones temporalmente acotadas
k
la convolución discreta aproxima a la convolución   xn hk  n hk y x k causales
continua dentro del error producido por la integración n 0

numérica rectangular. 

 Si el intervalo de muestreo T es suficientemente

 xh
n 
n k n hk y x k generales
pequeño, el error introducido por la convolución k

discreta es despreciable.  xh

n 
n k n hk general y x k causal

  xn hk  n hk causal y x k general
n 0

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

33 34

Operatoria numérica en
Ejemplo
Convolución Discreta
 Trabajaremos con la ecuación en recurrencia  La ecuación en recurrencia del sistema de
de un sistema discreto sencillo como ejemplo primer orden que se analizará a continuación
de la convolución discreta... es la siguiente:

yn  0.7 yn-1  xn

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

35 36

Ejemplo Ejemplo

yn  0.7 yn-1  xn yn  0.7 yn-1  xn

xn   (n) xn   (1)  2 (3)
n 1 2 3 4 5 6
t T 2T 3T 4T 5T 6T
n 1 2 3 4 xn=x(nT) 1 0 2 0 0 0
t T 2T 3T 4T yn=y(nT) * 1 0.7 0.49 0.34 0,24 0,17
x n=x(nT) 1 0 0 0 yn=y(nT) ** 0 0 2 1.4 0.98 0.68
h n=h(nT) 1 0.7 0.49 0.34 y(nT) 1 0.7 2.49 1.74 1.22 0.85

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

 37 38

Ejemplo: Multiplicación Término a

Término

1 0,7 0,49 0,34

1 2
1 0,7 0,49 0,34 D1 D2
2 1,4 0,98 0,68
1 0,7 2,49 1,74 0,98 0,68
+D1 +D2

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

39 40

Convolución lineal Convolución circular

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

41 42

Lineal a partir de circular

 Si x1[n] y x2[n] poseen N muestras:
– Modificar cada una de las secuencias agregándoles
N-1 ceros (x1m[n] y x2m[n]).
Convolución circular – Calcular la TDF de cada secuencia,
– Multiplicarlas entre sí,
¿Se cumplen todas las propiedades de
– Calcular la TDFI.
la convolución lineal para el caso
discreto?

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

 43 49

Representación Matricial Convolución y Filtrado

 La aplicación práctica más utilizada de la
El cálculo de las y(n) define un sistema de ecuaciones:
convolución se observa en los procedimientos de
filtrado.
y(0)=h(0) x(0)
 Cuando se filtra una señal, lo que se intenta hacer es
y(1)=h(1) x(0)+h(0) x(1)
"sacar" las componentes frecuenciales que no
y(2)=h(2) x(0)+h(1) x(1)+h(0) x(2)
interesan, o distorsionan dicha señal.
y(3)=h(3) x(0)+h(2) x(1)+h(1) x(2)+h(0) x(3)
...  Esto sería equivalente a convolucionar la señal de
interés con otra señal que anule las componentes que
no interesan.

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

50 51

Convolución y Filtrado Deconvolución

 Como el cálculo de la convolución es más El problema Inverso
complicado que multiplicar dos señales
es común operar así:
– Pasar al dominio de las frecuencias
– Multiplicar el espectro de dicha señal por un
espectro que anule las componentes frecuenciales
que no interesan
– Volver al dominio del tiempo

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

52 53

Deconvolución Identificación
El problema Inverso y(0)=h(0) x(0)
y(1)=h(1) x(0)+h(0) x(1)
y(2)=h(2) x(0)+h(1) x(1)+h(0) x(2)
y(3)=h(3) x(0)+h(2) x(1)+h(1) x(2)+h(0) x(3)
...

h(0)=y(0)/x(0)
IDENTIFICACION CONTROL h(1)=[y(1) - h(0) x(1)]/x(0)
h(2)=[y(2) - h(1) x(1) - h(0) x(2)]/x(0)
h(3)=[y(3) - h(2) x(1) - h(1) x(2) - h(0) x(3)]/ x(0)
...
19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales
 54 55

Control Matricialmente
y(0)=h(0) x(0)  Identificación
y(1)=h(1) x(0)+h(0) x(1)
y(2)=h(2) x(0)+h(1) x(1)+h(0) x(2) y = X h => h = X-1 y
y(3)=h(3) x(0)+h(2) x(1)+h(1) x(2)+h(0) x(3)  Control
...
y = H x => x = H-1 y
x(0)=y(0)/h(0)
x(1)=[y(1) - x(0) h(1)]/h(0)
x(2)=[y(2) - x(1) h(1) - x(0) h(2)]/h(0)
x(3)=[y(3) - x(2) h(1) - x(1) h(2) - x(0) h(3)]/ h(0)
...
19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

56 57

Matricialmente Ejemplo
1
h(0)   x (0) 0 0 0 ..   y (0)  y(t)
h(1)   x (1) x(0) 0 0 ..   y (1) 
     
h ( 2 )   x (2) x(1) x(0) 0 ..   y ( 2) 
....... ................................. ......  h(t)
     

1
 x (0)  h(0) 0 0 0 ..   y (0) 
 x (1)  h(1) h(0) 0 0 ..   y (1) 
     
 x ( 2)  h(2) h(1) h(0) 0 ..   y ( 2) 
....... ................................. ...... 
      x(t)=?
19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

58 59

Ejemplo Ejemplo
x(t)
y2(t)
 Para poder hallar la excitación del sistema,
y1(t) (correspondiente a la onda de presión real) es
necesario aplicar deconvolución.
h h2(t)
y (t )
h1(t) y ( t )  x ( t ) * h( t )  x ( t ) 
*h(t )

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

 60 61

O también... División término a término

0 0 3 5.5 2.6 0.8 0 0 |1 .5 .2

y(t) x(t)
1/*h(t)

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

62 63

División término a término División término a término

0 0 3 5.5 2.6 0.8 0 0 |1 .5 .2 0 0 3 5.5 2.6 0.8 0 0 |1 .5 .2

3 3 1.5 0.6 3

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

64 65

División término a término División término a término

0 0 3 5.5 2.6 0.8 0 0 |1 .5 .2 0 0 3 5.5 2.6 0.8 0 0 |1 .5 .2

3 1.5 0.6 3 3 1.5 0.6 3 4
------------------------------ ------------------------------
0 4 2 0.8 0 4 2 0.8

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

 66 67

División término a término División término a término

0 0 3 5.5 2.6 0.8 0 0 |1 .5 .2 0 0 3 5.5 2.6 0.8 0 0 |1 .5 .2

3 1.5 0.6 3 4 3 1.5 0.6 3 4
------------------------------ ------------------------------
0 4 2 0.8 0 4 2 0.8
4 2 0.8 4 2 0.8
------------------------------
0 0 0

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

68 69

En la frecuencia...
 La dualidad tiempo-frecuencia que se observa
en el caso de la convolución, se sigue dando en
la deconvolución: la deconvolución en un
dominio implica la división en el otro.

x(t)=y(t)/*h(t)  X()=Y()/H()

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

70 71

En la frecuencia...
 Por lo tanto, si se quiere hallar el espectro de la
señal de excitación debe dividirse el espectro
de la señal de respuesta por el espectro de la
respuesta al impulso del sistema
 O, lo que es lo mismo, multiplicar el espectro
de la señal de salida por el espectro inverso de
la respuesta al impulso
Ruido
 Este mecanismo posee una desventaja, ya que
su propia naturaleza incrementa
considerablemente el ruido que pudiera haber
en la respuesta y(t).
 La razón es que la mayor parte de los sistemas
físicos poseen un ancho de banda limitado...

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

 72 73

Ruido Ruido

Y(w)
H(w)

H(w) w

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

74 75

Ruido Ruido
Y(w) Y(w)

1/*H(w) 1/*H(w)
Y(w) Y(w)
H(w) H(w)

w w w w

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

76 77

Ruido Deconvolución...
1

Y(w)
x[n]

0
1/*H(w)
Y(w)
H(w) -1
0 50 100 150 200 250 300
0.1
h[n]

w w 0

-0.1
0 50 100 150 200 250 300

0.5
y[n]=x[n]*h[n]

X(w)
0

-0.5
0 100 200 300 400 500 600
w
19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales
 78 79

Deconvolución... Convolución de Imágenes

100
X[k]

50

0
0 2 4 6 8 10 12 14
1.5

1
H[k]

0.5

0
0 2 4 6 8 10 12 14
150

100
Hinv[k]

50

0
0 2 4 6 8 10 12 14
[Hz]

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

80 81

Variaciones…

Función Correlación

Correlación Cruzada
? Autocorrelación

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

82 83


Función Correlación Cruzada Rxy ( )   x( t ) y( t   ) dt


 x(t) y y(t) son señales de energía finita

  Rxy() = 0 cuando las señales son ortogonales para un

Rxy ( )   x( t ) y( t   ) dt

desplazamiento  determinado

 En ese caso se dice que las señales no están correlacionadas

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

 84 85

Interpretación Función Autocorrelación

 Es una medida de la similitud entre las dos
señales tanto en morfología como en ubicación
temporal
 La función correlación cruzada representa la
evolución de esta similitud según varía 
 En el espacio de señales, la modificación de 
es análoga a una rotación del vector
considerado

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

86 87

Función Autocorrelación
Función Autocorrelación
 

Rxx ( )   x( t ) x( t   ) dt

Rxx ( )   x( t ) x( t   ) dt


Para  0, Rxx() toma el valor de la ENERGÍA de la señal

según fue definida anteriormente


Rxx ( 0)   x( t ) dt  x 2 2
2


19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

92 93

Propiedades
Propiedades
La correlación cruzada y la autocorrelación de señales reales son Para señales reales
también reales
Rxy() = Ryx(-)

Rxx() = Rxx(-) La función autocorrelación de una señal real es

una función par

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

 94 95

Relación entre
Propiedades
Correlación y Convolución
Teniendo en cuenta la Desigualdad de Schwarz se demuestra que Utilizando un cambio de variable t’ = -t en la correlación cruzada
de dos señales:
|Rxy()|2  Rxx(0) Ryy(0)  

Rxy ( )   x( t ) y( t   ) dt

  x(  t ' ) y(  t ' ) dt '

Para la autocorrelación:

|Rxx()|  Rxx(0) En consecuencia, el valor absoluto de la

función autocorrelación está acotado
superiormente por la energía de la señal.

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

101 102

Correlación cruzada para

Autocorrelación y ruido
 La autocorrelation puede ser utilizada para extraer una señal
identificar “que”
inmersa en ruido aleatorio.  Por ejemplo:
•El ruido aleatorio tiene una autocorrelación tipo
delta

•Una función periódica tiene una autocorrelación

periódica
Canto de distintos
pájaros
•La autocorrelación de señal más el ruido es Rs+r:

Rrr
Rss

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales

103 104

Correlación cruzada para Correlación cruzada para

identificar “cuando” identificar “donde”

Radar o sonar

x y Rxy
19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales
 105 106

Autocorrelación para identificación

Bibliografía recomendada
de sistemas
 Kwakernaak: 3.5, 3.7, 3.8
 Brigham: 4.1 a 4.6
 Sinha: 2.5 a 2.10
 Oppenheim-Willsky: 3.1 a 3.5

(Las referencias completas se encuentran en la Planificación de Cátedra)

19/04/2013 Procesamiento Digital de Señales 19/04/2013 Procesamiento Digital de Señales