Universidad Nacional de Ingeniería

Facultad de Ingeniería Eléctrica, Electrónica y Telecomunicaciones

______________________________________________________________________

INFORME PREVIO N°1 DE

LABORATORIO DE SISTEMA DE
COMUNICACIONES I
- EE 430 N -

UNIVERSIDAD NACIONAL DE INGENIERIA

FACULTAD DE INGENIERIA ELECTRICA Y ELECTRONICA

DOCENTE: ING. VIRGINIA ROMERO F.

ALUMNO:

1. BLAS PERALTA CARLOS SEBASTIÁN (20174538K)

ESPECIALIDAD: L2

2021-I
Universidad Nacional de Ingeniería
Facultad de Ingeniería Eléctrica, Electrónica y Telecomunicaciones
______________________________________________________________________

INFORME PREVIO N° 1

SIMULACIÓN DE LA SERIE DE FOURIER MEDIANTE EL SOFTWARE

MATLAB
Docente: Ing. Virginia Romero Fuentes
Alumno: Blas Peralta Carlos Sebastián (20174538K)
Email alumno: cblasp@uni.pe

En el presente informe previo se comprobará de manera analítica la serie de Fourier, así

como también el análisis del espectro de frecuencia y simulación en Matlab para responder
las preguntas.

I. OBJETIVO

• Hallar gráficamente la aproximación de una onda por medio de la sumatoria de “n” términos de la
serie de Fourier.
• Graficar el espectro de frecuencias y demostrar analíticamente lo que representa.
• Demostrar que el Software de Matlab es el adecuado para las experiencias de Laboratorio de Sistemas
de Comunicaciones.

II. INTRODUCCION

A. Joseph Fourier
A mediados del ciclo IXX el matemático y físico Jean-Baptiste Joseph Fourier publica su Théorie
analytique de la chaleur (Teoría analítica del calor), tratado en el cual estableció la ecuación
diferencial parcial que gobierna la difusión del calor solucionándola mediante el uso de series
infinitas de funciones trigonométricas, lo que establece la representación de cualquier función
como series de senos y cosenos, ahora conocidas como las series de Fourier.
No fue hasta después de la muerte de Fourier en que dicha serie fue realmente valorada y rescatada
por matemáticos y físicos, al darse cuenta que cualquier función periódica con dominio del tiempo
puede expresarse como suma de funciones de senos y cosenos de frecuencias múltiplos de una
frecuencia 𝑓0 . Esto permitió entender y analizar las señales desde el punto de vista de las
frecuencias dando paso a las modulaciones de señales y dando inicio a las actuales
Telecomunicaciones, por ejemplo.

Figura 1. Retrato de Jean-Baptiste Joseph Fourier realizado por el pintor y dibujante francés Louis
Léopold Boilly
Universidad Nacional de Ingeniería
Facultad de Ingeniería Eléctrica, Electrónica y Telecomunicaciones
______________________________________________________________________

B. Teoría de Fourier

El análisis matemático de los métodos de modulación y de multicanalización de la señale utilizada en

los sistemas de comunicaciones supone portadora de forma de onda senoidal y señales de información.
Esto simplifica el análisis y hace predecible la operación; sin embargo, en el mundo real no todas las
señales de información son senoidales.
Estas señales requieren un enfoque no senoidal para determinar las características y el desempeño de
cualquier circuito o sistema de comunicación.
Uno de los métodos más utilizados para hacerlo es el análisis de Fourier, que proporciona una forma
de analizar con todo detalle el contenido de la mayoría de las señales no senoidales más compleja
C. Series de Fourier

Las funciones periódicas que se presentan en problemas prácticos con frecuencia son bastante
complicadas y es deseable representarlas en términos de funciones periódicas simples. Se verá que
casi cualquier función periódica f(t) de periodo 2𝜋 que aparezca en las aplicaciones (por ejemplo, con
relación a vibraciones) puede representarse por una serie trigonométrica la cual se denominará serie
de Fourier de f.

Las series de Fourier surgen de la tarea práctica de representar una función periódica f(t) dada en
términos de funciones coseno y seno. Estas series son trigonométricas cuyos coeficientes se
determinan a partir de f(t) mediante ciertas fórmulas (fórmulas de Euler), las cuales se establecerán
primero. Después se considerará la teoría de las series de Fourier.

-Fórmulas de Euler para los coeficientes de Fourier

Supongamos que f(t) es una función periódica de periodo 2𝜋 que puede representarse por una serie
trigonométrica
∞
a0
f(t) = + ∑(𝑎𝑛 cos(𝑛𝑡) + 𝑏𝑛 sin(𝑛𝑡)) (1)
2
𝑛=1

Es decir, se supone que esta serie converge y que tiene a f(t) como su suma. Dada una función f(t)
como esta, quieren determinarse los coeficientes 𝑎𝑛 y 𝑏𝑛 de la serie trigonométrica correspondiente.
Determinemos 𝑎𝑛:
Al integrar ambos miembros de (1) se obtiene:
𝜋 𝜋 ∞
a0
∫ 𝑓(𝑡)𝑑𝑡 = ∫ [ + ∑(𝑎𝑛 cos(𝑛𝑡) + 𝑏𝑛 sin(𝑛𝑡))]𝑑𝑡 (2)
−𝜋 −𝜋 2 𝑛=1

𝜋 𝜋 𝜋 ∞
a0
∫ 𝑓(𝑡)𝑑𝑡 = ∫ 𝑑𝑡 + ∑[∫ [𝑎𝑛 cos(𝑛𝑡) + 𝑏𝑛 sin(𝑛𝑡))]𝑑𝑡] (3)
−𝜋 −𝜋 2 −𝜋 𝑛=1

Las integrales del segundo miembro son cero, entonces:

1 𝜋
𝑎𝑛 = ∫ 𝑓(𝑡)𝑑𝑡 (4)
𝜋 −𝜋
Universidad Nacional de Ingeniería
Facultad de Ingeniería Eléctrica, Electrónica y Telecomunicaciones
______________________________________________________________________

Se determina 𝑎𝑛 𝑦 𝑏𝑛 multiplicando (1) por cos(𝑚𝑡), donde 𝑚 ∈ 𝑍 + , e integrados de −𝜋 a 𝜋

𝜋 𝜋 ∞
a0
∫ 𝑓(𝑡) cos(𝑚𝑡) 𝑑𝑡 = ∫ [ + ∑(𝑎𝑛 cos(𝑛𝑡) + 𝑏𝑛 sin(𝑛𝑡))]𝑑𝑡
−𝜋 −𝜋 2 𝑛=1

1 𝜋
𝑎𝑚 = ∫ 𝑓(𝑡) cos(𝑚𝑡) 𝑑𝑡 (5)
𝜋 −𝜋

𝑏𝑛 se halla multiplicando (1) por sin(𝑚𝑡)

1 𝜋
𝑏𝑚 = ∫ 𝑓(𝑡)sin(mt)𝑑𝑡 (6)
𝜋 −𝜋

En general la serie de Fourier se define como:

∞
a0
f(t) = + ∑(𝑎𝑛 cos(𝑛𝑡) + 𝑏𝑛 sin(𝑛𝑡)) (7)
2
𝑛=1

Donde:
𝑇
𝑎0 1 2
= ∫ 𝑓(𝑡)𝑑𝑡 (8)
2 𝑇 −𝑇
2
𝑇
2 2
𝑎𝑛 = ∫ 𝑓(𝑡) cos(𝑛𝑤0 𝑡) 𝑑𝑡 (9)
𝑇 −𝑇
2
𝑇
2 2
𝑏𝑛 = ∫ 𝑓(𝑡) sin(𝑛𝑤0 𝑡) 𝑑𝑡 (10)
𝑇 −𝑇
2

Donde T es el periodo de la función 𝑓(𝑡).

D. Espectro de Frecuencia
Análisis se refiere a la acción de descomponer algo complejo en partes simples o identificar en ese
algo complejo las partes más simples que lo forman. Como se ha visto, hay una base física para
modelar la luz, el sonido o las ondas de radio en superposición de diferentes frecuencias. Un proceso
que cuantifique las diversas intensidades de cada frecuencia se llama análisis espectral.
Matemáticamente el análisis espectral está relacionado con una herramienta llamada transformada de
Fourier o análisis de Fourier. Dada una señal o fenómeno ondulatorio de amplitud 𝑠(𝑡) esta se puede
escribir matemáticamente como la siguiente combinación lineal generalizada:

𝑠(𝑡) = ∫ 𝐴(𝑣)𝑒 −2𝜋𝑖𝑣𝑡 𝑑𝑤 (11)

𝑅

Es decir, la señal puede ser concebida como la transformada de Fourier de la amplitud 𝐴 = 𝐴(𝑣). Ese
análisis puede llevarse a cabo para pequeños intervalos de tiempo, o menos frecuentemente para
intervalos largos, o incluso puede realizarse el análisis espectral de una función determinista (tal como
sin(𝑡)
𝑡
). Además, la transformada de Fourier de una función no solo permite hacer una descomposición
espectral de los formantes de una onda o señal oscilatoria, sino que con el espectro generado por el
Universidad Nacional de Ingeniería
Facultad de Ingeniería Eléctrica, Electrónica y Telecomunicaciones
______________________________________________________________________

análisis de Fourier incluso se puede reconstruir (sintetizar) la función original mediante la

transformada inversa. Para poder hacer eso, la transformada no solamente contiene información sobre
la intensidad de determinada frecuencia, sino también sobre su fase. Esta información se puede
representar como un vector bidimensional o como un número complejo. En las representaciones
gráficas, frecuentemente solo se representa el módulo al cuadrado de ese número, y el gráfico
resultante se conoce como espectro de potencia o densidad espectral de potencia (SP):
Es importante recordar que la transformada de Fourier de una onda aleatoria, mejor dicho, estocástica,
es también aleatoria. Un ejemplo de este tipo de onda es el ruido ambiental. Por tanto, para representar
una onda de ese tipo se requiere cierto tipo de promediado para representar adecuadamente la
distribución frecuencial. Para señales estocásticas digitalizadas de ese tipo se emplea con frecuencia
la transformada de Fourier discreta. Cuando el resultado de ese análisis espectral es una línea plana la
señal que generó el espectro se denomina ruido blanco.

Figura 2. Una onda triangular representada en el dominio temporal (arriba) y en el dominio frecuencia (abajo).
La frecuencia fundamental está en torno a 220 Hz.

E. Software Matlab
MATLAB es el nombre abreviado de “MATrix LABoratory”. MATLAB es un programa para
realizar cálculos numéricos con vectores y matrices. Como caso particular puede también trabajar
con números escalares tanto reales como complejos, con cadenas de caracteres y con otras
estructuras de información más complejas. Una de las capacidades más atractivas es la de realizar
una amplia variedad de gráficos en dos y tres dimensiones, y además posee un lenguaje de
programación propio.

MATLAB es un gran programa de cálculo técnico y científico. Para ciertas operaciones es muy
rápido, cuando puede ejecutar sus funciones en código nativo con los tamaños más adecuados
para aprovechar sus capacidades de vectorización. MATLAB dispone de un código básico y de
varias librerías especializadas (toolboxes).
Universidad Nacional de Ingeniería
Facultad de Ingeniería Eléctrica, Electrónica y Telecomunicaciones
______________________________________________________________________

III. RESPUESTAS A PREGUNTAS

1. ¿La función seno y coseno son funciones periódicas? - Explicar.

Una señal periódica es aquella que se repite en una forma predecible cada T segundos, donde T es el
período de repetición de la señal, es decir,
𝑥𝑇 (𝑡) = 𝑥𝑇 (𝑡 + 𝑇), para todo t (12)
donde T es el período de la señal y es el valor más pequeño que satisface la expresión (12).
La señal 𝑥𝑇 (𝑡) puede considerarse como la repetición periódica de una señal x(t) de duración finita,
algunas veces llamada “señal generatriz o generadora” de 𝑥𝑇 (𝑡), en cualquier intervalo de duración
T, como se muestra en la Fig. 3. El período T debe ser igual o mayor que la duración de su señal
generatriz.

Figura 3. Generación de una señal periódica

De (12) se sigue que para un entero k cualquiera.
∝

𝑥𝑇 (𝑡) = 𝑥𝑇 (𝑡 + 𝑘𝑇) = ∑ 𝑥(𝑡 − 𝑛𝑇) (13)

𝑛=−∞

Aún más, si 𝑥𝑇 (𝑡) y 𝑔𝑇 (𝑡) tienen el mismo periodo T, entonces, con a y b dos constantes reales,
𝑦𝑇 (𝑡) = 𝑎𝑥𝑇 (𝑡) + 𝑏𝑔𝑇 (𝑡) será también periódica de periodo T.
En particular, si la señal 𝑥𝑇 (𝑡) = cos(𝑤1 𝑡) + cos(𝑤2 𝑡) es periódica de periodo T, entonces debe ser
posible encontrar dos números enteros m y n tales que.
𝑤1 𝑓 𝑚 𝑤1 𝑇 = 2𝜋𝑓1 𝑇 = 2𝜋𝑚
𝑤2
= 𝑓1 = {
𝑛 𝑤2 𝑇 = 2𝜋𝑓2 𝑇 = 2𝜋𝑛
2

𝑤
La fracción m/n o 𝑤1 debe ser una fracción racional irreducible para que 𝑥𝑇 (𝑡) sea periódica. Si la
2
fracción m/n no es racional se dice que la señal 𝑥𝑇 (𝑡) es “cuasi-periódica”
Demostración de la función senoidal usando la ecuación (12):
𝑥𝑇 (𝑡) = 𝑥𝑇 (𝑡 + 𝑇), para todo t
Donde 𝑥𝑇 (𝑡) = sin(𝑤𝑡)
Entones se debe demostrar que debe existir un T que cumple con la siguiente ecuación:
sin(𝑤𝑡) = sin(𝑤𝑡 + 𝑇)
Desarrollando trigonométricamente el segundo término:
Universidad Nacional de Ingeniería
Facultad de Ingeniería Eléctrica, Electrónica y Telecomunicaciones
______________________________________________________________________

sin(𝑤𝑡) = sin(𝑤𝑡) cos(𝑇) + cos(𝑤𝑡) sin(𝑇)

Por independencia lineal se tiene que cumplir que:
cos(𝑇) = 1 ∧ sin(𝑇) = 0
Entonces: 𝑇 = 𝑛𝐾, 𝑛 𝜖 𝑍
Entonces se dice que las funciones trigonométricas seno y coseno son periódicas.
2. Detallar:
a) Las propiedades de los coeficientes par o impar de Fourier;
Como se sabe la Serie de Fourier es:
∞
a0
xT(t) = + ∑(𝑎𝑛 cos(𝑛𝑡) + 𝑏𝑛 sin(𝑛𝑡))
2
𝑛=1

1. 𝑎0 es la componente continua o valor promedio de 𝑥𝑇(𝑡) y puede ser una magnitud positiva,
negativa o cero.
2. Si 𝑥𝑇(𝑡) es real, entonces 𝑎𝑛 𝑦 𝑏𝑛 son reales y depende de la naturaleza de 𝑥𝑇(𝑡)
2.1 Si 𝑥𝑇(𝑡) es par, es decir si 𝑥𝑇(𝑡) = 𝑥𝑇(−𝑡), entonces 𝑏𝑛 = 0; |𝑋𝑛| = 𝑎𝑛 ; 𝜙𝑛 = 0, y

2.2 Si 𝑥𝑇(𝑡) es impar, es decir, si 𝑥𝑇(𝑡) = −𝑥𝑇(−𝑡), entonces 𝑎0 = 0; 𝑎𝑛 = 0, |𝑋𝑛| =

𝜋
𝑏𝑛 , ; 𝜙𝑛 = − 2 , y.

2.3 Si 𝑥𝑇(𝑡) no es par ni impar, el desarrollo de Fourier es simplemente el desarrollo directo de

los dos casos vistos anteriormente.

b) Identidad de Parseval;
El Teorema de Parseval permite calcular tanto la potencia total de una señal como la distribución de
esta potencia en las distintas frecuencias. Obsérvese que el teorema requiere solamente del
conocimiento de la característica de amplitud |𝑋𝑛| ; la fase no interviene.
Universidad Nacional de Ingeniería
Facultad de Ingeniería Eléctrica, Electrónica y Telecomunicaciones
______________________________________________________________________

En general, la potencia compuesta de n señales independientes es igual a la suma de las potencias

individuales de las señales, siempre y cuando no coincidan las frecuencias de algunas componentes.
En este último caso hay que tomar en cuenta los factores de fase correspondientes, pues al sumarse
las componentes puede ocurrir interferencia destructiva.

c) Relación entre los coeficientes de Fourier y su derivada.

Este método evita el tedioso método de la integración para lo cual se utilizan las funciones
singulares y las propiedades de la función impulso o funciones DELTA DE DIRAC.
Este método es práctico y permite evaluar directamente los coeficientes de la serie de Fourier, la
función periódica f(t) se expresa en términos de funciones y utiliza las derivadas de las funciones
singulares para expresar f(t) o sus derivadas en términos de las funciones impulso o delta de Dirac.

Obteniendo

3. Explicar detalladamente las condiciones de DRICHLET.

i. Condiciones de Dirichlet:
Las condiciones que una determinada función f(x) debe cumplir para poder ser representada como
una serie de Fourier, se conocen con el nombre de condiciones de Dirichlet las cuales pueden ser
esquematizadas en los siguientes puntos. Para que una función f(x) sea susceptible de ser expandida
en series de Fourier debe ser:

1. Periódica.
2. Univaluada y continua a trozos (continua menos, en un numero finito de puntos) con un
número finito de máximos y mínimos.
3. Para que las series de Fourier existan, los coeficientes de Fourier deben ser finitos, esta
condición garantiza su existencia.
ii. Teorema de convergencia de Dirichlet
Universidad Nacional de Ingeniería
Facultad de Ingeniería Eléctrica, Electrónica y Telecomunicaciones
______________________________________________________________________

Sea f: R→R una función periódica de periodo T que satisface las condiciones de Dirichlet y sea:

Si f es continua en un punto t, entonces la serie de Fourier converge en ese punto a f(t). Si f tiene
discontinuidad de salto en el punto t, entonces la serie de Fourier converge en ese punto al punto
medio del salto.

4. Explicar el fenómeno de Gibbs,

El fenómeno de Gibbs explica que en puntos cercanos a una discontinuidad de una función “f”, las
sumas parciales de la Serie de Fourier de “f” presentan un comportamiento oscilatorio que excede del
valor del salto de discontinuidad.

Figura 4. Fenómeno de Gibbs en una onda cuadrada-.

5. Desarrolle analíticamente el espectro de frecuencias para la función que fue
asignado a su grupo.
Al grupo 1 se le fue asignado una función impar cuadrada de periodo 2ms y una amplitud pico pico
de 20.
Universidad Nacional de Ingeniería
Facultad de Ingeniería Eléctrica, Electrónica y Telecomunicaciones
______________________________________________________________________

Figura 5. Gráfica del pulso cuadrado impar

Para esto podemos usar en Matlab la transformada rápida de Fourier.
clear all, clc, close all
Fs=1000;
T=1/Fs;
L=1500;
t=(0:L-1)*T;
A=10;
A2=0.5;
F1=50;
w0=2*pi*F1;
y=10*square(2*pi*F1*t);
figure (1)
plot(t(1:100),y(1:100))

f=Fs*(0:(L/2))/L;
Y=fft(y);
P2=abs(Y/L);
P1=P2(1:L/2+1)*2;
figure(2)
plot(f,P1);

k=3;
s=0;
for n=1:k
p=(-20*(cos(n*pi)-1)/(n*pi))*sin(n*w0*t);
s=s+p;

end
figure(3)
plot(t(1:100),s(1:100))
Universidad Nacional de Ingeniería
Facultad de Ingeniería Eléctrica, Electrónica y Telecomunicaciones
______________________________________________________________________

Figura 6. Gráfica del espectro de frecuencia de la función cuadrado impar

También podemos obtener de manera analítica el espectro de frecuencia de la señal cuadrada usando
la serie de Fourier.
40 1 1
𝑥(𝑡) = [sin(𝑛𝑤𝑜 𝑡) + sin(𝑛𝑤𝑜 𝑡) + sin(𝑛𝑤𝑜 𝑡) + ⋯ ]
𝜋 3 5
De la serie de Fourier se observa que:
40
• Para el primer armónico de 50Hz se observa una amplitud de ≈ 12.73
𝜋
• Para el segundo armónico de 100Hz se observa una amplitud de 0 al tratarse de un coeficiente
par.
40
• Para el tercer armónico de 150Hz se observa una amplitud de 3𝜋 ≈ 4.24
• Para el cuarto armónico de 200Hz se observa una amplitud de 0 al tratarse de un coeficiente par.
40
• Para el quinto armónico de 250Hz se observa una amplitud de 5𝜋 ≈ 12.54
• Para el sexto armónico de 300Hz se observa una amplitud de 0 al tratarse de un coeficiente par.
Entonces podemos obtener el espectro de frecuencia tanto por la serie de Fourier, así como en el
Software Matlab.
Universidad Nacional de Ingeniería
Facultad de Ingeniería Eléctrica, Electrónica y Telecomunicaciones
______________________________________________________________________

IV. EQUIPOS Y MATERIALES

Figura 7. Software Matlab

Para esta experiencia se uso el programa Matlab para realizar los gráficos correspondientes para la
función respectiva tanto para el dominio del tiempo como la frecuencia.
V. SIMULACIÓN

Para este presente Informe Previo solo se utilizo el software de Matlab para realizar la gráfica del
espectro de frecuencia que se detallara a continuación:
clear all, clc, close all
Fs=1000; %Frecuencia de muestreo
T=1/Fs; %Periodo
L=1500;
t=(0:L-1)*T ;
A=10; %Amplitud de la onda Cuadrada
A2=0.5;
F1=50; %Frecuencia fundamental
w0=2*pi*F1;
y=10*square(2*pi*F1*t); %Funcion cuadrada
figure (1) %Graficar function cuadrada
plot(t(1:100),y(1:100))

f=Fs*(0:(L/2))/L;
Y=fft(y); %Transformada rápida de Fourier
P2=abs(Y/L); %valor absoluto de la fft
P1=P2(1:L/2+1)*2; %Espectro de frecuencias
figure(2)
plot(f,P1);

k=3; %Numero de armónicos que se desea para la serie de Fourier

s=0;
for n=1:k
p=(-20*(cos(n*pi)-1)/(n*pi))*sin(n*w0*t);
s=s+p;

end
figure(3) %Grafica de la serie de Fourier para los enésimos armónicos
plot(t(1:100),s(1:100))
Universidad Nacional de Ingeniería
Facultad de Ingeniería Eléctrica, Electrónica y Telecomunicaciones
______________________________________________________________________

Figura 8. Simulación en el Software Matlab

Como se observa en la figura 8 se tienen 3 figuras, la primera figura (izquierda) representa la función
cuadrado de 10 de amplitud y un periodo de 0.02 seg (50Hz). En la segunda (medio) se obtiene el
espectro de la frecuencia donde se visualiza las frecuencias y sus respectivas amplitudes. Por último,
en la tercera figura (derecha) se observa una función aproximadamente cuadrada, pues es el resultado
de tomar los 7 primeros armónicos.

VI. BIBLIOGRAFÍA

Colocar la bibliografia que han usado para presentar su informe previo del siguiente modo:

[1] Robert L. Boylestad and Louis Nashelsky, Electroni devices and circuit theory, 10th edition.
[2] JACOB MILLMAN, "Microelectronics: Digital and Analog Circuits and S
[3] G. E. TOBEY, "Operational Amplifiers; Design and Applications", Publisher: McGraw-
Hill.
[4] Fuente del navegador https:// es.wikipedia.org/wiki/Espectro_de_frecuencias
[5] Fuente del navegador https:// es.wikipedia.org/wiki/Joseph_Fourier

[6] José E. Briceño Márquez, “Principios de las Comunicaciones”

VII. FECHA
Lima, 11/05/2021