FACULTAD DE INGENIERIA ELECTRICA Y ELECTRONICA

ESCUELA PROFESIONAL DE INEGENIERIA ELECTRONICA

TELECOMUNICACIONES II

TEMA: ANÁLISIS DE SEÑALES CON EL USO DE MATLAB U OCTAVE.

PROFESOR(A):

- CHAVEZ IRAZABAL WILBERT

ALUMNOS:

- ESCOBEDO MEDINA LUIS 1723225394

- GONZALES SARAVIA LEONARDO 1723215074

- ANDRADE HINOSTROZA ANDRES 1513220503

TURNO:
- 90G

2021-B
 1. TEMA
ANALISIS ESPECTRAL DE MATLAB
2. OBJETIVOS
2.1. Aplicar los conceptos relacionados a la teoría de análisis de señal en el dominio
del tiempo y la frecuencia.
2.2. Utilizar Matlab para analizar señales en el dominio del tiempo y la frecuencia.
3. MARCO TEORICO
Señales Periódicas y No Periódicas:
Las señales se pueden clasificar según sean de energía o de potencia.
Señal de energía: Una señal se dice que es de energía si su E es finita lo que implica que su
potencia es cero; una señal no periódica es una señal de energía, ya que su energía es finita
y diferente de cero.
Señal de Potencia: Una señal se dice que es de potencia si su potencia es finita, lo que
implica que su energía es infinita; una señal periódica es una señal de potencia ya que su
potencia es finita y diferente de cero.
Espectro de una señal: El espectro de una señal está relacionado con todo el conjunto de
frecuencias que la constituyen y se muestra usando un gráfico en el dominio de la
frecuencia.
Densidad Espectral de Potencia: Se define para señales de potencia y determina la
contribución en potencia de las diferentes componentes de frecuencia constitutivas de la
señal. Es de utilidad en la descripción de cómo el contenido de potencia de señales y ruido
es afectado por filtros y otros dispositivos en un sistema de comunicaciones.
Para una señal periódica, w(t), la densidad espectral de potencia espectral de potencia (t)
está dada por:

Dónde: Fn representa a los coeficientes de Fourier, fo es la frecuencia de la señal, y ( f )

es la función delta de Dirac.
El espectro de Fourier constituye el gráfico de los Fn en función f, de manera que para una
señal periódica el espectro solo existe en valores discretos de f.
Filtros:
Son sistemas caracterizados por una entrada y una salida de forma que en la salida sólo
aparecen parte de las componentes de frecuencia de la señal de entrada. De acuerdo a su
respuesta en frecuencia se clasifican en:
- Filtro Pasa bajo: Un filtro paso bajo corresponde a un filtro caracterizado por
permitir el paso de las frecuencias más bajas y atenuar las frecuencias más altas.
- Filtro Pasa banda: Es un tipo de filtro que deja pasar un determinado rango de
frecuencias de una señal y atenúa el paso del resto.
- Filtro Pasa alto: Es un tipo de filtro en cuya respuesta en frecuencia se atenúan las
componentes de baja frecuencia, pero no las de alta frecuencia.
 4. TRABAJO PREPARATORIO
4.1. Leer y entender el marco teórico expuesto en las hojas guías.
Ruido blanco: Es un caso particular de proceso estocástico WSS en el cual las variables
aleatorias que lo forman no están correlacionadas. Es decir, si se tiene un proceso estocástico
𝑤(𝑘) WSS (que supondremos de tiempo discreto y real, de manera equivalente para procesos
de tiempo continuo), debe ocurrir entonces que:

Si, en lugar de tener la distribución de probabilidad del proceso, lo que tenemos es una
realización temporal del mismo en forma de vector columna w (lo más usual), entonces las
ecuaciones anteriores se expresarán normalmente en forma matricial.

Como el proceso no está correlacionado, su función de autocorrelación es una delta y su

densidad espectral de potencia (PSD) 𝑆𝑆𝑋𝑋 (𝑓) es una constante.

4.2. Consultar sobre las funciones de Matlab para procesamiento de señales:

Filter: Filtra los datos de entrada utilizando una función de transferencia racional definida
por los coeficientes del numerador y del denominador.
Designfilt: Diseña un digitalFilter objeto d, con tipo de respuesta resp. Especifique más el
filtro utilizando un conjunto de Name, Valuepares.
Fvtool: La herramienta de visualización de filtros es una herramienta interactiva que le
permite mostrar la magnitud, la respuesta de fase, el retardo de grupo, la respuesta al impulso,
la respuesta al paso, la gráfica de polo cero y los coeficientes de un filtro.
Filtfilt: Realiza un filtrado digital de fase cero procesando los datos de entrada x, tanto en la
dirección directa como en la inversa.
Freqz: Devuelve el vector de respuesta de frecuencia de punto h y el vector de frecuencia
angular correspondiente w para el filtro digital con coeficientes de función de transferencia
almacenados en b y a.
Randn: Devuelve un escalar aleatorio extraído de la distribución normal estándar.
 4.3. Consultar sobre la sintaxis de lazos de repetición (for, while) y de condición
(if, switch) usados en Matlab (equivalente en OCTAVE).
For: Ejecuta un grupo de declaraciones en un bucle durante un número específico de veces.
While: Evalúa una expresión y repite la ejecución de un grupo de declaraciones en un ciclo
mientras la expresión es verdadera.
If: Ejecutar sentencias si la condición es verdadera.
switch: Ejecute uno de varios grupos de declaraciones
4.4. Consultar y detallar el funcionamiento de los comandos que permitan
obtener el espectro de frecuencia de una señal.
Fft: Esta función de MATLAB calcula la transformada discreta de Fourier (DFT) de X
utilizando un algoritmo de transformada de Fourier rápida (FFT).
Pspectrum: Devuelve el espectro de potencia de una señal de vector o matriz muestreada a
una velocidad fs.
Fftshift: Reordena una transformada de Fourier X desplazando el componente de frecuencia
cero al centro de la matriz.
4.5. Graficar en el tiempo el producto de funciones g31 y g32 en los siguientes
casos:
𝑔31 = 𝑎1 𝑠𝑖𝑛⁡(2𝜋𝑓1 𝑡)
𝑔32⁡𝑢𝑛𝑎⁡𝑓𝑢𝑛𝑐𝑖𝑜𝑛⁡𝑑𝑖𝑒𝑛𝑡𝑒⁡𝑠𝑖𝑒𝑟𝑟𝑎⁡𝑠𝑖𝑚𝑒𝑡𝑟𝑖𝑐𝑎⁡𝑐𝑜𝑛⁡𝑎𝑚𝑝𝑙𝑖𝑡𝑢𝑑⁡𝐴, 𝑝𝑒𝑟𝑖𝑜𝑑𝑜⁡𝑇 = 1/𝑓2
Para los valores de frecuencia f1= 150 KHz, f2= 15 KHz, a1= 0.5,A = 3
ℎ(𝑡) = 𝑔31(𝑡) ∗ 𝑔32(𝑡)
clc
f1 = input('ingrese la frecuencia 1:');
f2 = input('ingrese la frecuencia 2:');
t1=linspace(0,2/f1,500);
t2=linspace(0,2/f2,500);
% FUNCION SENO
g=0.5*sin(2*pi*f1*t1);
% DIENTE SIERRA
sierra=0 ;
for n=1:100
if(mod(n,2)==0)
signo=-1;
else
signo=1;
end
sierra=sierra + signo*(3/n)*sin(2*pi*n*f2*t2);
end
y=sierra.*g;
subplot(3,1,1)
plot(t1,g);
title('F1=FUNCION SENO')
grid on
subplot(3,1,2)
plot(t2,sierra)
title('F2= FUNCION DIENTE SIERRA ')
grid on
subplot(3,1,3)
plot((t1.*t2),y);
title('MULTIPLICACION DE LAS FUNCIONES F1*F2 ')
grid on

GRAFICA EN MATLAB:
 4.6. Graficar en Matlab u octave la figura 1:
Hallamos las funciones de la gráfica:

A partir de la gráfica obtenemos la función:

4𝐴 2𝐴 𝑇
𝑥+ ⁡; 0 < 𝑥 < ⁡
3𝑇 3 4
𝑇 𝑇
0;⁡ < 𝑥 <
𝑓(𝑥) = 4 2
4𝐴 2𝐴 𝑇 3𝑇
⁡− 𝑥+ ;⁡ < 𝑥 <
3𝑇 3 2 4
3𝑇
{ ⁡0⁡; < 𝑥 < 𝑇⁡ }
4
clc;
close all;
clear all;
%INGRESAMOS EL VALOR DE LA AMPLITUD
A=input ('Ingrese la amplitud:');
%INGRESAMOS EL VALOR DEL PERIODO
T=input ('Ingrese el periodo:');
%T=1/F;
%SE CREA EL VECTOR DE TIEMPO
x=0:0.00001: T;
%INGRESAMOS LA FUNCION A DIBUJAR
f=((x>0)&(x<(T/4))).*((((4*A)/(3*T))*x)+((2*A)/3))+((x>=T/4)&(x<=T
/2)).*(x*0)+((x>=T/2)&(x<=(3*T)/4)).*(-
(((4*A)/(3*T))*x)+(5*A/3))+((x>=3*T/4)&(x<=T)).*(x*0);
plot (x, f,'g','linewidth',2)
grid on
xlabel ('PERIODO T')
ylabel ('AMPLITUD A')
GRAFICA EN MATLAB:

5. EQUIPOS Y MATERIALES
• Computadora
• Software MatLab
• Software OCTAVE
 6. PROCEDIMIENTO:
6.1. Crear los siguientes filtros, mostrar su respuesta de frecuencia: Filtro pasa bajos,
con:
- Frecuencia de corte: 2KHz

Diseño genérico del circuito:

Función de transferencia:
1
𝑉0
(𝑠) = 𝐶𝑅
𝑉𝑖 1
𝑠 + 𝐶𝑅

Ecuación para diseño:

1
𝑅=
2𝜋𝑓𝑐 𝐶
Damos el valor al capacitor:
𝑓𝑐 = 2000ℎ𝑧⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡𝐶 = 1𝑢𝐹⁡⁡⁡⁡𝑅 = 79.57Ω

Código en Matlab:

%pregunta 6
%filtro pasa bajo
t=0:0.001:10;
f=1;
w=2*pi*f;
x=10*sin(w*t);
d=wgn(1,size(t,2),2);
g=x+d;%funcion de la señal
fc=2000 %frecuencia de corte de 2kHz
C=1e-6 %valor del capacitor
R=1/(2*pi*fc*C) %ecuacion para hallar R
num=[0 1/(R*C)]
den=[1 1/(R*C)]
figure(1)
subplot (2,1,1)
plot(t,g)
G=tf(num,den); %funcion de transferencia
figure(2)
bode(G); %diagrama de bode
grid on
figure(1)
subplot(2,1,2)
lsim(G,g,t)
grid on

Simulación:
Diagrama de bode:

• Filtro pasa altos, con frecuencia de corte: 20KHz

Diseño genérico del circuito

Función de transferencia

𝑉0 𝑠
(𝑠) =
𝑉𝑖 1
𝑠 + 𝐶𝑅
Ecuación para diseño

1
𝑅=
2𝜋𝑓𝑐 𝐶
Dando valor al capacitor:

𝑓𝑐 = 2000ℎ𝑧⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡𝐶 = 1𝑢𝐹⁡⁡⁡⁡𝑅 = 79.57Ω

Código en MATLAB:

%filtro pasa alto:

clc
clear
t=0:0.00001:10;
f=1;
w=2*pi*f
x=5*sin(w*t)+ wgn(1,size(t,2),2); % funcion de la señal
fc=20000 % frecuencia de corte de 20kHz
C=1e-6 % valor del capacitor
R=1/(2*pi*fc*C) % ecuacion para hallar la r
num=[1 0];
den=[1 1/(R*C)];
figure(1)
subplot (2,1,1)
plot(t,x)
G=tf(num,den) % funcion de tranferencia
figure(2)
bode(G) %diagrama de bode
grid on
figure(1)
subplot(2,1,2)
lsim(G,x,t) % señal de salida
grid on
Simulación:

Diagrama de bode:
 • Filtro pasa banda, con frecuencias de corte: 8KHz y 9KHz
Diseño genérico del circuito 1

Función de transferencia

𝑅
𝑉0 𝑠𝐿
(𝑠) =
𝑉𝑖 𝑅 1
𝑠 2 + 𝑠 𝐿 + 𝐿𝐶

1 𝑄𝑅
Ecuación para diseño: 𝐶 = 2𝜋𝑓 𝑄𝑅 ; 𝐿 = 2𝜋𝑓
𝑐 𝑐

Dando los valores correspondientes: 𝑓𝑐 = 8.5𝑘ℎ𝑧⁡⁡⁡⁡⁡⁡⁡⁡⁡𝑅 = 80Ω⁡⁡⁡⁡⁡⁡⁡𝑄 = 2

El resultado es el siguiente: 𝐶 = 0.117𝑢𝐹⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡𝐿 = 18,72𝑢𝐻

Código en Matlab:
%pregunta6
%filtro pasa banda
t=0:0.001:10;
f=5;
w=2*pi*f;
x=10*sin(w*t)+wgn(1,size(t,2),2);%funcion de la señal
fc=8500 %frecuencia de corte de 8,5Khz
R=80 %valor de la resistencia
Q=2
C=1/(2*pi*fc*Q*R);
L=(Q*R)/(2*pi*fc);
num=[(R/L) 0]
den=[1 R/L 1/(L*C)]
figure(1)
subplot (2,1,1)
plot(t,x)
G=tf(num,den); %funcion de transferencia
figure(2)
bode(G); %diagrama de bode
grid on
figure(1)
subplot(2,1,2)
lsim(G,x,t)
grid on
Simulación:
 6.2. Generar mediante un archivo .m (su equivalente en octave) una señal
senoidal de amplitud A, de frecuencia f; añadirle ruido blanco con una
amplitud de B, y hacer pasar a esta señal por los filtros creados en el punto
6.1. Mostrar la señal antes y después del filtro, y notar la diferencia entre
cada caso. Mostrar la variación del espectro en frecuencia y la densidad
espectral de potencia.
Código en Matlab
Filtro Pasa Bajo:

%pregunta 6.2
Fs=10000; %Frecuencia de muestreo
t=0:1/Fs:150;
x=20*sin(2*pi*10*t)+20*randn(size(t)); %funcion de la señal más el
ruido blanco
%filtro pasa bajo
fc1=2000, %frecuencia de corte
C1=1e-6; %valor del capacitor
R1=1/(2*pi*fc1*C1) %ecuación para hallar la r
num1=[0 1/(R1*C1)]
den1=[1 1/(R1*C1)]
R=tf(num1,den1)%funcion de transferencia
figure(1)
lsim(R,x,t)
z1=lsim(R,x,t);
grid on
%Espectro de Frecuencia y densidad espectral
N=length(x);xdft=fft(x);xdft=(1:N/2+1);
psdx=(1/Fs*N).*abs(xdft).^2; freq=0:Fs/length(x):Fs/2;
psdx(2:end-1)=2*psdx(2:end-1);
figure(2)
subplot(2,1,1)
periodogram(x,rectwin(length(x)),length(x),Fs)
y=0:1/Fs:1-1/Fs; N=length(z1);
xdft1=fft(z1);xdft1=xdft1(1:N/2+1);
psdx1=(1/(Fs*N))*abs(xdft1).^2;
freq=0:Fs/length(z1):Fs/2;
subplot(2,1,2)
periodogram(z1,rectwin(length(z1)),length(z1),Fs)

Diagrama de Pasa bajo, el Espectro de Frecuencia y Densidad Espectral

Filtro Pasa Alta:
Código en Matlab:
clc
clear
Fs = 10000 ;% frecuencia de muestreo
t=0:1/Fs:100;
x=5*sin(2*pi*10*t)+ 6*randn(size(t)); % funcion de la señal mas el
ruido blanco
% FILTRO PASA ALTO
fc2=20000 % frecuencia de corte
C2=1e-6 % valor del capacitor
R2=1/(2*pi*fc2*C2) % ecuacion para hallar la r
num2=[1 0];
den2=[1 1/(R2*C2)];
G2=tf(num2,den2) % funcion de tranferencia
figure(1)
lsim(G2,x,t) % señal de salida
gxy2=lsim(G2,x,t);
grid on
% PROGRAMA PARA HALLAR EL ESPECTRO DE FRECUENCIA Y LA DENSIDAD
ESPECTRAL
N=length(x); xdft=fft(x); xdft=(1:N/2 + 1);
psdx=(1/Fs*N) .* abs(xdft).^2; freq = 0:Fs/length(x):Fs/2;
psdx(2:end-1) = 2*psdx(2:end-1);
figure(2)
subplot(2,1,1)
periodogram(x,rectwin(length(x)),length(x),Fs)
y= 0:1/Fs:1-1/Fs; N = length(gxy2);
xdft2 = fft(gxy2); xdft2 = xdft2(1:N/2+1);
psdx2 = (1/(Fs*N)) * abs(xdft2).^2;
freq = 0:Fs/length(gxy2):Fs/2;
subplot(2,1,2)
periodogram(gxy2,rectwin(length(gxy2)),length(gxy2),Fs)
Diagrama de Pasa Alto, el Espectro de Frecuencia y Densidad Espectral
Filtro Pasa Banda:
Código en Matlab:
clc
clear
Fs = 10000 ;% frecuencia de muestreo
t=0:1/Fs:100;
x=5*sin(2*pi*10*t)+ 6*randn(size(t)); % funcion de la señal mas el
ruido blanco
%FILTRO PASA BANDA
fo=8500 % frecuencia de corte
R3=80 % valor de la resistencia
Q3=2 % factor de calidad
C3=1/(2*pi*fo*Q3*R3)
L3=1/(2*pi*fo)
num3=[R3/L3 0];
den3=[1 R3/L3 1/(L3*C3)];
G3=tf(num3,den3);
figure(1)
lsim(G3,x,t);
gxy3=lsim(G3,x,t);
% PROGRAMA PARA HALLAR EL ESPECTRO DE FRECUENCIA Y LA DENSIDAD
ESPECTRAL
N=length(x); xdft=fft(x); xdft=(1:N/2 + 1);
psdx=(1/Fs*N) .* abs(xdft).^2; freq = 0:Fs/length(x):Fs/2;
psdx(2:end-1) = 2*psdx(2:end-1);
figure(2)
subplot(2,1,1)
periodogram(x,rectwin(length(x)),length(x),Fs)
y= 0:1/Fs:1-1/Fs;
N = length(gxy3);
xdft3 = fft(gxy3); xdft3 = xdft3(1:N/2+1);
psdx3 = (1/(Fs*N)) * abs(xdft3).^2;
psdx(2:end-1) = 2*psdx(2:end-1); freq = 0:Fs/length(gxy3):Fs/2;
subplot(2,1,2)
periodogram(gxy3,rectwin(length(gxy3)),length(gxy3),Fs)
Diagrama de pasa banda, El Espectro de Frecuencia y Densidad Espectral
 6.3. Implementar la serie de Fourier y graficarla en el dominio del tiempo dentro de
un archivo .m (su equivalente en octave), a partir de la función periódica
SENOIDAL, TRIANGULAR y CUADRADA. Además, mostrar el espectro en
frecuencia y la densidad espectral de potencia.

Código en Matlab:
%6.3
clc %borramos pantalla
clear all
%borramos todas las variables almacenadas
ep = input('Ingrese el número de armonicos: ');
Amp = 5 %Amplitud
T = 20 %Período
Wo = (2 * pi)/T; %Frecuencia
e = T/6; %Ancho de la señal
x = 0 : 0.1 : 10*T ;
%Incremento en 0.1
r( 1 : size( x, 2 ) ) = Amp*sin(Wo*x);
x1 = 0 : 0.1 : 10*T; %Incremento en 0.1
r1( 1 : size( x1, 2 ) ) = Amp*square(Wo*x);
%comando square: hace avriar entre -Amp y +Amp
x2 = 0: 0.1 :10*T; %Incremento en 0.1
r2( 1 : size( x2, 2 ) ) = Amp * sawtooth(Wo *x);
p =[x x1 x2];
%creamos vector p
m=[r r1 r2];
%creamos vector m
%Creamos mini menú para el usuario:
disp('¿Qué gráfica desea obtener?: ');
disp('1. Cuadrada');
disp('2. Senoidal');
disp('3. Diente sierra');
gr=input('Ingrese opción: ');
switch gr
case 1
r=r1;
case 2
r=r;
case 3
r=r2;
end
Co = ( 1 / T ) * trapz( x, r );
%Para le complejo conjugado
Ao = Co;
for n = 1 : ep
c( n ) = ( 1 / T ) * trapz( x, r .* exp( -1i * n * Wo * x ) );
con( n ) = conj( c( n ) );
A( n ) = 2 * abs( c( n ) ); %Magnitud
teta( n ) = angle( c( n ) );%Ángulo en rad
end
%Reconstruimos la señal haciendo uso de exponenciales complejas
f( 1 : size( x , 2 ) ) = 0;
for k = 1 : size( x , 2 )
for n = 1 : ep
f( k ) = f ( k ) + c( n ) .* exp( 1i * n * Wo * x( k ) ) + con( n
) .* exp( -1i * n * Wo * x( k ) ) ;
end
end
for i = 1 : size( x , 2 )
f( i ) = f( i ) + Co;
end
%Código para espectro de potencia
Po = Ao ^ 2; %iniciamos un bucle
for n = 1 : ep
P( n ) = ( A( n ) .^ 2 ) / 2;
end
for n = 1 : ep
W( n ) = n * Wo;

end
W = [0 W];
A=[Ao A];
P=[Po P];
stem( W , P); %Gráficamos el espectro de potencia
xlabel( 'n-esima Frecuencia' );
ylabel( 'Potencia' );
title( 'Gráfica de Espectro de Potencia' );
figure (2); % En la figura 2 se gráfica la señal
plot(x,r, '-r')
grid on
Gráfica cuadrada y densidad espectral de potencia:
Gráfica Senoidal y densidad espectral de potencia
Gráfica Diente de sierra y densidad espectral de potencia:
 7. INFORME
7.1. Realizar el cálculo de la serie de Fourier para la función indicada usando
propiedades y graficar dicha serie en el dominio del tiempo, como su espectro de
frecuencia, usando un archivo .m (equivalente en MATLAB).

2𝜋
𝑓(𝑡) = ⁡ {𝐴⁡⁡⁡⁡0 < 𝑡 < 𝑡1 ⁡0⁡⁡⁡⁡𝑡1 < 𝑡 < 𝑡2 ⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡𝑇 = 𝑡1 + 𝑡2 ⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡𝑤0 = 𝑇

Hallando la serie de Fourier trigonométrica:

2 𝑇
𝑎0 = ∫ 𝑓(𝑡)⁡𝑑𝑡
𝑇 0

2 𝑡1 𝑡2
2𝐴 𝑡1 2𝐴𝑡1
𝑎0 = [∫ 𝐴⁡𝑑𝑡 + ∫ 0⁡𝑑𝑡] = ⁡ ∫ 𝑑𝑡 ⁡ =
𝑇 0 𝑡1 𝑇 0 𝑇

2 𝑇
𝑎𝑛 = ∫ 𝑓(𝑡)𝑐𝑜𝑠⁡(𝑛𝑤0 𝑡)⁡𝑑𝑡
𝑇 0
𝑡1 𝑡2
2 2 𝑡1
𝑎0 = (∫ 𝐴⁡𝑐𝑜𝑠(𝑛𝑤0 𝑡)𝑑𝑡 + ∫ 0 ∗ 𝑐𝑜𝑠⁡(𝑛𝑤0 𝑡)⁡𝑑𝑡) = ∫ 𝐴⁡𝑐𝑜𝑠(𝑛𝑤0 𝑡)𝑑𝑡
𝑇 0 𝑡1 𝑇 0

2𝐴 𝐴
𝑎0 = 𝑇𝑛𝑤 𝑠𝑒𝑛(𝑛𝑤0 𝑡1 ) = 𝑛𝜋 𝑠𝑒𝑛(𝑛𝑤0 𝑡1 )
0
2 𝑇
𝑏𝑛 = ∫ 𝑓(𝑡)𝑠𝑒𝑛⁡(𝑛𝑤0 𝑡)⁡𝑑𝑡
𝑇 0

𝑡1 𝑡2
2 2 𝑡1
𝑏𝑛 = (∫ 𝐴⁡𝑠𝑒𝑛(𝑛𝑤0 𝑡)𝑑𝑡 + ∫ 0 ∗ 𝑠𝑒𝑛⁡(𝑛𝑤0 𝑡)⁡𝑑𝑡) = ∫ 𝐴⁡𝑠𝑒𝑛(𝑛𝑤0 𝑡)𝑑𝑡
𝑇 0 𝑡1 𝑇 0
 𝐴 𝐴
𝑏𝑛 = − 𝜋𝑛 ∗ (−𝑐𝑜𝑠⁡(𝑛𝑤0 𝑡1 ) − 𝑐𝑜𝑠(𝑛𝑤0 (0)) = ⁡ 𝜋𝑛 (1 − 𝑐𝑜𝑠(𝑛𝑤0 𝑡1 ))⁡

La serie de Fourier trigonométrica es:

∞
2𝐴𝑡1 𝐴
𝑓(𝑡) = + ∑[𝑠𝑒𝑛(𝑛𝑤0 𝑡1 ).𝑐𝑜𝑠 𝑐𝑜𝑠⁡(𝑛𝑤0 𝑡1 ) ⁡ + (1 −𝑐𝑜𝑠 𝑐𝑜𝑠⁡(𝑛𝑤0 𝑡1 )⁡). 𝑠𝑒𝑛(𝑛𝑤0 𝑡1 )]
𝑇 𝜋𝑛
𝑛=1

GRAFICAMOS EL ESPECTRO DE FRECUENCIA EN MATLAB

% SERIES DE FOURIER
clc
%Creamos las variables n y t
syms n t
T = 10;
t1=4;
w0 = 2.*pi/T;
A=10;
Arm =input('Ingrese el numero de Armónicos: ');
for n=1:Arm
a0 = 2*A*(t1/T);
an = (A/(pi*n))*sin(n*w0*t1);
bn = (A/(pi*n))*(1-cos(n*w0*t1));
f(n,:)=a0/2+an.*cos(n.*w0.*t)+bn.*sin(n.*w0*t);
Cn(n,:)=sqrt(an^2+bn^2);
phi(n,:)=atan(bn/an);
end
figure(1);
t=linspace(0,5*T,1000); %Creamos un variable "t" para graficar
f=subs(f,'t',t);
f(n+1,:)=zeros(1,1000);
plot(t,a0+sum(f),'blue','Linewidth',2); grid on
xlabel('\bf TIEMPO'); ylabel('\bf AMPLITUD');
title('\bf SERIES DE FOURIER');pause(0.5)
hold on
figure(2);
stem(Cn,'fill'); grid on
xlim([1,Arm]);
xlabel('\bf ARMÓNICO'); ylabel('\bf AMPLITUD');
title('\bf ESPECTRO DE MAGNITUD'); pause(0.5)
hold on
figure(3);
stem(phi,'fill'); grid on
xlim([1,Arm]);
xlabel('\bf ARMÓNICO'); ylabel('\bf AMPLITUD');
title('\bf ESPECTRO DE FRECUENCIA'); pause(0.5)
hold on

Para 10 armónicos
Para 50 armónicos
7.2 Analizando el espectro del tren de pulsos del numeral 7.1, ¿qué sucede si 𝝉⁡es fijo y
T variable (creciente)?
𝜏 = tiempo el cual la señal esta activa
T = periodo de la señal
El ciclo de trabajo o Duty Cycle es la relación existente entre el tiempo en que una señal se
encuentra en estado activo con el periodo de dicha señal, normalmente este término es
aplicado para señales cuadradas:
𝜏
𝐷𝐶 = ∗ 100%
𝑇
Ahora si comenzamos a variar de forma creciente el periodo nuestro ciclo de trabajo
comienza a disminuir.
 7.3 En base al análisis del literal anterior qué sucede si T es fijo y 𝝉 variable
(creciente)?
Utilizando la ecuación anterior:
𝜏
𝐷𝐶 = ∗ 100%
𝑇
Si se comenzara a variar de forma creciente el 𝜏(tiempo el cual la señal esta activa) nuestro
ciclo de trabajo comienzaría a aumentar.
7.4 Compare la densidad espectral de potencia y el espectro de la señal mostrada
en la figura n 1, ¿cuál es la diferencia entre las dos?, Explicar.
La densidad espectral de potencia de una señal es una función matemática que da a conocer
la distribución de la potencia de dicha señal sobre las distintas frecuencias en donde está
formada; Así, se puede establecer el rango de frecuencias donde se concentran las variaciones
de potencia. La observación del comportamiento de señales en el dominio de la frecuencia
resulta de gran ayuda, ya que se pueden discriminar las variaciones más fácilmente que en el
dominio del tiempo, esto permite la comparación entre dos grupos poblacionales, y detectar
una variación en el comportamiento del parámetro estudiado La definición matemática es
comenzar con un período de una señal repetitiva en el dominio del tiempo y aplicar la
transformada de Fourier. El resultado es el espectro de la señal que muestra el contenido de
frecuencia de la señal. Por ejemplo, una onda sinusoidal pura en el dominio del tiempo parece
un solo pico en el dominio de la frecuencia. Una onda cuadrada en el dominio del tiempo
parece un grupo de picos en el dominio de la frecuencia.
7.5 A la señal senoidal generada en el 6.2 y la señal de la figura 2, hallar la densidad
espectral de potencia y su espectro de sus señales respectivamente y comparar.
Explicar.
Transformada de fourier - Matlab:

clc
clear all
fs=input('Ingrese frecuencia de muestreo: ');
n=input('Ingrese número de muestras: ');
T=1/fs;
f=((0:n-1)/n-1)*fs;
t=(0:n-1)*T; %creamos un vector tiempo
M=4; %amplitud
P=1;
fr=300;%frecuencia
%señal original:
x=M*sin(2*pi*fr.*t)+P.*randn(size(t));
y=abs(fft(x));%calculamos la transformada rápida
z=(y.*2)/n;
%graficamos
plot(x)
title('Gráfica de la señal original');
xlabel('Tiempo en ms');
ylabel('Magnitud');
figure (2)
subplot (2,1,1);
plot(f,y)%grafica de la transformada en hz
title('Gráfica de la transformada de la señal original');
xlabel('frecuencia en Hz');
ylabel('Magnitud');
subplot(2,1,2);
plot(f,z)%grafica de la dens espectral de potencia
title('Densidad espectral de potencia de la señal');
xlabel('frecuencia en Hz');
ylabel('Frecuencia en Hz');
%Código para filtro pasabanda
fca=198;
fcb=202;
Wn1=[fca,fcb]/(fs/2);
[n1,d1]=butter(3,Wn1,'Bandpass');
B=filter(n1,d1,x); %componente temporal filtrada
A1=abs(fft(B));%transformada rápida de la componente
figure (3)
plot(f,A1) %gráfica de la señal filtrada
title('|x(w)| Señal filtrada');
xlabel('Frecuencia en Hz');
ylabel('Magnitud');
Frecuencia de muestreo:2000
Numero de muestras:2500
La densidad espectral de potencia nos dice como está distribuida la potencia de la señal sobre
diferentes frecuencias de las que forma. En cambio, el espectro de frecuencias se caracteriza
por la distribución de amplitudes para cada frecuencia de dicha señal.

La densidad espectral de potencia calculada permite suavizar el espectro de una señal en la

medida que Ilustración 22 PROBLEMA 7.5
permite disminuir la varianza entre estimaciones. El espectro de los registros originales no
permite una diferenciación confiable entre diferentes zonas.

7.6 Analice el efecto del filtro sobre la densidad espectral de potencia.

Son sistemas caracterizados por una entrada y una salida de forma que en la salida sólo
aparecen parte de las componentes de frecuencia de la señal de entrada. Los filtros se utilizan
para eliminar contenido espectral no deseado de una señal. Puede elegir entre una variedad
de filtros para hacer esto. Primero puede eliminar la mayor cantidad posible de contenido
espectral de ruido blanco utilizando un filtro de paso bajo.

Ilustración 23 PROBLEMA 7.5

El espectro de potencia se puede ver que el contenido de frecuencia máximo no despreciable
de la señal filtrada. Según el teorema de muestreo, una frecuencia de muestreo de Hz sería
suficiente para representar la señal correctamente. Puede reducir la señal para reducir la
frecuencia de muestreo y reducir la carga computacional al reducir el número de muestras
que necesita procesar. Una frecuencia de muestreo más baja también le permitirá diseñar un
filtro de parada de banda más nítido y estrecho, necesario para eliminar el ruido con un orden
de filtro más pequeño.

7.7 Conclusiones y Recomendaciones.

Concerniente a lo estudiado en este informe concluimos que analizar el filtro pasa bajo, filtro
pasa altos y filtro pasa banda en la simulación funcionan según lo esperado, con sus
respectivas señales en el dominio de la frecuencia, espectro de potencia y las clases de
señales: periódica y no periódica, observamos que hemos podido comprender que en algunos
armónicos la amplitud incrementa y para armónicos de 50 a mayores nuestro Matlab puede
colapsar.
7.8 Bibliografía.
8. REFERENCIAS
[1] A.V. Oppenheim, A.S. Willsky, S. Hamid, “Signals and systems”, 2da ed.,
Ed.: Prentice Hall, 1997.
[2] MathWorks, «MathWorks,» 2017. [En línea]. Disponible:
https://www.mathworks.com/help/comm/blocklist.html. [Último acceso: 10
enero 2018].
[3] MATLAB - GNU Octave Tutorial, Disponible:
https://www.tutorialspoint.com/matlab/matlab_gnu_octave.htm