Transformada Z

Procesado Digital de Señales.4º Ingeniería Electrónica.

Universitat de València. Profesor Emilio Soria.

1
 Definición y propiedades. Causalidad y estabilidad

Definición: Definición
La Transformada
Definición y propiedades. y uso
Causalidad
Z yde en unaPDS. Juega elx(n)
señal discreta
estabilidad
mismose papel en procesado digital
efine como la serie de potencias: de señales que la Transformada de Laplace
Dada una Zsecuencia
efinición: La Transformada discreta
de una señal discretax(n)
x(n)se se en el análisis de sistemas continuos.
∞ Z-3
fine como la serie de potencias: !
define su transformada Z como
−n Z - 3
sform of a General X(z)
∞ =
Signal x(n)z Usos más comunes.
−n x[n]:
! donde z es una
X(z) = x(n)z
nsform of a General Signal n=−∞
n=−∞
x[n]:
variable compleja.
Obtención de expresiones entrada-salida.
nde z esz una
onde es variable
una variable compleja
compleja (z ∈ C). (z ∈ C).
omenclaturas: También se denota como X(z) ≡ Z{x(n)} y
Nomenclaturas: También se denota como X(z) ≡ Z{x(n)} y
Simplificación de estructuras.
relación entre x(n) y X(z) se indica con:
relación entre x(n) zy X(z) se indica
Representaciones con:
más usuales
x(n) ←→ X(z)
z Implementación de estructuras.
onvergencia: Como la TZ esx(n) ←→
una serie X(z)
infinita de potencias,
lo existe cuando se da la convergencia de la serie de potencias →
Convergencia:
egión de convergencia Como la TZ
(“Region es una serieROC).
of Convergence”, infinita de potencias,
Resolucion de ecuaciones en diferencias
efinida por el conjunto de valores de z que hacen X(z) finita.
ólo existe cuando se da la convergencia de la serie de potencias →
∞
!
−n
|x(n)z | < ∞
Región deX(z) =
convergencia
n=−∞
(“Region of Convergence”, ROC).
Puente entre el diseño analógico y digital
efinida por el conjunto de valores de z que hacen X(z) finita.
onsecuencia: Siempre que hablemos de una TZ hay que dar su (transformación bilineal e impulso-invariante)
Procesado Digital de Señales.4º Ingeniería Electrónica.
SignalsUniversitat
& Systems de València. Profesor Emilio Soria. NTU-EE
OC. Signals & Systems ∞
! NTU-EE 2

X(z) = |x(n)z −n| < ∞

! x(n) = A "!sin#!(# " nSY+($ ) (wH) =( j H" w)( j " w)
wS)Y = " SX ("wS)X ( w)
1
!
RXX (m) = % " e jmw
SX ( w)x(n)
2 " # j" ( w" n + # ) x(n)=dwA "=e#A" n" e# " n
x(n) = A " e $ #
! ! x(n)x(n) A("#
= A "=sin " n(#
sin +$" n) + $ )
2
! SY ( w) = H ($
j " w) " SX ( w) $
! ! ! j" ( w" nj"+(#w"
) n + #)
y n }= A=" e%de
Región
{x(n) k & y(n) = % x(k) " h(n # k)
x k Convergencia.
" hn#x(n)
#"n
= A "=e A " e
x(n)
! k= !#$ ! $ $ k= #$ $ Ese sumatorio puede converger
! En la expresión de la transformada Z $
x(n) = A " sin(# " n + $ ) { y } =
aparece un ! sumatorio cuyos %
n { yn } = x% k " hxn#
límites son
& ky(n)
k k" h n#
= %=x(k)
± !& y(n) % (o"x(k)
no!!!)
h(n # k) para
" h(n # k) determinados
k= #$ valores de la variable compleja z.
j" ( w" n +!
! k= #$ k= #$ k= #$
#)
x(n) = A " e n
x(n) = a " u(n) Z-5
! Definimos la Región de Convergencia, también conocida como R.O.C, de una
! $ $n
x(n)x(n)
= adel
transformada
{ y n } = % x k " hZ a la región =" u(n)
n
aplano
" u(n)complejo donde la transformada Z converge
n# k & y(n) = % x(k) " h(n # k)
! !
! k= #$ $ k= #$ $ $
Ejemplo #1 $n
! X (z) = % a " u(n) " z = % a " z = % ( a " z )
n #n $ $ n #n $
$ $
#1 n
%= a%" u(n)
X (z)X=(z) " z "=z %=a " za "=z%=( a " z a) " z
n #n n #n
#1 n

!
x(n) = a n !
" u(n) !
n= #$
a " u(n) %
n= #$
n= 0 %( )
n #n
n= 0
n= 0
n #n
n= 0
n= #$ n= 0 n= 0
$ $ $
n "m z-plane
! XHay %
"(z) =que recordar
a n
" u(n) " z #n "
= %n 1
n
"a " z
#n
= %( a " z #1 )
nn= #$ !1 de ## r0 = n 1 r <1
% Unit circle
! # R.O.C)1 $ r
que (Condicion
r = !% r < 1 r1 $=r n= 0 % r < 1
k= 0
n=

k= 0
1$ r
k=
" 0
1
! #r n
=
1$ r
% r <1
1 a 1 !e
X (z) = 1
k= 0
!
1! Si 1y"=asólo
X (z) # z "1 si
X (z) = 1 " a # z "1
! X (z) = 11" a # z "1
! 1 " a # z "1
! R.O.C
!
Procesado Digital de Señales.4º Ingeniería Electrónica.
Universitat de València. Profesor Emilio Soria.

3
! !
 ! k= #$ k= #$

x(n) = a n " u(n)

!
$ $ $
n
%
Región de Convergencia. %
! & SystemsX (z) =
Signals
a n " u(n) " z #n = NTU-EE
a n " z #n = %( a " z #1 ) Propiedades.
n= #$ n= 0 n= 0
La R.O.C consiste en un anillo centrado
Hay que destacar que diferentes señales discretas
en el origen.
orm pueden tener la
" misma transformada Z pero
1
The z-Transformn
! r = R.O.C.
diferentes
1$ r
#
% r <1 Z-6 Z-5
La R.O.C no contiene ningún polo de la
k= 0 transformada Z.
e 10.2: ! Example 10.1:
1 Si x(n) es finita la R.O.C es todo el plano
X (z) = complejo excepto, posiblemente z=0 y
! 1 " a # z "1
z"!
"m z-plane
"m z-plane
Unit circle Si x(n) es causal, x(n)=0 # n<0, la
Unit circle
! R.O.C es el exterior de una
circunferencia cuyo radio se
a 1 !e
corresponde con el polo de la
a 1 !e
transformada Z mayor en valor
absoluto. Si es estrictamente
anticausal, x(n)=0 # n>0, es el interior
(un círculo) de la circunferencia con
R.O.C R.O.C radio igual al polo de menor valor
|z|<a |z|>a absoluto de la transformada Z. En otras
Procesado Digital de Señales.4º Ingeniería Electrónica. Figure 3.3 Pole–zero plot and region situaciones se tiene un anillo.
Universitat de València. Profesor Emilio Soria. of convergence for Example 3.1.
Figure 3.4 Pole–zero plot and region of convergence for Example 3.2.
4
© Feng-Li Lian 2004 Signals & Systems NTU-EE
Signals & Systems NTU-EE
 Summary of Properties
Propiedades de la Transformada Z.
Property Time domain z-domain ROC 6/7
Linearity ax1 [n] + bx2 [n] aX1 (z) + bX2 (z) ⊇ Rx1 ∩ Rx2
†
Time-shift x[n − n0 ] z−n0 X(z) Rx

elec3600
Scaling in z z0n x[n] X(z/z0 ) |z0 |Rx
dX(z) †
Differentiation nx[n] −z Rx
dz
in z
Time-reversal x[−n] X(1/z) 1/Rx
∗ ∗ ∗
Conjugation x [n] X (z ) Rx
∗ ∗
Symmetry Im{x[n]} = 0 X(z) = X (z )
(real)
Symmetry Re{x[n]} = 0 X(z) = −X ∗(z∗) !
(imag) "
Convolution x1 [n] ∗ x2 [n] X1 (z)X2 (z) ⊇ Rx1 ∩ Rx2#
Initial value x[n] = 0, n < 0 ⇒ x[0] = lim X(z)
z→∞ $
%
Aquí el superíndice !indica que z=0 ò z=! pueden añadirse/eliminarse. 1/Rx hace referencia a
&
los puntos en los que 1/z pertenece a Rx
'
Procesado Digital de Señales.4º Ingeniería Electrónica.
Universitat de València. Profesor Emilio Soria.

5
Transformadas Z comunes. z TABLE 3.1 SOME COMMON -TRANSFORM PAIRS
Sequence Transform ROC

1. δ[n] 1 All z
1
2. u[n] |z| > 1
1 − z−1
1
3. −u[−n − 1] |z| < 1
1 − z−1
4. δ[n − m] z−m All z except 0 (if m > 0)
or ∞ (if m < 0)
1
5. a n u[n] |z| > |a|
1 − az−1
1
6. −a n u[−n − 1] |z| < |a|
1 − az−1
az−1
7. na n u[n] |z| > |a|
(1 − az−1 )2
az−1
8. −na n u[−n − 1] |z| < |a|
(1 − az−1 )2
1 − [cos ω 0 ]z−1
9. [cos ω 0 n]u[n] |z| > 1
1 − [2 cos ω 0 ]z−1 + z−2
[sin ω 0 ]z−1
10. [sin ω 0 n]u[n] |z| > 1
1 − [2 cos ω 0 ]z−1 + z−2
1 − [r cos ω 0 ]z−1
11. [r n cos ω 0 n]u[n] |z| > r
1 − [2r cos ω 0 ]z−1 + r 2 z−2
[r sin ω 0 ]z−1
12. [r n sin ω 0 n]u[n] |z| > r
1 − [2r cos ω 0 ]z−1 + r 2 z−2
!
a n , 0 ≤ n ≤ N − 1, 1 − a N z−N
13. |z| > 0
0, otherwise 1 − az−1

Procesado Digital de Señales.4º Ingeniería Electrónica.

Universitat de València. Profesor Emilio Soria.

6
From Discrete-Time Signal Processing, 2e
by Oppenheim, Schafer, and Buck
 Polos de la Transformada Z-Tipo de señal.

Existe una relación directa

FIGURE 6.4.3 (continued)

entre{ ( )}los
) ( polos
) de la
ZI I u nT =
n=0
u nT z ! n =
1
=
z
1 ! z !1 z ! 1
z >1

transformada
{ ( )} ) ( Z y ) el tipo de
ZI I !u !nT ! T =!
!1

n = !(
u !nT ! T z ! n

señal que da )
lugar a dicha " 0
= !$
%
z ! n ! 1'
$# n = !( '&

transformada. (
1 z
) =1! zn =1! =
1! z z !1
z <1
FIGURE 6.4.3
APLICACIÓN DIRECTA EN n=0 FIGURE 6.4.3

Example
Although their Z-transform is identical their ROC is different. Therefore, to find the inverse Z-transform
(continued)

EL DISEÑO DE SISTEMAS
the region of convergence must also be given. The Z-transform of the functions of u(nT) and –u(–nT – T) are

Procesado Digital de Señales.4º Ingeniería Electrónica.

Universitat de València. Profesor Emilio Soria. DE CONTROL DIGITAL
© 2000 by CRC Press LLC

© 2000 by CRC Press LLC © 2000 by CRC Press LLC

7
 Otras peculiaridades:
Transformada Z unilateral.
Transformada Z unilateral: Otras peculiaridades:
1. Retardo temporal:
Si se designa el par secuencia discreta-
Esta transformada exige que las señales estén definidas en −∞temporal:
Si1. Retardo <
n < ∞ Si la secuencia
permitiendo su usoesencausal;
sistemasesto
queesnox(n)
están Transformada +Z unilateral por
Si en reposo z
(condiciones iniciales #= 0).=0 # n<0
Viene definida por:Otras peculiaridades: x(n) ←→ +
X +(z)
z
∞
x(n) ←→ X +(z)
! Retardo temporal:
1. entonces
X +(z) = x(n)z −n
Si entonces Se tienen entonces las siguientes
k
n=0
z+
!
x(nde
El lı́mite inferior es la diferencia, siempre nulo, independiente − k) ←→ propiedades.
−k z ++
z + z −k
[X +(z)++
k
! x(−n)z n ]
n
Se tiene entonces lo que se conoce x(n − k) ←→x(n)z ←→[X X
(z) +(z) x(−n)z ]
que la señal sea causal (x(n) = 0, para n < 0) o no. n=1
n=1
como Transformada Z unilateral. entonces Retardo temporal.
Algunas propiedades importantes:
2. Adelanto temporal:
2. Adelanto temporal:
k
!
Si +
1. No contienen información sobre x(n) para n Si
< 0. z
x(n − k) ←→ z −k [X +(z) + x(−n)z n]
Hay
2. Es única que
sólo destacar
para señales que cuando se tenga
causales. z+
z+ X +
x(n) ←→
x(n) ←→ X +(z)
(z)n=1
este tipo de transformadas no hay que
3. Z +{x(n)} = Z{x(n)u(n)}.
especificar la R.O.C ya que será 2. Adelantoentoncestemporal:
4. Como x(n)u(n)
siemprees causal, la ROC
el exterior de de
entonces
unZ{x(n)u(n)}
Adelanto temporal.
círculo;Si y, por tanto, k
+ z+
!
la ROC de Z {x(n)} es siempre
evidentemente ya que sólo aseun cı́rculo. → CONx(n + k)z←→
exterior +
k +
z [X+ (z) − ! k x(n)z −n ]
k z+ −n
TRANSFORMADAS UNILATERALES NO ES NECESARIA
considera la parte causal de x(n) x(n + k) ←→ z
x(n) [X
←→(z)X+ −(z)
n=1 x(n)z ]
LA DEFINICIÓN DE LA ROC. n=1
Teorema del Valor Final:
3.entonces
Si
Procesado Digital de Señales.4º Ingeniería Electrónica. 3. Teorema del Valor Final: k
Universitat de València. Profesor Emilio Soria. + + !
Si z
x(n + k) ←→
z
z k [X
x(n) ←→ + X + (z)
(z) − x(n)z −n] 8
z+ n=1
entonces x(n) ←→ X +(z)
 b0 z + b1z + ! + bM z
=
If the poles p1 , p2 , …, pN of a proper function F(z) are all different,
unction
F z
=
thenz we
+ z3 expandzit
=
A ()
N in the
+
1
a
+ 2
1 z N !1 form
A+ ! + a N
z
is always a proper function. z ! 2 z ! 1
z ! 2 z !1( )( )
()
F z
b0 z + b1z N !1 N!2
+ ! + bM z =
()
F Nz! M !1 A1
+
A2
+!+
AN
(6.7.4)
= z Partial
z ! p Fraction
z ! p Expansion
(
z 6.
!7.3)
p
z
Transformada z N
+ a 1 z N !1
+ ! + a
Z inversa.
N
1
Métodos
Distinct Poles
A1 =
z
F
+2
3
z(z ! 2
(I)( )() )
N
( )( )
z=+53, A2 = A1
z + 3 z !1
A2 = !4
where all Ai are unknown constants to be determined. Aquí la integración (
If the poles p1z, p!2 ,2…, zp=N )( )
!of1 aesproper
sobre( )( ) = z are
function F(z)
un contorno
+! 1 dethen
! 2alldentro
zdifferent, la
we expand it in the
ction.
Se puede
The inverse Z-transform demostrar
of the kth que term of (6.7.4) is given
z
( )( )
z by z ! 2 z ! 1 z ! 2 z ! 1
= 2
R.O.C de la Transformada ZF yz que contenga al origen.
z = 1

Therefore, F ( z ) se puede z
( ) = A1 A+ A2 A + ! + AN
3
Expansion n
Esta integración =
+
z
calcular de forma más
z=! p1 1 z+! p2 2 z ! pN
# : z (> de pk )Variable
(causal) signal
Lian 2004 Z $
# 1
!1 %
Signals & =
Systems
( ) ( ) (
'% % pk u nT sencilla
where all
zA
+ usando
3
are
if ROC
z !
unknown
z
Teoría
)( )
2 z ! 2
NTU-EE
z ! 1 ( z
( ) )(
2
Compleja
!
z +
z
3
! 1 usando
z(6.!7.5)
1 )
( $ residuos;
AnT z
veamos estez
constants to
cálculo be determined.
de forma mas práctica.
or5 term
,f A n " 0 = !4
n n
=F!inverse = == 5signal
( ) ( (( )) ( ( ) ( ( ) ))(( )
n i
pN of a proper function F(z)%&1 !are z !1different,
pk all %) %– p thenu we expand
1The zT =it5 Z-transform
in
if the
ROC!form
4: zof the p nT
anticausal
2(6.7.4) 2 given! 4by1
Expansión en fracciones & k
!
) ( ) <
z ! 2z( z!+z23!) (1z !z 2!)1 k
A =
kth
z=2
= 5 n, A2 =
of is
(z +z3)!(z2! 1)z ! 1
z =1
)= !4
1
If the signal ()
F z is causal,
A1 the (b)
AROC
2
If is !z!
F(z) =
>Az(z
pmax
N
+
, 3)/(z
where 2 – 3z + z2)
pmax = !#%with
max{!p
1
( )( )
2 z11!!,11!p<'%2 !,!z!#%…, !puthen
z = 2 ( k ) N(
>p 2, !}. )
nT In z ! 2case,
following
this z !ROC
if exactly(
1all terms
: z the
z =1
)( )
(
> pksame signal)
causalprocedure
= + + ! + !
Z $ ( 6. 7.4)
( $=
in (6.7.4) result pTherefore,
zin!causal
z signal
! p components.
n
z 1 z!p 2 N
%&1 ! pk z !1 %) %– p u !nT ! T ( ) ( )
if ROC : z < p anticausal signal (
& k k
Therefore, z z
Example Ejemplo
own constants to be determined. () F z = 5
z!2
! 4
If the signal is causal, the ROC is !z! > pmax, where pmax = max{!p1 !, !p2 !, …, !pN !}. In this case
z !1
(a) If F(z) = z(z
sform of the kth term of (6.7.4) is given by + 3)/(z 2 – 3z + 2) with !z!in>(6.7.4) 2 then z
result in causal z
signal components. n n n

con R.O.C |z|>2 However,

() the
F Example
z = 5F z = 5 ! 4 ! 4
()
pole at z =z!22
z
belongs
z ! 2 to
z !1 z
z
the
!
(( ) ) ( ) ( ) ( )
1
oror ff nT
negative-time
n
()
nT= 5=25 2! 4 1! 4 n1" 0 n " 0
sequence and the pole at z = 1 be
# n to the positive-time (a) sequence.
If F(z) = z(zHence,
+ 3)/(z2 – 3z + 2) with !z! > 2 then
1
( = $
( ) ( )
'% % pk u nT
(b) If F(z) =
(b)
z(z
If (
F(z)
+
=
if ROC : z > pk 2 causal
3)/(z
z(z +
– 3z )
3)/(z 2 – 3z + 2) with 1 < !z! > 2, then following exactly the same procedure
Si+signal
la2)R.O.Cwith 1hubiese
( <
6. !z!
7.5) > sido
2, 1<|z|<2
then entonces
following exactly the same p
!1 n
1 ! pk z© 2000
%) by%CRC( ( )) (
– pPress LLC
u !nT ! T ) (
if ROC : z < pk anticausal signal ) $!4 1 n
& F kz
=
z +3
= 1 + 2
A A
( () ) f nT F
()z= =
& z
% 5 ! 4
nz" 0
z ( )( )
z ! 2 z !1 z ! 2 z !1
the ROC is !z! > pmax, where pmax = max{!p1 !, !p2 !, …, !pN !}. In this case, all
© 2000 by CRC Press LLC
() & ! z !z2 2n zn!#1z!1
5
Procesado Digital de Señales.4º Ingeniería Electrónica.
usal signal components. Universitat de València. Profesor Emilio Soria.
() F terms
z = '5
However, the pole at z = 2 belongs to the negative-time z!2
!4
z ! 1 and the pole at z = 1 belon
sequence
( )( )
z +3 z ! 2 Example
( )( ) = !4 z + 3to zthe ! 1positive-time sequence. Hence, 9
A1 = = 5 , A2 =
(z ! 2)(z ! 1) To detrmine
However, 2) (the
(z !the ! 1inverse
zpole ) at zZ-transform
= 2 belongsof F(z) = 1/(1
to the – 1.5z + 0.5zsequence
negative-time and!zthe
) if (a) ROC: ! > 1, (b) RO
–1
pole at –2
2 z=2 z =1 n
! g =& )
! % E[ d (n) " d (n # 2)](
$ E[ d (n) " d (n # 1)] '
g =& ) # 1&
! % E [ d (n) " d (n # 2)]( g = a "% (
$ a'
!
# 1&
Transformada Z inversa. Métodos (I)
g = a "% (
$ a' w = R #g = "1 1 $ 1 "a' $1'
! Este método de descomposición en fracciones nos permite ! introducir de una manera
#& ) # a #se
& )
1 " a 2sencilla
%"a lo 1 que
( %a(
conoce como respuesta natural y forzada de un sistema. Para ello consideraremos un sistema con
1 $ 1 "a
entrada "1x(n), su transformada Z'es X(z),$ 1 ' respuesta impulsional del sistema h(n), su correspondiente
w = R #g = # & ) # a # & ) Y (z) = H (z) " X (z)
! " a 2 y %la"a
transformada es1H(z), salida1y(n)
( con % a (Y(z) como transformada. n
! "1% 1
Descomponemos en h(n) = $ ' ( u(n) ) AkH (z) = B
Y (z) = H (z) " X (z) " 1!% n
#Y2(z)
&n =
" 1 %n
#
z1" p H (z )
#
+ 1 * 0.5 k( z *1
1 z " pX (z)
fracciones. h(n) = $ ' ( h(n)
u(n) )
="$1H%'(z)(= H (z)) H (z)
u(n) = X (z)
! 1=* 0.5 ( z *11
*1
#2& # 2 & ( u(n) 1 * 0.5 ( zX
El primer término se corresponde con la respuesta propia x(n) = $
y, como ' ) (z)
Ak Bk " 1 %n #"31&%n su nombre 1
indica no depende
1 *1 1 3 ( z *1( )
!
Yde #
(z)la=entrada; depende
z " p H (z )
#
+ de las característicasx(n)
z " pX (z)
intrínsecas
= $ ' ( u(n)
# 3&
del)
x(n) =sistema mientras
$ X '(z)(=u(n) ) X (z)que = el segundo,
1 * ( 1 3) ( z *1 1 * 1 ( z *1
queHagrupa
(z) a los polos
# 3&
X (z) de X(z), tendrá una relación directa con dicha señal de entrada.
! ( 3)
1 1 A B
Ejemplo Y1(z) = 11 # A
11 = BA +
"1 B

! n
!
!Y (z) = Y (z)
! 1 " 0.5 # z
#
"1 =1 " 1 0.5 # z "1=
# 1
11""( 0.5) ## zz"1 11"" 1
3
"1 "
( )#z
+="1
"1# z
z "1 11""( 1
0.5 # 3
1
0.5
3)"
#
# z
z (3 )
0.5
"1
"1
+# z 1 ""1 1 3
1" ( ) # z
1
3
(
"1% 1
h(n) = $ ' ( u(n) ) H (z) =
#2& 1 * 0.5 ( z *1 Y (z) = Y
3
(z) " 33
2 2 2
Y "1==
(z) " "
111""" (0.5
0.53)##z#zz"1 1 "1("1 )1# z "1# z "1
1
1 " 0.5 # z "1
" 1 %n
x(n) = $ ' ( u(n) ) X (z) =
1 !
! !
"1
( )
3 3
# 3& 1 * 1 3 ( z *1 ( ) * # 1 &n #* 1 &n - n
y(n) = , 3 " % ( ) 2 "*% (## /1"&&u(n)n # 1 &n - n -
! 2 'y(n) =,$, 3 '" % /.1( ) 2 " % #(1 /&" u(n)
,+ $ y(n)
! = ,+3 " %$ 2 '( ) 2$"3%' /.( / " u(n)
1 1 A ! B ,+ $ ' 2 $ '3 /.
YProcesado
(z) =Digital de Señales.4º"1Ingeniería
# Electrónica. = +
! 1 de"València.
Universitat
( )
0.5 # zProfesor Emilio 1 # z "1 1 " 0.5 # z
1 " Soria.
3
"1
( )
1 " 1 3 # z "1
10
!
3 2 !
Y (z) = "
1 " 0.5 # z "1 1 " 1 # z "1 !
 P ( BP(|AA| B)) =" P(A) !
P(B)
H (z) = e P ( B | A) " P(A) k

P ( A | B) = !
P ( A | Es ) "!P(Es )
P ( )
A | B =
f (0) P(B)
# n
! !
PP(B)
( E s | A) = f (x) =H$(z) = e " x "z "1 n

P ( A | E ) " P(E ) ! n!
P( E | A) = # P ( Ek ) "!P( A | Ek ) s s n=0
s P ( A | E ) " P(E ) # n
! Z inversa. Métodos (II)
Transformada P( E | A) = f (0) f s(x) = $ " xn
s s

# Pk(E ) " P( A | E!)

k k n n!
Expansión en potencias de Z. k !
$
) ## xPn (Ek ) " P( A | Ek )
("1n=0
s"z "1 P ( A | E ) " P(E )!
Z sen una serie de potencias n!
e" x = % k

P ( E | A) =
La estrategia consiste en expandir la transformada
s
seguidamente igualar
H (z) = e"1
esta=expansión a la definición de Transformada
n=0
" x
%
$de Z para,
Z"1
( "1 )
n
n
! !!
H (z) e"z ! e
H (z) = en=0
= "z
n!
# x
Ejemplo
Se pide determinar la
El teorema
f f(x)
podemos
# de
k f
(x)= =descomponer
# P(E$)$" P( A | E )
# Taylor
(0)
n
n f (0)
nos asegura
n k
! que
x ! funcione"z =
" x "cualquier
n "1
$
(
#"1 )n
n
f (0) # z "1 n
n =
$
( "1 )
%
n

# ( ) % (
k
secuencia discreta que da f(x) usando n! n!
sus derivadas n-ésimas en el
n=0n=0
f (x) = $ n!
$
n!
"
n
x $ n! n
!! ! !
n=0
"1
e"z n=0 =%
( "1 ) n=0
n
# ( z "1 ) =%
( "1 )
lugar a la siguiente origen de la siguiente forma.
n=0
n! n=0
n!
transformada Z. $ n $
(
$ "1 ) n $
( )
n

!"z
"1 e "x
e " =
x
=
"1 # x n
# x n %% ( )
H (z)
e " x =
= %
"1
x(n) "# xz n
#n
% ( )
H (z) = e ! n=0
n=0
n!
n!
! !
!
H (z)
$
n!
n=0 = % x(n) " ( z )
n=#$ #n

! Esta función no es racional

n=#$

por lo que no se# puede n

f (0) $
n ("1) # ( zn ) =%!("1
n
! ) # z ne x(n)
$
("1) # z = ("1)
"1 n
n $ nn
"1 n
$ n

f (x) = $ !
aplicar lo visto "1 "1
e " =x% $
"z
$ !( ) = ( ) % n!
%= n! # u(n) "n "z
#
anteriormente
! ( ) # z "1 = ( ) # z "n
n! "1 "1 n n! "1
n=0 n! e "z
= % n! ( ) % n! ( )n=0 n=0 n=0 n=0

! Procesado Digital de Señales.4º Ingeniería Electrónica.

n=0
$
n=0 $
Universitat de València. Profesor Emilio Soria.
H (z) = % x(n) " (z ) #n
! !
H (z) = % x(n) " (z11 ) #n

! n=#$ $
n=#$

$ n
H (z) = x(n) " z #n
 H (z) =
"1 2
(1" p # z ) 1 1
Properties of the z-Transform
= = "1 21 2
Z - 39
H (z) =
H (z)
H (z)
1"(1" (
p # z1"
! Differentiation p
( the
#
inz
p ) )
# )z z-Domain:
"1 "1 2

Transformada Z inversa. Métodos1(III) z

G(z) = ! =
Otro método muy usado ! (1"
para! determinarp =# z 1) 1 ( z1 " =pz) z z
G(z)
! G(z) = G(z) =
"1
= =
transformadas Z inversas se debe al uso de la (1"(1" p #)zp # )z("1 "1
p #(z1" z" )(zp")(zp") p) "1

propiedad de la derivada de la transformada Z

dG(z) "1 1
Ejemplo ! "z #=
dG(z) z
dG(z) # p
dG(z)# "1 "1 1"1 12 1
! ! ! The
! "z "z # =
Initial-Value
dz# "z dz z
# = z #(1"
"1
p # p #
Theorem:
= #z p# #pz# ) "1 2
Determina la secuencia que da dz dz 2
( (1" p
1" p #(1"# z )
z p#z )
"1
) "1 2

lugar a la siguiente Transformada Z

Aplicando 1 la propiedad de la derivada se tiene
1
1 z "1 # pz#"1 # zp"1# z# "1p ## p 1# 2 $"11n$2# g(n) $ n$#=g(n)
n # g(n) n n
#=
#
g(n)
n #
n
p
pnn# #pu(n)
=pn=#nu(n)
# u(n)
n
# u(n)
H (z) =
( ( # z(p #(z1"
) ) "1 p # )z )
"1 2
2 1" p1" 1" p # z 2 "1
(11" p # z "1!) !
! !
H (z) = 2
© Feng-Li Lian 2004 Signals & Systems NTU-E

Para ello nos ( 1" pbasaremos )

# z "1 en la
"1 z1"1
#
z "1 1
#
1 1
$ n"1n
$ # pnn"1
# p u(n)
#n"1 # u(n)
propiedad de la derivada usando z # z # "1
( $ n$ #
2
p
n # p #
n"1
u(n)
# u(n)
"1 2p # )z )
"1 2
1" p # z
the(z-Transform
21" "1

! la siguiente G(z) =transformada

1
"1 !
z
= Z. ! ! !( (
Properties of"1
1" p #
1" z ) )
p # z Z - 40

(11" p # z ) z (z " p) Aplicando la propiedad del retardo temporal se tiene

1 1 n
! G(z) = = 1 $ ($ n +1
( n)+1# p) # #pu(n
n +1)+1)
# u(n
1 2 n
( 1" p # z ) "1
( z " p) ! ! 1""1p #2(z1"
(1" $ p # z2p($ n# )z+1
"1
"1( n +1) # p # u(n +1)
2 n
) ) # p # u(n +1)
dG(z) !1 ( (
1" p # z ) )
"1
Procesado Digital de Señales.4º
! Universitat de "z
Ingeniería Electrónica.
"1
z # p#
# Profesor Emilio=Soria.
València. !
dz "1 2

dG(z) "1
(1"
1
p # z ) 12

! "z # = z # p# 2
! !
dz 1 "1
 1
! Time
z
"1
"1
# p # 1
Shifting: $ n # g(n) = n # pn n # u(n)
z # p # 1" p # z "1 2 $ n # g(n) = n # p # u(n)
2
( p # z "1 ))
(1"
!!
"1
1 1 n"1
Análisis de sistemas L.T.I usandoz la z"1
# # Transformada $ n #
"1 2 $ n # p
2 n"1 Z.
p # u(n)
# u(n)
( (1"pp#la#zz"1Transformada
Por el momento no hemos aplicado al análisis de sistemas discretos
! 1" ) ) Z. La manera de
!
enlazar el análisis de los sistemas discretos con la transformada Z va a venir dado por dos propiedades
"#$%&$'($)*$%!!"" +&%*,--,)./%0$1$00$2%3,%4&%+-5(.&$% 11 $ ( n +1) # p n
n # u(n +1)
0$&5,)&$ ,1%3#$%6"7%&/&3$-8 "1 2 $ ( n +1) # p # u(n +1)
2
( p#z )
(1"
1" p # z
"1
)
δ[n] LTI h[n]
!! Una forma usual de describir un sistema discreto
1 system es mediante una ecuación en diferencias.
N P
N P
n n
y(n)== $aak" "yy(n(n##kk) )++$bbs" "xx(n(n##s)s)
!!
y(n) $k $s
y(n)=x(n)!h(n)
9)%+-5,034)3%50,5$03/%,1%*,):,.(3+,); k=1
k=1
s=o
s=o
Aplicando la propiedad se tiene (condiciones
© Feng-Li Lian 2004 Signals & Systems NTU-EE
iniciales=0)
%% N (
N P
#k( P
! 3#$%!"#$" +)%<#+*#%3<,%&$'($)*$&%40$%*,):,.:$2%+&% Y (z) " '1# $ a " #k * = X(z) " $ b " z
z
Y (z) " '1# $ ak k" z * = X(z) " $ bs s" z
#s
#s
()+-5,034)3=
Y(z)=H(z)$X(z) !! !

&& k=1k=1 )) s=o

s=o
© Feng-Li Lian 2004 P Signals & Systems
La transformada Z de la respuesta
impulsional va a ser el elemento Y (z)
$b s " z #s

H (z) = = s=oN
!!
que nos va a servir para analizar los X(z) % (
'1# $ ak " z *
#k
sistemas L.T.I discretos.
Procesado Digital de Señales.4º Ingeniería Electrónica. & k=1 )
Universitat de València. Profesor Emilio Soria.

13
Análisis de sistemas L.T.I usando la Transformada Z.
Causalidad. P
La transformada Z de una señal estrictamente causal, vale
#s 0 para
P

“Un sistema es causal n<0, es el exterior de una bs " z

circunferencia.
Y (z)
$ $ bs " z #s
s=o Y (z)
H (z) = = H (z) = = s=o
si cumple que h(n)=0 Un sistema es causal si la R.O.C deX(z) la Transformada
% N
X(z) Z es
%( elN (
' $ ak " z *
#k
# n<0” '1# az=!
exterior de una circunferencia; incluyendo k "z * $
#k 1#
&) k=1 )
& k=1
Estabilidad.
A
Un sistema discreto es estable BIBO si ante cualquier Yk(z) = $
A k
+ O(X(z))
entrada acotada la salida permanece acotada. Se ha visto Y (z) =!$ "1 nk
O(X(z))
+(1" "1 n
pk # z )
que Y(z)=H(z)$X(z). Si se factoriza esta expresión!se tiene k (1" pk # z )

De X(z) no me preocupo (¿?) si me fijo en la parte de H(z) y aplico g(n) = p n " u(n)
Transformadas Z inversa (recordando que según los polos sean simples no no
se tiene )
g(n) =!p " u(n) g(n) = n s#1 " p n " u(n)
!
g(n) = n s#1
" p n
" u(n)
Así pues si se busca una salida acotada la única forma es que |p|<1 (¿y si |p|=1 que pasaría?).
Un sistema es estable si la Transformada Z de la respuesta
! impulsional tiene
todos los polos dentro de la circunferencia de radio unidad (cualquiera que sea
su orden de!multiplicidad).
Procesado Digital de Señales.4º Ingeniería Electrónica.
Universitat de València. Profesor Emilio Soria.

14
 From Transfer Function to Difference Equation
IfIfwe
weIfwere
were totoimplement
we were implement
to implement a adigital
digitalfilter
digital filter
filter in in
in VLSI
VLSI
VLSI (a Very-Large-Scale
(a(aVery-Large-Scale
Very-Large-Scale
3/7
IfIntegrated
we were
Integrated
Integrated Circuit)
to
Circuit)
Circuit) then
implement
then
then each
each
each adder,
a digital
adder,
adder, multiplier
filter and
in VLSI (a
multiplier
multiplier and delay
and element
Very-Large-Scale
delay
delay element
element 3/7 3/7
3/7
requires additional
Integrated ‘real estate’
Circuit) then in the multiplier
each adder, design.
requires
requires additional
additional ‘real
‘realestate’
estate’ininthethe design. and delay element
design.

elec3600
requires additional ‘real estate’filter
in the
in design.

elec3600
• In implementing a digital software on, say, a DSP, each

elec3600
••InInimplementing a adigital filter ininsoftware on,on,say, a DSP, each
• implementing digital filter software say, say, a each
DSP, each

elec3600
element
In requires
implementing aadditional execution
digital filter time or
in software on,memory.a DSP,
element
element requires
requires additional
additionalexecution
additional execution timeorormemory.
time memory.
or memory.
Computational Elements element requires execution time
putational Elements
Análisis de sistemas••An
An
• An examination of the number of elements provides some mea-
L.T.I usando
•examination
sure
An
laofthe
ofof
of the ‘cost’
examination
examination
Transformada
number
ofthe
the
the system.of
number
number ofof
Z. provides
elements
Estructuras.
elements
elements provides some
provides
some mea-
some
mea- mea- 2/7
In the design
La transformada of a discrete-time
Z permite la sure La filter,
primera we willen ser seeanalizada
that this can labeque se conoce como forma
es 2/7
sure of
•sure of
Given the
of
the ‘cost’
athe ‘cost’
‘cost’
rational ofof ofthethesystem.
the
transfer system.
system.
function
e design of a discrete-time done conveniently filter,
deaslos anwe LTI will
system see withthat this
a rational can belafunction.
transfer
Computational Structures

elec3600
implementación • directa
Given a I;
rational aplicandotransfer ecuación
function b0 + enb1diferencias
z−1 + · · · + bse Mz
tiene
−M
••Given
Given a aY
rational
rational transfer
transfer function
function
onveniently as an • LTI system with a rational transfer afunction.
(z) = H(z)X(z), H(z) = ,

elec3600
We already
sistemas discretos know de that we can represent difference equation ba00 + +b a11zz−1
−1 + · · ·
−1+−1 · · · + aM
b Nz
−N
−M
−M−M 4
which is initially at rest as an LTI Y (z) = H(z)X(z),
system with a rational H(z)transfer = b0b+ b1b
+ z1 z + ·+· ·· ·+· b+MbzM
−N z ,
,
already know that diferentes formas Direct
we can represent a difference equation Form YY(z)
we (z) I==H(z)X(z),
can H(z)X(z),
write this in the time H(z) H(z) ==
domain a 0 + 0
asaa1 zdifference
−1 + · · · +equation: a N z −N −N ,
!
function. a0a+ 0+
a 1 z −1 −1 + ·
a1 z + ·equation: · · + a z
· · + aN z
N
(estructuras). Los elementos we acan y[n]write+ this
· · · + inathey[n time − N] domain
= b as
x[n] a+ difference
· · · + b x[n − M]. "!
ch is initially at rest as an LTI system From with
the
we can a rational
recursive0
write form
this transfer
in of
theN
the
time difference
domain 0
as equation,
a difference M
it becomes
equation: rela- !
• In the design of filters, we we firstcan derive
a
write the this
+ · transfer
in the time
function domain
=and
as+ a· ·difference equation: #" !
0 y[n] · + athis N y[n N] b0 x[n] + bthat M x[n − M].
Elements
ction. básicos en estas estructuras
work back to the difference tively easy • We
to see
equation.
a0 y[n]
can then
++how
·write
· ·· ·· + the aN system
y[n
as
−−
−a recursive
N]N] could
== b0b x[n]
equation,
be constructed
· so
+ ·+··· ·+· b x[n from
− M]. adders, " "
son los siguientes 2/7 a 0 y[n] · + a N y[n 0 x[n] + Mb
M x[n − M]. $#
multipliers • We can
and then
delay 1 write this as a recursive equation, so that
ete-time
he design filter,
ofwe will
filters,• To seeimplement
we that first this derive
can be the equation,
a difference transfer y[n]we =function
need(belements.
0 x[n]three and · · · + bM x[n − M]
+elements: %$ # #
Sumador ••We
We cancan then
then write
1a write
0 this as a recursive
this as a recursive equation, so
equation, so that that
TI system with a rational transfer function.
elec3600
k back to the difference xequation. • The Direct y[n] Form
= (b
I 0 x[n] + · · · +
construction bM1is:
x[n −
y[n − 1] M]−!· · · − aN y[n − N]). &% $
2 [n] 1 1a0
−a $
t we can represent a difference " equation
x [n]
y[n]
y[n] == (b(b 0 x[n]x[n] ++ · ····+ −abMb x[n
y[nx[n −−1] M] − "· · 0· − aN y[n − N]).
M]
'& %
mplement a difference equation, 1 ! we need a three ! a0elements: 0 b 0 ·
!!"$
+
#+% &'(
1 M !!!"$#+%
−
&'( 1/a %
st as an LTI system with a rational
x1 [n]
!"! #
$+&
%'(
transfer
+x2 [n] x[n]
!
ax[n]
a0x[n] •" ! z−1 ! x[n − 1] #
! • ! ' &
x[n] −a1 y[n − 1] − · · · − aN y[n
# # " y[n]
− N]). &
−a1 y[n ! − 1]$ − · ·z·−1− aN y[n − N]).
x2 [n] Addition Multiplication z−1 Delay ' '
s, we " first derive the Multiplicador
transfer function (cte)and b! 1 !!"$
z-transform #+% & "
'( these !"$
#+% &'($ −a %$ 1 •
rence
!"! #
$
x
equation.
1 [n] • The a offers insight into possible arrangements
• of
+&%'( !
elements.
! ! !
z−1
" ! # #
&
"
+x2 [n]
ence equation, we need x[n] three elements: ax[n] x[n] x[n z−1 − 1] # z−1
'
Addition Multiplication ! Delay $
Retardo.
" bM−1 &'( % !"$ &'($ −aN−1
z-transform
a! ! offers ! insight z−1 into possible
! arrangements •
" of these
! !!"$
#+% #+% $ •
"
n] ax[n] x[n] x[n − 1] # # #
ments. z−1 & z−1
Multiplication Delay $
Procesado Digital de Señales.4º Ingeniería Electrónica. bM ! ' −a$ N
s insight into possible arrangements of these
Universitat de València. Profesor Emilio Soria. %
• However,
& this not the only possible realisation. 15

'
 requires additional
Integrated ‘realeach
Circuit) then estate’ in the
adder, design.
multiplier and delay element
Ak in the design.
requires additional ‘real estate’
• In implementing
Y (z) = $
a digital filter+ in software on, say, a DSP, each
O(X(z))

elec3600
In implementing
• element a digital filter s software on, say, a DSP, each
"1 in
! requires(1"Akpk # z )execution time or memory.
additional
Y (z)requires
element
k
= $
additional + O(X(z))
"1 sexecution time or memory.
k (1"ofpkthe
! • An examination # z number
) of elements provides some mea-
• An examination of the number of elements provides some mea-
sure of the
sure of the‘cost’
‘cost’
n ofof
thethe system.
system.
g(n) =lanpTransformada
" u(n)
Direct Form II Análisis de sistemas L.T.I usando
•• Given
Given aa rational
rationaltransfer
transfer Z. Estructuras.
function
function g(n) = p "s#1
u(n)
La siguiente es la que se!
To see another possible realisation, write ! conoce g(n) = n " p n
" u(n) b0 +bb01 z
+−1b+ −1 + b z −M
1 z· · · + · · + bM z−M
·M
Yg(n) = nH(z)X(z),
(z) = " p " u(n) 5/7H(z)a= Y (z) = H(z)X(z),
s#1 n
,H(z) = ,
ealisation, como forma directa II o canónica +aa z
+ a z
−1 + ·−1
· · +
+ a
· · z
· −N
+ a z −N
! write " X(z)
0 01 1 N N
Y (z) −M we can
can write
5/7 this
1 in thethe
time domain as a difference equation: !
" = bDirect + bM zII W (z), W (z) = we
0 + · · · Form
X(z)
write1this. in time domain as a difference equation:
a0 + · ·w(n)
· + aN=z " x(n) # a " w(n #1) + ...# a " w(n # N ) ( ( )
−N

elec3600
z−M W (z), W (z) = a0w(n)
y[n] = .
+ · · ·"+x(n)
a aN y[n# a−1 "N]
w(n1 = #1) + ...#
b0 x[n] + ·a·N· +
" w(n # N−) M].
bMNx[n " )
To see a0an
another + ·· + a Nz
·intermediate
possible realisation,
step,write
a0 y[n] +−N · · · +
a0 0save N a y[n − N] = b 0 x[n] + · · · + b M x[n − M].

elec3600
• By calculating w[n] as we can actually #
onintermediate
the number of delay
! weelements "!
!
required.
• We can then write this as a recursive equation,
5/7 so that
s an step, can actually −M save• We can then write X(z) this as a recursive equation, so that $
ay• elements
Y (z) = b0 + · · · + bM z W (z), W (z) y(n)
= =1=
y(n) b
a0(b
b " " w(n)
w(n) +
aN
+
...+ ...+
· ·z·−N
b . "bw(n" w(n
# M )# M )
This leadsrequired.
to the Direct Form II realisation (here, y[n]N= = M): 0·x[n]
0+ 0 · · ++ +M bM x[n
M − M] %

elec3600
1
a0
y[n] = (b0 x[n] + · · · + bM x[n − M] &
ct Form II realisation (here, w[n]
• By calculating N =w[n]as an intermediate step,awe
M): ! 0 can
Estaactually save
−a
estructura 1 y[n
se − 1] −
basa en · − aN y[n − N]).
· ·utilizar
on the number &'( 1/a of
! 0 delay b! 0! !"! #
elements &'( required.
!"! $
#+% • $+% ! −a y[n − 1] − · · · − a y[n − N]).'
los retardos de
1 la variable N
w[n] x[n] $ " $ y[n]
$
#+% &(' 1/a
! 0 • This
b! 0 leads
!"! #$+% &'( to the Direct ! z −1 Form ! II realisation (here, N = M):
intermedia, w(n) a la hora de
$
•
" $ y[n]
−a b
!
!"$
#+% &'(# # 1 • !1 w[n]
!"! #
$
+% &'( calcular la salida
! del sistema y(n).
−1
z $
!!"$
"
#% &'( 1/a 0 $ b 0 !!"#
$+% &'(
−1+
! • !
Este !
hecho se
" traduce en un ahorro
−a 1 b 1 x[n] z " y[n]
$
#+% &'(# # • ! !"! #
$+% &'( $ ! $
$ " $ z −1
en el número
# de retardos
z−1 −a# 1 b! 1 "
!"$
#+% &'(# −aN−1
#
!"$
• $
&'(b
#+% # N−1
! "!! #
$+% &•"'(
!!"#
$+%
$
&'( necesarios para
$ la implementación
!
$ " $
z−1
# del sistema% discreto "de tal forma
bN−1 z−1
$
#+% &'(# −aN−1 • "!! #
$+%
&'( $ que esta estructura es #la que menos
# !
−a# N bN &
$ " $ • !
!"$
#+&
%'(# −a N−1 bN−1
! % !!"#
$+% &'( retardos necesita.
$
z−1
# • '
$ " $
b
Procesado Digital de Señales.4º Ingeniería Electrónica.
−a# N N & %
• Universitat
! de València. Profesor Emilio Soria. z−1
−a# N bN ! ' & 16
•
'
 Ak
Y (z) = $ "1 A
s
+ O(X(z))
Cascade !
Form
Cascade Form k Y(1"
(z) =p$
k #z )
k
"1 s
+ O(X(z))
! k (1" pk # z )
Yet
Yetanother
anotherrealisation ispossible
realisation is possiblewhen
when H(z)
H(z) is factorised
is factorised as (again
as (again
Cascade Form M 6/7
Análisis de sistemas assuming
L.T.I usando
assuming M= = N):
la Transformada
N): n Z. Estructuras. 6/7

Yet another realisation is possible when H(z) is factorised as (again

Otra posible estructura es en b
b0
g(n) = p " u(n) 1 −1ck− ck z−1
z−1
g(n) = p " u(n) n

elec3600
assuming M = N): H(z)
H(z)= = H11(z) ·····HH
(z)·! NN (z),
(z), 6/7
HknH
(z)(z)
= =n
ks#1 . .
cascada; si la función de a
a0 s#1
g(n) = n " 1
p −"1d−!
k zdk z
u(n)−1 −1
g(n) = n " p " u(n)
b0 1 − ck z−1

elec3600
H(z) = H(z)H1 (z)se · HN (z),
· ·puede ThisH
• •This k (z) =
leads
leads to a
to a cascade. form:
transferencia a0 1 − cascade
dk z−1 form: Aplicando una estructura
H1 (z)
1 HN (z)
factorizar detolaasiguiente
• This leads forma
cascade form:
b0 /a
H1 (z) 1 !"$#%&'( a "a( x(n)
w(n) =
canonica cada a1 " w(nse
#bloque
HN (z) #1) + ...# a N " w(n
H1 (z) b0 /a
x[n] !
! 0
0
!!"$
!!"$
#+%
#+% &'(
&$ (' HN (z)
• w(n) +
•" !
! "
!$
#= &
%
!!"$#
(
'
$+%&'( (
" x(n)
+!"$
#+% &'( 0# a
• " w(n #1)
tiene
1
" •
"
!
! $
# &
% (
'
+ !"! #+
$+ '( ...# a N! " w(n
&y[n]
%
!

$ a
$ $
b0 /a
! 0 !!"$
#+% &'(
x[n]
!!"#
$%&'( !"$
#%&'(
$ "
z−1 !"! #
$+%&'( ! 0
$ z−1
" $ y[n]
• + + •
x[n] $ " $ $
! d
"
#1
z −1
$ −c1 y[n] wk (n) =dx#Nk (n)• +zd−ck ! N" wk (n #1)
−1
Parallel Form
Parallel Form z −1
zParallel
d
−1
#1
•
Form
−c! 1
!
dN −cN
y (n) w (n) c −cN•
• " w ! (n #1)
#
y (n) x (n) = c x # (n k + adrational
k # yk (n !"1)
d# 1 d#N
UnderUnder certain
certain conditions,
conditions, we have
•
we have found
found that
• We
that we wecancan
combine
•
write
!
complex
write a
−c! 1
Under certain
arational
rational
kzeros
!
= k
and poles with
"
conditions,kwe have found k #
k their that "1)
k wekcomplex
can write
con- 7/7
transfer function in a partial fraction expansion:
transfer
transfer function
function
• Wein
Estructuraa inena partial
partial
combine fraction
fraction
complex
paralelo; zeros • We
expansion:
ahoraand combine
expansion:
jugate
poles
H(z) pairs
sewith
puede complex
tofactorizar
their avoid
complex zeros
implementing
con- and 7/7poles
7/7 ! complex
de la siguiente with
forma their complex
arithmetic in hard- con- " !
Ak
jugate
ware. pairsarithmetic
toAkavoid implementing HNcomplex arithmetic (n.in#1)
hard- #

elec3600
H(z)in H1 (z) + · ·y = Ak " xHkk(z)
k"(n) (n)
jugate pairs to avoid implementing complex =hard- ·+ (z), =+ d " y −1 "
! A 1 −k dk zk

elec3600
H(z) = H (z) + · · · + H (z), H (z) = k . ypairs
k (n) Ak "#parallel
=zeros, xck+1
k (n) c+k∗ ,d " ypoles,
k (n #1)

elec3600
H(z) = ware.
H1 (z) + · · · + HN (z), •ware.
H (z) = . leads
1 N k
kThat is, for
1− d•zkThis
z−1
conjugate ! of
directly to the =form and
of dk+1 =
k implementation: #
1− d
∗ k
−1 $
• This leads directly to the parallel •formd∗
• That is, for conjugate pairs of zeros,
That , cwe
kof is, = ck , andH
k+1 combine
for poles,
conjugate
implementation:
dk+1 H
k (z) pairs
and =k+1 (z)$to Hobtain
of zeros, c
1 (z) = c ∗
, and poles, dk+1 =
En estas dos estructuras, en el caso de tener
• This leads directly
∗
to the parallel
dk , we combine Hk (z) andform
Hk+1of !
∗ implementation:
(z) to obtain
k+1 k
A" 1
% $
H (z)
d k , we combine Hk (z) and
x[n] 1 • H !"" #
− 2 k+1
Re
$+%
! {c(z)
&'( %
k }z to• obtain
−1 2
# + |c | z −2
k
"!"$
#+% &'(
y[n]
"
&
polos complejosH1se 1asocian por
(z)1 − 2Re{ck }z−1 + |ckHpares 2
| z −2 (z) !
k,k+1 = & −1 z−1 2 −2
.
!
%
H k,k+1
"!"#
$
+%&'( (z) = A 1 "!"$
#+%&2'( −2 . 1 − 2Re
1 − 2Re{c {d k }z
d$ 1 }z +
−1|d | z
+k|ck | z−22 '
conjugados
x[n]
•
•
"!"#
$+%
para
&'( !
dar •
estructuras
1•− 2A
# Re
" 1
"
{d kde
}z orden
−1 +"!"$|d
#+% &'(Hk |2. z
! k,k+1y[n](z)
"
"
= ' k
.
&
x[n] ! #
z −1 ! ! y[n] 1 − 2Re{dk }z + |dk | z −1 2 −2 ! '
De forma “encubierta”
d$ 1z−1
estamos aplicando HN (z) "
propiedades dedla$ 1 convolución (asociativa y "!" $
#+%
!
&'( •
#
A" N
#
distributiva para ser exactos). ! z −1 $
HN (z) !" d$ N %
Procesado Digital de Señales.4º Ingeniería Electrónica.
Universitat de València. Profesor Emilio H N (z)
Soria. A" N "# &
"!" $
#+% &'( • • Again, complex conjugate poles should be combined.
"!"$
#+% &'(
! #
A" N 17 '
•
# z −1 #$
!
d$N −1 $%
z
 x(n) = $ ' ( u(n) ) X (z) = 1" 3 # z ( ) ( )
1 * x(n)(=z 1
3 ( )
$ "' (3u(n) # z ) X (z) =
# 3&
3 3
1* 1 ( ( )
z *1
2 Y (z) =
# 33&
"
2 1*(
Y (z) = 3 "1 " 2
! 1
Y (z) = 1 " 0.5Y#(z) z "1 ( ( ))
"1 " 1 1 #!z "1 1
1 " 0.5 # z = A 1 " 13"1 ## z "1B1 =
1 "A0.5 # z "1 1 "B 1 # z "1
+
( ) 3
Y (z) = ! #
! 1
= 1 " 0.5 # z 3 1 "
+ ( ) 3
#z "1 "1
1 " 0.5 # z 1 1 "
1 # z "1 Y (z)* = # 1 &n
( )
1
3
# z "11
!
( )
1 " 0.5 # z "1 1 " 1 * # z "1 n 1 " 0.5 # z "1 n - 1" ! ( ) # 1# &n - 1 =
y(n) =
3 * #1& n
, 3," % #Y1( (z) =
# &
& ) 2 " % #11(3&n/-" u(n)
"
3 , 1 " 0.5 # z "1
1
2 y(n) = 3 " %$ 2 (' ) 2 " %$ 3 (' " u(n)
,
" ( )
/ 3
/.
# z "1

y(n) ,= 3$"2% ' ( ) 2$" %3 ' ( //"1 !

" u(n) +
Análisis de sistemas L.T.I usando la Transformada Z.( )
Y (z) =
! !3
" !
+2,+ $ 2 ' 1 "$0.5 .
#
3 ' /.z 1" 1
3
#z "1
3 2
Se puede relacionar el “mundo digital” con el “mundo analógico” relacionando las Y (z) =
Transformadas más "
!
1 " 0.5 # z "1

utilizadas en esos dominios como son la Transformada

1
1" 3 # z
A ( )
"1
* -
A
H ( p) = 1 " 0.5 # z "1 1 " 1 # z "1 ( )
= = AZy(n) y la Transformada 1de
& Laplace; existiendo dos
n n 3
HH ( p)( p) #1& #! p+b
= , 3 " % ( ) 2
! " % ( / " u(n)
formas de hacer este cambio. *Estas transformaciones
n n- p+ p+ bson
b las,+ que $ 2 'se conocen $ 3 ' /. como Transformación
! # 1 & # 1! & * # 1 &n
bilineal y Transformacióny(n) !
= , 3 " % ( ) 2 " % ( / " u(n)
impulso-invariante. #b" t
# 1 &n -
! ,+ $ 2 ' $ 3 ' /. = A=" e, 3 " % t >
h(t)y(n) ( 0) 2 " % ( / " u(n)
#b" t t A , $ 2 ' $ 3 ' /.
Impulso-invariante. h(t)
h(t)= =A A #b"
" e" e H t( p)
> 00
t >= !! +
p+b h(n "T ) = A " e#b" n"T " u(n)
!! A !
El bloque básico de análisis de=sistemas lineales continuos#b"#b"
H ( p) usando transformadas A
p + b h(nh(n"T"T ) =) =A A" e" e n"T n"T
" u(n)
" u(n) H ( p) =
de Laplace es el definido por (es análogo a lo que ocurre en procesado digital!!!!).
! p+b
! h(t) = A " e#b" t t > 0
! ! ! !
La transformada inversa Si se ! " u(n) H (z) = A
h(t) = A " e #b" t
t>0 h(n "T ) = A " e#b" n"T
de H(p) viene ! dada por muestrea AA h(t) 1 "Ae""b#T
= #
e #b"#t z "1
tz>"10&
!! H (z)
H (z) = = "b#T "1"1 T 1 +
h(n "T ) = A " e#b" n"T " u(n)! 1" 1" "b#T
e e # z# z ! H (z) = % (
Transformación bilineal. 2 #b""1
A h(n "T ) = $A 1 " "
e z n"T
'" u(n)
! ! H (z) =
Ahora el paso es comparar el operador ( (
x1x(n)
"(n)e"b#T
++x(n # z!
x(n "1
""1)!1)))
A(n) = A(n
A(n) = A(n " 1) + " 1) + #T
#T
“integrador” en!el mundoHanalógico ! !y enA 2
(z) = 2 A
el digital; en el analógico H(p)=1/p 1 "ese"b#T
un # z "1 ! H (z) =#
! 2 11 " " z"b#T& # z "1
e
"1
integrador; ¿qué sistema digital hace una ! p= %
T " X (z) "1 (
(( )) (( ))
#1 #1
operación semejante?. Para determinarlo A(z) " 1 # z
#1 =T " X (z) " 1 + z#1 T $1 + z '
! A(z) " 1 # z = 2 " 1+ z
de forma sencilla ! 2
! hay que plantearse el
significado de la integral: área encerrada T # 1 + z "1 & !
por una curva y el eje de abcisas H (z) = % (
! 2 $ 1 " z "1 '
Procesado Digital de Señales.4º Ingeniería Electrónica. ! !
Universitat de València. Profesor Emilio Soria.

18

! 2 # 1 " z "1 &

p= % (