CursoPDS 1 2a

16/08/2022
CURSO DE
PROCESAMIENTO
DIGITAL DE SEÑALES
(PDS)
Elaborado por:
Edgar Tello Paleta
OBJETIVO
Analizar los conceptos y técnicas básicas del procesamiento
digital de señales (PDS) y sus aplicaciones con procesadores
digitales de señales (DSPs).
TEMARIO
1. Introducción: el PDS y sus aplicaciones.
2. Principios fundamentales del PDS.
3. Diseño de filtros digitales.
4. Aplicaciones del PDS
5. Arquitecturas para el PDS.
FI UNAM MI EDGAR TELLO PALETA 1

16/08/2022
EVALUACIÓN
CS = 0.6(CE) + 0.4(CT)
CA = CS para alumnos exentos con CS ≥ 7.0
Los alumnos no exentos o que quieran mejorar su CA

CA = CEF1
Y en caso de no aprobar el primer examen final
CA = CEF2
CS: Calificación del semestre CA: Calificación en actas

CE: Calif. exámenes parciales CEF1: Calif. 1er final
CT: Calif. tareas y proyectos CEF2: Calif 2do final
EVALUACIÓN
Escala de Calificación en Acta (CA)
6.0 ≤ 6 < 6.5

6.5 ≤ 7 < 7.5
7.5 ≤ 8 < 8.5
8.5 ≤ 9 < 9.5
9.5 ≤ 10 ≤ 10

16/08/2022
BIBLIOGRAFÍA PRINCIPAL
PROAKIS J. G & MANOLAKIS D. G.

Digital Signal Processing, Principles, Algorithms and
Applications
Macmillan, 1992
OPPENHEIM A. V., SCHAFER R. W.

Discrete-Time Signal Processing
Prentice Hall
ESCOBAR SALGUERO, Larry

Diseño de Filtros Digitales
Facultad de Ingeniería UNAM, 2006.
2. PRINCIPIOS FUNDAMENTALES DEL

PROCESAMIENTO DIGITAL DE SEÑALES
Señales continuas, discretas y digitales
En general, una señal es una función de una o más variables indepen-
dientes que transporta información. Por ejemplo se tienen:
- Señales eléctricas: variaciones de voltajes y corrientes en un
circuito eléctrico en función del tiempo.
- Señal sonora: variación de presión acústica en función del tiempo.
- Señales de velocidad, fuerza, temperatura, presión, humedad, etc.
- Señal de video monocromático: variación de intensidad (brillo)
en función de dos variables espaciales (en cada imagen fija) y el
tiempo (al ir cambiando cada imagen fija).
Este curso se enfoca en señales de 1 sola variable independiente que
se denominará "tiempo". Por su representación matemática se tienen:

16/08/2022
Señales de tiempo continuo

Se representan mediante funciones reales (o complejas) de variable
real. Por ejemplo:
𝑥 𝑡 = 𝑒 −𝑡 cos 𝑡 , 𝑡∈ℝ
Señales de tiempo discreto (o secuencias)

Se representan mediante funciones reales (o complejas) de variable
entera. Por ejemplo:
𝑥 𝑛 = 0.5𝑛 cos 𝑛 , 𝑛∈ℤ
Señales digitales
Una señal digital 𝑥𝑏 ,𝑛- es una versión cuantizada y codificada de
una secuencia 𝑥,𝑛-. En la señal digital los valores de 𝑥,𝑛- se repre-
sentan aproximadamente utilizando algún código binario.
Señales de tiempo discreto (secuencias)

2𝜋
- Representación en forma cerrada: 𝑥 𝑛 = 𝑠𝑒𝑛 20
𝑛
- Representación como arreglo ordenado de números:

𝑥 𝑛 = … , 𝑥 0 , 𝑥 1 , 𝑥 2 , 𝑥 3 , 𝑥 4 , 𝑥 5 ,…
≈ … , 0.00, 0.31, 0.59, 0.81, 0.95, 1.00, …
- Representación gráfica:

16/08/2022
Señales de tiempo discreto (secuencias)
Ejemplo de señal de tiempo discreto y su correspondiente señal digital

16/08/2022
Señales básicas de tiempo continuo (TC) y t discreto (TD)
Señal impulso unitario

∞, 𝑡 = 0
𝛿 𝑡 =
0, 𝑡 ≠0
+∞
con −∞
𝛿 𝑡 𝑑𝑡 = 1
Propiedad de muestreo
𝑥 𝑡 𝛿 𝑡 =𝑥 0 𝛿 𝑡
Señal escalón unitario

1, 𝑡 ≥ 0
𝑢 𝑡 =
0, 𝑡 < 0
Secuencia impulso unitario

1, 𝑛 = 0
𝛿𝑛 =
0, 𝑛 ≠ 0
= * 1,0,0,0, … +
Propiedad de muestreo
𝑥 𝑛 𝛿,𝑛- = 𝑥 0 𝛿 𝑛
Secuencia escalón unitario

1, 𝑛 ≥ 0
𝑢𝑛 =
0, 𝑛 < 0
= * 1,1,1,1, … +

16/08/2022
Señal exponencial real
𝑥 𝑡 = 𝑒 𝑎𝑡
Donde 𝑎 ∈ ℝ diferente de cero.
𝑎 > 0: exponencial creciente
𝑎 < 0: exponencial decreciente
Secuencia exponencial real
𝑥 𝑛 = 𝛼𝑛, 𝛼∈ℝ 𝛼≠0 y 𝛼≠1

16/08/2022
Señal sinusoidal
𝑥 𝑡 = 𝐴𝑐𝑜𝑠 𝜔0 𝑡 + 𝜙 , 𝜔0 = 2𝜋𝑓0
Donde
𝐴 : amplitud
𝑓0 : frecuencia en Hertz
𝜔0 : frecuencia angular en radianes sobre segundo
𝜙 : fase en radianes
Una señal sinusoidal es periódica con periodo fundamental:

1
𝑇0 =
𝑓0
𝑥 𝑡 = 𝐴𝑐𝑜𝑠 2𝜋𝑓0 + 𝜙
𝜋
Señal sinusoidal con 𝐴 = 1, 𝜔0 = 1000𝜋 y 𝜙 = − 2

16/08/2022
𝑥 𝑡 = 𝐴𝑐𝑜𝑠(𝜔𝑜 𝑡 + 𝜙)
Secuencia sinusoidal
𝑥 𝑛 = 𝐴𝑐𝑜𝑠 Ω0 𝑛 + 𝜙
Donde 𝐴 es la amplitud, Ω0 es la frecuencia angular en radianes y, 𝜙
es la fase en radianes.
𝑥,𝑛- es periódica con periodo fundamental 𝑁 ∈ ℤ+ cuando Ω0 = 2𝜋
𝑁
𝑚,
𝑚
siendo 𝑁 un número racional en su forma irreducible.

16/08/2022
Señal exponencial compleja

𝑥 𝑡 = 𝑒 𝑗𝜔0 𝑡 = cos 𝜔0 𝑡 + 𝑗𝑠𝑒𝑛 𝜔0 𝑡
Donde 𝜔0 = 2𝜋𝑓0 es su frecuencia angular en radianes sobre seg. y
𝑓0 es su frecuencia en Hertz.
La señal 𝑒 𝑗𝜔0 𝑡 es periódica con periodo fundamental 𝑇0 = 1 𝑓𝑜 .
Secuencia exponencial compleja

𝑥 𝑛 = 𝑒 𝑗Ω0 𝑛 = cos Ω0 𝑛 + 𝑗𝑠𝑒𝑛 Ω0 𝑛
1) 𝑥,𝑛- es periódica con periodo fundamental 𝑁 ∈ ℤ+ cuando Ω0 = 2𝜋

𝑁
𝑚,
𝑚
siendo 𝑁 un número racional en su forma irreducible.
2) 𝑒 𝑗Ω0 𝑛 = 𝑒 𝑗(Ω0+2𝜋)𝑛 ( periódica en el dominio de la frecuencia ).
Convolución
Integral de convolución
La convolución entre cualesquiera señales 𝑓 𝑡 y 𝑔 𝑡 se define
como:
+∞
𝑦 𝑡 =𝑓 𝑡 ∗𝑔 𝑡 = 𝑓 𝜏 𝑔 𝑡 − 𝜏 𝑑𝜏 2.1
−∞
Suma de convolución
La convolución entre cualesquiera secuencias 𝑓,𝑛- y 𝑔,𝑛- se define
como:
+∞
𝑦 𝑛 =𝑓 𝑛 ∗𝑔 𝑛 = 𝑓 𝑘 𝑔 𝑛−𝑘 2.2
𝑘=−∞

16/08/2022
Propiedades de la convolución
1) Conmutativa 𝑓∗𝑔 =𝑔∗𝑓
2) Asociativa 𝑥1 ∗ 𝑥2 ∗ 𝑥3 = 𝑥1 ∗ 𝑥2 ∗ 𝑥3
3) Distributiva 𝑥1 ∗ 𝑥2 + 𝑥3 = 𝑥1 ∗ 𝑥2 + 𝑥1 ∗ 𝑥3
4) Desplazamiento con el impulso unitario

𝑥 𝑡 ∗ 𝛿 𝑡 − 𝑡0 = 𝑥 𝑡 − 𝑡0
𝑥 𝑛 ∗ 𝛿 𝑛 − 𝑛0 = 𝑥,𝑛 − 𝑛0 -
Ejemplo
Para las señales 𝑓 𝑡 = 𝛿 𝑡 − 4 + 𝛿 𝑡 − 7 y 𝑔 𝑡 = 𝑒 −2𝑡 ,
obtener 𝑦 𝑡 = 𝑓 𝑡 ∗ 𝑔(𝑡).
Solución
𝑦 𝑡 = 𝑓 𝑡 ∗𝑔 𝑡 = 𝛿 𝑡−4 +𝛿 𝑡−7 ∗ 𝑒 −2𝑡
Por la propiedad distributiva de la convolución se tiene que:
𝑦 𝑡 = 𝛿 𝑡 − 4 ∗ 𝑒 −2𝑡 + 𝛿 𝑡 − 7 ∗ 𝑒 −2𝑡
Por la prop. de desplazamiento con el impulso unitario se tiene que:
𝑦 𝑡 = 𝑒 −2 𝑡−4 + 𝑒 −2(𝑡−7)

16/08/2022
Correlación cruzada de secuencias de tiempo discreto

Sean 𝑥,𝑛- e 𝑦,𝑛- dos secuencias reales de energía finita. La
correlación cruzada entre 𝑥,𝑛- e 𝑦,𝑛- se define como la secuencia
+∞ +∞
𝑟𝑥𝑦 𝑙 = 𝑥 𝑛 𝑦 𝑛−𝑙 = 𝑥 𝑛+𝑙 𝑦 𝑛 𝑙∈ℤ 2.3

𝑛=−∞ 𝑛=−∞
La autocorrelación de una secuencia 𝑥,𝑛- real de energía finita se

define como 𝑟𝑥𝑥 𝑙 .
Se puede demostrar que

𝑟𝑥𝑦 𝑙 = 𝑟𝑦𝑥 −𝑙
𝑟𝑥𝑦 𝑙 = 𝑥 𝑙 ∗ 𝑦 −𝑙
𝑟𝑥𝑥 0 = 𝐸𝑥 ( la energía de x[n] real )
Fundamentos de muestreo
Muestreo es el proceso de convertir una señal 𝑥𝑐 𝑡 , en su repre-
sentación mediante una secuencia 𝑥 𝑛 . Si el muestreo se realiza
de forma periódica, entonces se tiene que:
𝑥 𝑛 = 𝑥𝑐 𝑛𝑇 , −∞ < 𝑛 < +∞
Donde 𝑇 es el periodo de muestreo medido en segundos. 𝐹𝑠 = 1 𝑇

es la frecuencia de muestreo medida en muestras/segundo o Hertz.
Teorema de Muestreo: Si la frecuencia más alta contenida en

una señal 𝑥𝑐 𝑡 es 𝐹𝑚𝑎𝑥 , y la señal se muestrea con 𝐹𝑠 > 2𝐹𝑚𝑎𝑥 ,
entonces 𝑥𝑐 𝑡 puede ser reconstruida exactamente a partir de sus
muestras 𝑥,𝑛-, mediante interpolación ideal (solo posible en teoría).

16/08/2022
Ejemplo de muestreo de una señal sinusoidal
𝑥𝑐 𝑡 = cos 2𝜋500𝑡
Si se muestrea la señal 𝑥𝑐 (𝑡) de la figura anterior con una frecuencia

1
de muestreo 𝐹𝑠 = 10000 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠
𝑠
⇒ 𝑇 = 10000 𝑠 , entonces
se obtiene la secuencia:
1 𝜋
𝑥 𝑛 = 𝑥𝑐 𝑛𝑇 = cos 2𝜋500𝑛 10000
= cos 10
𝑛
En este caso 𝐹𝑚𝑎𝑥 = 500 ,Hz- y 𝐹𝑠 = 10000 Hz . Como 𝐹𝑠 > 2𝐹𝑚𝑎𝑥 ,

de acuerdo con teorema de muestreo, 𝑥𝑐 (𝑡) puede ser reconstruido
exactamente a partir de su secuencia de muestras 𝑥,𝑛-.

16/08/2022
Aliasing
Cuando no se cumple con el teorema de muestreo se produce el
fenómeno de aliasing. Este fenómeno causa que señales continuas
distintas se vuelvan indistinguibles cuando se representan mediante
una secuencia de muestras.
Ejemplo
En esta figura 𝐹𝑚𝑎𝑥 = 500, entonces debe cumplirse que 𝐹𝑠 > 1000
para que 𝑥𝑐 𝑡 pueda ser reconstruida exactamente a partir de 𝑥,𝑛-.

16/08/2022
Ejemplo (continuación)
𝑥 𝑛 = 𝑥𝑐 𝑛𝑇 son las muestras de 𝑥𝑐 𝑡 con 𝐹𝑠 = 1000.1 (𝑇 ≈ 1ms).

Como 𝐹𝑠 > 2𝐹𝑚𝑎𝑥 , 𝑥𝑐 𝑡 puede ser reconstruido a partir de 𝑥,𝑛-.
𝑥 𝑛 = 𝑥𝑐 𝑛𝑇 son las muestras de 𝑥𝑐 𝑡 con 𝐹𝑠 = 2000 (𝑇 = 0.5ms).

Como 𝐹𝑠 > 2𝐹𝑚𝑎𝑥 , 𝑥𝑐 𝑡 puede ser reconstruido a partir de 𝑥,𝑛-.

16/08/2022
𝑥 𝑛 = 𝑥𝑐 𝑛𝑇 son las muestras de 𝑥𝑐 𝑡 con 𝐹𝑠 = 600 (𝑇 ≈ 1.66ms).

Como 𝐹𝑠 < 2𝐹𝑚𝑎𝑥 , 𝑥𝑐 𝑡 no puede ser reconstruido a partir de 𝑥,𝑛-.
𝑥𝑟 𝑡 es la señal reconstruida a partir de la secuencia 𝑥,𝑛- obtenida

en la figura anterior. Como 𝐹𝑠 < 2𝐹𝑚𝑎𝑥 se tiene que 𝑥𝑟 𝑡 ≠ 𝑥𝑐 𝑡 .

16/08/2022
Serie de Fourier de tiempo continuo (CTFS)

La S. de Fourier de una señal periódica 𝑥𝑝 (𝑡), con periodo fundamental
𝑇0 y frecuencia fundamental 𝑓0 = 1 𝑇0 , está definida por:
+∞
𝑥𝑝 𝑡 = 𝑎𝑘 𝑒 𝑗𝑘𝜔0 𝑡 F. 1
𝑘=−∞
donde 𝜔0 = 2𝜋𝑓0 , y
1
𝑎𝑘 = 𝑥𝑝 (𝑡)𝑒 −𝑗𝑘𝜔0 𝑡 𝑑𝑡 F. 2
𝑇0 𝑇
0
Si 𝑥𝑝 (𝑡) es real, la ecuación (F.1) puede reescribirse como:

+∞
𝑥𝑝 𝑡 = 𝑎0 + 2 𝑎𝑘 cos 𝑘𝜔0 𝑡 + ∢𝑎𝑘 F. 1𝑎

𝑘=1
La ec. anterior representa a 𝑥𝑝 (𝑡) real, como la suma de una infinidad
de señales sinusoidales con frec. múltiplos de la frec. fundamental 𝑓0 .
Demostración de la ecuación (F.1a)

+∞ +∞
𝑗𝑘𝜔0 𝑡
𝑥𝑝 𝑡 = 𝑎𝑘 𝑒 = 𝑎0 + 𝑎−𝑘 𝑒 −𝑗𝑘𝜔0 𝑡 + 𝑎𝑘 𝑒 𝑗𝑘𝜔0 𝑡
𝑘=−∞ 𝑘=1
+∞
= 𝑎0 + 𝑎−𝑘 𝑒 𝑗 ∢𝑎−𝑘
𝑒 −𝑗𝑘𝜔0 𝑡 + 𝑎𝑘 𝑒 𝑗 ∢𝑎𝑘
𝑒 𝑗𝑘𝜔0𝑡
𝑘=1
Como 𝑥𝑝 (𝑡) es real, se tiene que 𝑎−𝑘 = 𝑎𝑘 y ∢𝑎−𝑘 = −∢𝑎𝑘 , y la

ecuación anterior se puede reescribir como:
+∞
𝑥𝑝 (𝑡) = 𝑎0 + 𝑎𝑘 𝑒 −𝑗∢𝑎𝑘 𝑒 −𝑗𝑘𝜔0 𝑡 + 𝑎𝑘 𝑒 𝑗∢𝑎𝑘 𝑒 𝑗𝑘𝜔0 𝑡

𝑘=1
+∞
= 𝑎0 + 𝑎𝑘 𝑒 −𝑗 𝑘𝜔0 𝑡+∢𝑎𝑘
+ 𝑎𝑘 𝑒 𝑗 𝑘𝜔0 𝑡+∢𝑎𝑘
𝑘=1

16/08/2022
O bien
+∞
𝑥𝑝 𝑡 = 𝑎0 + 𝑎𝑘 𝑒 −𝑗 𝑘𝜔0 𝑡+∢𝑎𝑘
+ 𝑒𝑗 𝑘𝜔0 𝑡+∢𝑎𝑘
𝑘=1
Finalmente, como
𝑒 𝑗𝜃 = cos 𝜃 + 𝑗𝑠𝑒𝑛 𝜃
y
𝑒 −𝑗𝜃 = cos 𝜃 − 𝑗𝑠𝑒𝑛 𝜃 ,
la ecuación anterior se puede reescribir como:

+∞
𝑥𝑝 𝑡 = 𝑎0 + 2 𝑎𝑘 cos 𝑘𝜔0 𝑡 + ∢𝑎𝑘 ∴ 𝑄𝐸𝐷

𝑘=1
Ejemplo
Determinar los coefs. 𝑎𝑘 de la S. de Fourier de 𝑥𝑝 (𝑡) en la sig. figura:
𝑇0
1 +1
1 2
𝑎𝑘 = 𝑇0
𝑥𝑝 𝑡 𝑒 −𝑗𝑘𝜔0 𝑡 𝑑𝑡 = 𝑇1 𝑒 −𝑗𝑘𝜔0 𝑡 𝑑𝑡 = 𝑇1 −1 −𝑗𝑘𝜔0 𝑡
𝑗𝑘𝜔
𝑒
𝑇 0 0 0 𝑡=−1
− 0 −1
2
= − 𝑇1 1
𝑗𝑘𝜔0
𝑒 −𝑗𝑘𝜔0 − 𝑒 𝑗𝑘𝜔0 = − 𝑇1 1
𝑗𝑘𝜔0
−2𝑗𝑠𝑒𝑛 𝑘𝜔0
0 0
𝑎𝑘 = 𝑇1 2
𝑘𝜔0 sen 𝑘𝜔0 con 𝑇0 > 2
0
1 2
Con 𝑇0 = 12 𝑎𝑘 = 12 𝑘2𝜋 12
sen 𝑘2𝜋 1 𝜋
12 = 𝑘𝜋sen 𝑘 6

16/08/2022
Ejemplo 1 de la serie de Fourier de TC
Ejemplo 2 de la serie de Fourier de TC

16/08/2022
Transformada de Fourier de tiempo continuo (CTFT)

A partir de una señal 𝑥(𝑡) aperiódica se puede construir una señal 𝑥𝑝 (𝑡)
periódica con periodo 𝑇0 , como se muestra en la siguiente figura:
Cuando 𝑇0 → ∞, 𝑥𝑝 𝑡 = 𝑥(𝑡) para cualquier valor finito de 𝑡, y la S. de

Fourier de 𝑥𝑝 (𝑡) se generaliza hacia la T. de Fourier de 𝑥(𝑡). En efecto:
En términos de la serie de Fourier de 𝑥𝑝 (𝑡), ecuación F.1, se tiene que:

+∞ +∞
1
𝑥𝑝 𝑡 = 𝑎𝑘 𝑒 𝑗𝑘𝜔0𝑡 = 𝑇0 𝑎𝑘 𝑒 𝑗𝑘𝜔0 𝑡
𝑇0
𝑘=−∞ 𝑘=−∞
2𝜋 1 1
Como 𝜔0 = , entonces = 𝜔 y 𝑥𝑝 (𝑡) puede reescribirse como:
𝑇0 𝑇0 2𝜋 0
+∞
1
𝑥𝑝 𝑡 = 𝑇0 𝑎𝑘 𝑒 𝑗𝑘𝜔0 𝑡 𝜔0 (𝑎)
2𝜋
𝑘=−∞
Además, de la ecuación F.2 se tiene que:

𝑇0 2
𝑇0 𝑎𝑘 = 𝑥𝑝 (𝑡)𝑒 −𝑗𝑘𝜔0 𝑡 𝑑𝑡 𝑏
−𝑇0 2
Entonces, en el límite cuando 𝑇0 → ∞ (y 𝑎𝑘 → 0, en F.2) se tiene que:

𝜔0 → 𝑑𝜔 infinitesimal , 𝑘𝜔0 → 𝜔 (continua), 𝑥𝑝 𝑡 = 𝑥 𝑡 ∀ 𝑡 < ∞,

16/08/2022
y, 𝑇0 𝑎𝑘 en la ec. (b) se convierte en la Transformada de Fourier de 𝑥(𝑡):

+∞
𝑋 𝑗𝜔 = 𝑥 𝑡 𝑒 −𝑗𝜔𝑡 𝑑𝑡 F. 3
−∞
y, la ec. (a) se convierte en la Transformada Inversa de Fourier:
+∞
1
𝑥 𝑡 = 2𝜋 𝑋 𝑗𝜔 𝑒 𝑗𝜔𝑡 𝑑𝜔 F. 4
−∞
Donde ω = 2𝜋𝑓. Si 𝑥 𝑡 aperiódica es absolutamente integrable, 𝑋 𝑗𝜔
converge (existe). Si 𝑥(𝑡) es real, la ec. (F.4) puede reescribirse como:
+∞
1
𝑥 𝑡 = 𝜋 𝑋 𝑗𝜔 cos 𝜔𝑡 + ∢𝑋(𝑗𝜔) 𝑑𝜔 F. 4𝑎
0
La ec. anterior representa a 𝑥 𝑡 , real, como la "suma" de una infinidad

de señales sinusoidales con amplitudes 𝑋 𝑗𝜔 𝑑𝜔 𝜋 y frec. 𝜔 ∈ 0, +∞ .
Ejemplo de la relación entre la Serie y la Transformada de Fourier
𝑋 𝑗𝑘𝜔0 = 𝑇0 𝑎𝑘

16/08/2022
Ejemplo
Determinar la T. de Fourier de la señal mostrada en la siguiente fig:
+∞ +1 +1
−𝑗𝜔𝑡 −𝑗𝜔𝑡
−1 −𝑗𝜔𝑡
ℱ 𝑥 𝑡 = 𝑥 𝑡 𝑒 𝑑𝑡 = 𝑒 𝑑𝑡 = 𝑒
−∞ −1 𝑗𝜔 𝑡=−1
1 −𝑗𝜔 2 𝑒 𝑗𝜔 − 𝑒 −𝑗𝜔 2
=− 𝑒 − 𝑒 𝑗𝜔 = = sen 𝜔
𝑗𝜔 𝜔 2𝑗 𝜔
2
𝑋 𝑗𝜔 = sen 𝜔
𝜔
Ejemplo
ℱ 1
𝑥 𝑡 = 𝑒 −𝑎𝑡 𝑢 𝑡 𝑋 𝑗𝜔 = , 𝑎>0
𝑗𝜔 + 𝑎

16/08/2022
Representación del muestreo en el dominio de la frecuencia 1/2
𝑥𝑠 𝑡 = +∞
𝑛=−∞ 𝑥 𝑛 𝛿(𝑡 − 𝑛𝑇) es la repr. en TC de 𝑥 𝑛 = 𝑥𝑐 𝑛𝑇
Representación del muestreo en el dominio de la frecuencia 2/2
𝑥𝑠 𝑡 = +∞
𝑛=−∞ 𝑥 𝑛 𝛿(𝑡 − 𝑛𝑇) es la repr. en TC de 𝑥 𝑛 = 𝑥𝑐 𝑛𝑇

16/08/2022
Interpolación ideal de 𝑥𝑐 𝑡 mediante un filtro paso bajas ideal

a) Sin aliasing 𝜔𝑠 > 2𝜔𝑚𝑎𝑥 b) Con aliasing 𝜔𝑠 < 2𝜔𝑚𝑎𝑥
Interpolación ideal exacta de 𝑥𝑐 𝑡 mediante un filtro paso bajas

ideal, a partir de la secuencia de muestras 𝑥 𝑛 = 𝑥𝑐 (𝑛𝑇).

16/08/2022
Interpolación práctica aproximada de 𝑥𝑐 𝑡 mediante un retén de

orden cero, a partir de la secuencia de muestras 𝑥 𝑛 = 𝑥𝑐 (𝑛𝑇).
Código de Matlab para leer 𝑥 𝑛 = 𝑥𝑐 𝑛𝑇 de un archivo de audio.

16/08/2022
5ms de una señal de audio con 𝐹𝑚𝑎𝑥 = 22 kHz y 𝐹𝑠 = 44.1 kHz
Sistemas continuos y sistemas discretos LTI

Sistema
Un sistema es una interconexión de componentes, que transforma
señales de entrada en señales de salida. Este curso se enfoca en
sistemas LTI discretos de 1 entrada y 1 salida (o respuesta).
Figura. Representación entrada-salida de un sistema T.
• Sistema continuo: 𝑥 𝑡 e 𝑦 𝑡 son señales de TC.

• Sistema discreto: 𝑥 𝑛 e 𝑦 𝑛 son señales de TD.

16/08/2022
Para un sistema LTI continuo (o discreto) 𝑇 con respuesta al impulso

unitario 𝑕 𝑡 = 𝑇 𝛿 𝑡 ( o 𝑕 𝑛 = 𝑇 𝛿 𝑛 ), se puede demostrar que:
Sistema LTI continuo
𝑦(𝑡) = 𝑥(𝑡) ∗ 𝑕(𝑡)

𝑇
Sistema LTI discreto
𝑦,𝑛- = 𝑥,𝑛- ∗ 𝑕,𝑛-

𝑇
Entonces, las características de cualquier sistema LTI están comple-

tamente determinadas por su respuesta al impulso unitario.
Ejemplo
Más adelante, utilizando la transformada Z se verá un método muy

eficiente para determinar 𝑦 𝑛 = 𝑥 𝑛 ∗ 𝑕 𝑛 (recuérdese que para
determinar 𝑦 𝑡 = 𝑥 𝑡 ∗ 𝑕 𝑡 se puede utilizar la T. de Laplace).

16/08/2022
Sistemas FIR e IIR

Sistemas discretos FIR
Son aquellos sistemas discretos LTI con respuesta al impulso de
duración finita. En la práctica se implementan mediante la suma
de convolución.
Ejemplo
Dada la secuencia 𝑥 𝑛 = 1, 2, 3, 5 y el sistema LTI FIR con
respuesta al impulso 𝑕 𝑛 = 4, 2, 1 , obtener 𝑦 𝑛 = 𝑥 𝑛 ∗ 𝑕,𝑛-.
Solución
+∞ 𝐿ℎ−1
𝑦 𝑛 =𝑕 𝑛 ∗𝑥 𝑛 = 𝑕 𝑘 𝑥 𝑛−𝑘 = 𝑕 𝑘 𝑥 𝑛−𝑘
𝑘=−∞ 𝑘=0

16/08/2022
Función en Matlab para calcular la convolución.
Código de Matlab para aplicar un sistema FIR a una señal de audio.

16/08/2022
Señales de audio muestreadas a Fs = 44100,Hz-
Sistemas discretos IIR

Son sistemas discretos LTI con respuesta al impulso de duración
infinita. Un sistema IIR causal se puede describir mediante una
ecuación en diferencias lineal (EDL) de coeficientes constantes de
orden 𝑁 > 0, junto con condiciones iniciales nulas (CI = 0):
𝑁 𝑀
𝑎𝑘 𝑦,𝑛 − 𝑘- = 𝑏𝑘 𝑥,𝑛 − 𝑘- 2.4

𝑘=0 𝑘=0
CI nulas 𝑦 −1 = 𝑦 −2 = ⋯ = 𝑦 −𝑁 = 0

16/08/2022
Con 𝑁 > 0, la ec. (4) puede reescribirse en su forma recursiva como:

𝑀 𝑁
1
𝑦𝑛 = 𝑏𝑘 𝑥 𝑛 − 𝑘 − 𝑎𝑘 𝑦 𝑛 − 𝑘 , 2.5
𝑎0
𝑘=0 𝑘=1
La ecuación (5) expresa el valor de la salida en el instante n, en

función de la señal de entrada y de 𝑁 valores previos de la señal
de salida.
En la práctica, los sistemas IIR se implementan mediante ecuaciones

en diferencias en su forma recursiva.
Ejemplo de sistema IIR

Para el sistema LTI descrito por la EDL de orden 2
𝑦 𝑛 − 3𝑦 𝑛 − 1 + 𝑦 𝑛 − 2 = 2𝑥 𝑛 + 4𝑥 𝑛 − 1
Considerando la entrada 𝑥 𝑛 = 1, 2, 3 , obtener 𝑦,𝑛- para

n = 0, 1, 2, 3, 4.
Sol.
𝑦 𝑛 = 2𝑥 𝑛 + 4𝑥 𝑛 − 1 + 3𝑦 𝑛 − 1 − 𝑦 𝑛 − 2
y sist. LTI ⇒ CI nulas: 𝑦 −1 = 𝑦 −2 = 0
𝑦 0 = 2𝑥 0 + 4𝑥 −1 + 3𝑦 −1 − 𝑦 −2
=2×1+4×0+3×0−1×0 =2

16/08/2022
𝑦 𝑛 = 2𝑥 𝑛 + 4𝑥 𝑛 − 1 + 3𝑦 𝑛 − 1 − 𝑦 𝑛 − 2
𝑦 1 = 2𝑥 1 + 4𝑥 0 + 3𝑦 0 − 𝑦 −1
= 2 × 2 + 4 × 1 + 3 × 2 − 1 × 0 = 14
𝑦 2 = 2𝑥 2 + 4𝑥 1 + 3𝑦 1 − 𝑦 0
= 2 × 3 + 4 × 2 + 3 × 14 − 1 × 2 = 54
𝑦 3 = 2𝑥 3 + 4𝑥 2 + 3𝑦 2 − 𝑦 1
= 2 × 0 + 4 × 3 + 3 × 54 − 1 × 14 = 160
𝑦 4 = 2𝑥 4 + 4𝑥 3 + 3𝑦 3 − 𝑦 2
= 2 × 0 + 4 × 0 + 3 × 160 − 1 × 54 = 426
𝑦 𝑛 = 2, 14, 54, 160, 426, …
Función en Matlab que implementa la ec. (2.5) para 𝑁 = 2.

16/08/2022
Código de Matlab que aplica a una señal de audio el sistema IIR:

218𝑦 𝑛 − 392𝑦 𝑛 − 1 + 178.2𝑦 𝑛 − 2 = 𝑥 𝑛 + 2𝑥 𝑛 − 1 + 𝑥 𝑛 − 2
Señales de audio muestreadas a Fs = 44100,Hz-

16/08/2022
Representación de los sistemas LTI discretos mediante la

transformada Z
Transformada Z
La transformada Z de una secuencia 𝑥 𝑛 se define como:
+∞
𝒵 𝑥,𝑛- = 𝑋 𝑧 = 𝑥 𝑛 𝑧 −𝑛 2.6
𝑛=−∞
𝑋(𝑧) es una función de la variable compleja 𝑧 = 𝑟𝑒 𝑗Ω . La relación
entre 𝑥 𝑛 y 𝑋(𝑧) tambien se puede denotar como:
𝒵
𝑥𝑛 𝑋 𝑧
Para la transformada Z inversa se tiene la expresión
1
𝒵 −1 𝑋 𝑧 = 𝑥,𝑛- = 𝑋(𝑧)𝑧 𝑛−1 𝑑𝑧
2𝜋𝑗
Ejemplo:
Obtener la transformada Z de 𝑥 𝑛 = 𝑎𝑛 𝑢 𝑛 .
+∞ +∞ 𝑁
𝑛 −𝑛 𝑛 −𝑛
𝑋 𝑧 = 𝑎 𝑢𝑛 𝑧 = 𝑎 𝑧 = lim 𝑎𝑧 −1 𝑛
𝑁→∞
𝑛=−∞ 𝑥𝑛 𝑛=0 𝑛=0
𝑁 1 − 𝑏 𝑁+1
como 𝑏𝑛 = 𝑏≠1 𝑏∈ℂ entonces
𝑛=0 1−𝑏
1 − (𝑎𝑧 −1 )𝑁+1 1
𝑋 𝑧 = lim −1
= , 𝑎𝑧 −1 < 1
𝑁→∞ 1 − 𝑎 𝑧 1 − 𝑎𝑧 −1
1 𝑧
𝒵 𝑎𝑛 𝑢 𝑛 = −1 = , 𝑧 > 𝑎 (ROC)
1 − 𝑎𝑧 𝑧−𝑎
ROC: región de convergencia de la T. Z (en el plano Z).

16/08/2022
Principales propiedades de la transformada Z

Propiedad Secuencia Transformada Z
𝑥𝑛 𝑋 𝑧
𝑥1 𝑛 𝑋1 𝑧
𝑥2 𝑛 𝑋2 𝑧
Linealidad 𝑎𝑥1 𝑛 + 𝑏𝑥2 ,𝑛- 𝑎𝑋1 𝑧 + 𝑏𝑋2 𝑧
Convolución 𝑥1 𝑛 ∗ 𝑥2 𝑛 𝑋1 𝑧 𝑋2 𝑧
Desplazamiento en n 𝑥 𝑛−𝑎 𝑧 −𝑎 𝑋 𝑧
Escalamiento en Z 𝑎𝑛 𝑥 𝑛 𝑋 𝑎−1 𝑧
𝑑𝑋(𝑧)
Diferenciación en Z 𝑛𝑥 𝑛 −𝑧 𝑑𝑧
Transformadas Z de secuencias elementales

Secuencia Transformada Z ROC
𝛿𝑛 1 El plano 𝑧
1
𝑢𝑛 |𝑧| > 1
1−𝑧 −1
1
𝑎𝑛 𝑢 𝑛 1−𝑎𝑧 −1
|𝑧| > 𝑎
𝑎𝑧 −1
𝑛𝑎𝑛 𝑢 𝑛 𝑧 > |𝑎|
1 − 𝑎𝑧 −1 2
1 − 𝜌𝑐𝑜𝑠Ω0 𝑧 −1
𝜌𝑛 𝑐𝑜𝑠 Ω0 𝑛 𝑢 𝑛 𝑧 >𝜌
1 − 2𝜌𝑐𝑜𝑠Ω0 𝑧 −1 + 𝜌2 𝑧 −2
𝜌𝑠𝑒𝑛Ω0 𝑧 −1
𝜌𝑛 𝑠𝑒𝑛 Ω0 𝑛 𝑢 𝑛 𝑧 >𝜌
1 − 2𝜌𝑐𝑜𝑠Ω0 𝑧 −1 + 𝜌2 𝑧 −2

16/08/2022
Transformadas Z de secuencias elementales

Secuencia Transformada Z ROC
𝛿𝑛 1 El plano 𝑧
𝑧
𝑢𝑛 𝑧−1 |𝑧| > 1
𝑧
𝑎𝑛 𝑢 𝑛 𝑧−𝑎 |𝑧| > 𝑎
𝑎𝑧
𝑛𝑎𝑛 𝑢 𝑛 𝑧−𝑎 2 𝑧 > |𝑎|
𝑧 2 − 𝜌𝑐𝑜𝑠Ω0 𝑧
𝜌𝑛 𝑐𝑜𝑠 Ω0 𝑛 𝑢 𝑛 𝑧 >𝜌
𝑧 2 − 2𝜌𝑐𝑜𝑠Ω0 𝑧 + 𝜌2
𝜌𝑠𝑒𝑛Ω0 𝑧
𝜌𝑛 𝑠𝑒𝑛 Ω0 𝑛 𝑢 𝑛 𝑧2 − 2𝜌𝑐𝑜𝑠Ω0 𝑧 + 𝜌2 𝑧 >𝜌
Transformada Z inversa útil en el método de expansión en fraccio-

nes parciales, válida cuando 𝑧 2 + 𝛽𝑧 + 𝛾 tiene raíces complejas
conjugadas ( i.e. 𝛽 2 − 4𝛾 < 0 ):
𝐵𝑧 2 +𝐶𝑧
𝒵 −1 = 𝜌𝑛 𝐴1 cos Ω0 𝑛 + 𝐴2 sen Ω0 𝑛 𝑢 𝑛
𝑧 2 +𝛽𝑧+𝛾
Donde
−𝛽
𝜌 = 𝛾, Ω0 = cos −1
2 𝛾
y
2𝐶 − 𝐵𝛽
𝐴1 = 𝐵, 𝐴2 =
2𝜌𝑠𝑒𝑛Ω0

16/08/2022
Función de transferencia de sistemas discretos LTI

Como ya se estudió, para un sistema LTI discreto, con respuesta
al impulso 𝑕 𝑛 , se tiene en el dominio del tiempo que:
𝑦 𝑛 =𝑥 𝑛 ∗𝑕 𝑛
Aplicando la transformada Z y su propiedad de convolución a la

ec. anterior, se tiene en el dominio de la transformada que:
𝑌 𝑧 =𝑋 𝑧 𝐻 𝑧
𝑌 𝑧
𝒵 𝑕𝑛 =𝐻 𝑧 = es la función de transferencia del sistema.
𝑋 𝑧
Función de transferencia de sistemas continuos LTI

Como ya se estudió, para un sistema LTI continuo, con respuesta
al impulso 𝑕(𝑡), se tiene en el dominio del tiempo que:
𝑦 𝑡 =𝑥 𝑡 ∗𝑕 𝑡
Aplicando la T. de Laplace y su propiedad de convolución a la ec.

anterior, se tiene en el dominio de la transformada que:
𝑌 𝑠 =𝑋 𝑠 𝐻 𝑠
𝑌 𝑠
ℒ 𝑕 𝑡 =𝐻 𝑠 = es la función de transferencia del sistema.
𝑋 𝑠

16/08/2022
Ejemplo
Dado un sistema LTI con respuesta al impulso 𝑕,𝑛- = 0.5𝑛 𝑢 𝑛 ,
determinar la respuesta del sistema a la entrada 𝑥,𝑛- = 𝑢 𝑛 .
Sol.
De tablas de la transformada Z se tiene que:
𝑧 𝑧
𝑋 𝑧 = y 𝐻 𝑧 =
𝑧−1 𝑧 − 0.5
Entonces
𝑧 𝑧
𝑌 𝑧 =𝑋 𝑧 𝐻 𝑧 =
𝑧 − 1 𝑧 − 0.5
Como 𝑌(𝑧) 𝑧 es una función racional propia, para obtener 𝑦,𝑛- me-
diante el uso de tablas de la T.Z, se procede a realizar la expansión en
fracciones parciales de:
𝑌 𝑧 𝑧
=
𝑧 𝑧 − 1 𝑧 − 0.5
𝑧 𝐴 𝐵
= +
𝑧 − 1 𝑧 − 0.5 𝑧 − 1 𝑧 − 0.5
Multiplicando ambos lados de la ec. anterior por (z − 1)(𝑧 − 0.5) se

obtiene:
𝑧 = 𝐴 𝑧 − 0.5 + 𝐵 𝑧 − 1
De la ec. anterior
con 𝑧 = 1, 1 = 𝐴 0.5 ⇒ 𝐴=2
con 𝑧 = 0.5, 0.5 = 𝐵 −0.5 ⇒ 𝐵 = −1
2𝑧 𝑧
𝑌 𝑧 = −
𝑧 − 1 𝑧 − 0.5
Aplicando la T. Z. inversa a la ec. anterior, "por tablas", se obtiene:
𝑦 𝑛 = 2𝑢,𝑛- − 0.5𝑛 𝑢 𝑛 = 2 1 − 0.5𝑛+1 𝑢 𝑛

16/08/2022
Para obtener 𝐻 𝑧 en el caso de un sistema LTI discreto represen-

tado mediante una EDL junto con CI nulas:
Se aplica la transformada Z a ambos lados de la EDL (2.4)

𝑁 𝑀
𝒵 𝑎𝑘 𝑦,𝑛 − 𝑘- = 𝒵 𝑏𝑘 𝑥,𝑛 − 𝑘-
𝑘=0 𝑘=0
Utilizando las propiedades de linealidad y de desplazamiento en n

de la transformada Z en ambos lados de la ec. anterior se obtiene:
𝑁 𝑀
𝑎𝑘 𝑧 −𝑘 𝑌 𝑧 = 𝑏𝑘 𝑧 −𝑘 𝑋 𝑧
𝑘=0 𝑘=0
𝑁 𝑀
−𝑘
o bien 𝑌 𝑧 𝑎𝑘 𝑧 =𝑋 𝑧 𝑏𝑘 𝑧 −𝑘
𝑘=0 𝑘=0
Finalmente, de la ecuación anterior se obtiene:

𝑀 −𝑘 𝑀
𝑌 𝑧 𝑘=0 𝑏𝑘 𝑧 𝑧𝑁 𝑘=0 𝑏𝑘 𝑧
−𝑘
= 𝑃(𝑧)
𝐻 𝑧 = = 𝑁 −𝑘
= 𝑁 2.7
𝑋 𝑧 𝑘=0 𝑎𝑘 𝑧 𝑧𝑁 𝑘=0 𝑎𝑘 𝑧
−𝑘 =𝑄 𝑧
Cuando el sist. representado por 𝐻(𝑧) es causal se tiene que 𝑁 ≥ 𝑀,

lo que implica que 𝑃(𝑧) y 𝑄(𝑧) son polinomios. Las raíces de 𝑃(𝑧) se
conocen como los ceros del sistema. Las raíces de 𝑄(𝑧) se conocen
como los polos del sistema. En el plano 𝑧, cada cero se representa
con una "o" y cada polo se representa con una "×".
Teorema de estabilidad
Un sistema causal con 𝐻(𝑧) racional es estable si y solo si todos los
polos de 𝐻(𝑧) caen dentro del círculo unitario del plano 𝑧 (i.e. todos
los polos tienen magnitud menor a 1).

16/08/2022
Ejemplo:
Dado el sistema LTI causal representado por la siguiente EDL de
orden 𝑁 = 3.
𝑦 𝑛 + 0.5𝑦 𝑛 − 1 − 4𝑦 𝑛 − 2 − 2𝑦 𝑛 − 3 = 𝑥 𝑛 + 𝑥 𝑛 − 1
Obtener 𝐻(𝑧) y determinar si el sistema es estable.
Primero
𝒵 𝑦 𝑛 + 0.5𝑦 𝑛 − 1 − 4𝑦 𝑛 − 2 − 2𝑦 𝑛 − 3 =𝒵 𝑥 𝑛 +𝑥 𝑛−1
De las propiedades de linealidad y de desplazamiento en el tiempo

se obtiene
𝑌 𝑧 + 0.5𝑧 −1 𝑌 𝑧 − 4𝑧 −2 𝑌 𝑧 − 2𝑧 −3 𝑌 𝑧 = 𝑋 𝑧 + 𝑧 −1 𝑋 𝑧
O bien 1 + 0.5𝑧 −1 − 4𝑧 −2 − 2𝑧 −3 𝑌 𝑧 = 1 + 𝑧 −1 𝑋 𝑧
Finalmente
𝑌 𝑧 1 + 𝑧 −1 𝑧3 + 𝑧2
𝐻 𝑧 = = =
𝑋 𝑧 1 + 0.5𝑧 −1 − 4𝑧 −2 − 2𝑧 −3 𝑧 3 + 0.5𝑧 2 − 4𝑧 − 2
Para este sistema 𝑄 𝑠 = 𝑧 3 + 0.5𝑧 2 − 4𝑧 − 2, y sus polos son:

𝑃1 = −2, 𝑃2 = −0.5, 𝑃3 = 2
el sistema no es estable, ya que los polos 𝑃1 y 𝑃3 de 𝐻(𝑧) caen fuera
del círculo unitario.

16/08/2022
Ejemplo:
Dado el sistema LTI causal representado por la siguiente EDL
de orden N=1
𝑦 𝑛 − 0.3𝑦 𝑛 − 1 = 𝑥 𝑛
Obtener 𝐻 𝑧 , determinar si el sistema es estable, y obtener la

respuesta del sistema a 𝑥 𝑛 = 0.3𝑛 𝑢 𝑛 .
Primero
𝒵 𝑦 𝑛 − 0.3𝑦 𝑛 − 1 =𝒵 𝑥 𝑛
Utilizando las propiedades de linealidad y desplazamiento en

el tiempo se obtiene
𝑌 𝑧 − 0.3𝑧 −1 𝑌 𝑧 = 𝑋 𝑧
O bien
1 − 0.3𝑧 −1 𝑌 𝑧 = 𝑋 𝑧
Finalmente
𝑌 𝑧 1 𝑧
𝐻 𝑧 = = −1 =
𝑋 𝑧 1 − 0.3𝑧 𝑧 − 0.3
Para este sistema 𝑄 𝑧 = 𝑧 − 0.3, y su polo es 𝑃1 = 0.3

El sistema es estable ya que su polo se encuentra dentro del circulo
unitario.

16/08/2022
Para obtener la respuesta del sistema a 𝑥 𝑛 = 0.3𝑛 𝑢 𝑛 :
𝑧
Primero, de tablas se tiene que 𝑋 𝑧 = , luego se tiene que:
𝑧−0.3
𝑧 𝑧
𝑌 𝑧 =𝐻 𝑧 𝑋 𝑧 =
𝑧 − 0.3 𝑧 − 0.3
Entonces, para garantizar que se trabaja con una función racional

propia, se procede a realizar la expansión en fracciones parciales
de
𝑌 𝑧 𝑧
= 2
𝑧 𝑧 − 0.3
𝑧 𝐴 𝐵
2
= + 2
𝑧 − 0.3 𝑧 − 0.3 𝑧 − 0.3
Multiplicando ambos lados de la ecuación anterior por 𝑧 − 0.3 2
se obtiene:
𝑧 = 𝐴(𝑧 − 0.3) + 𝐵
con 𝑧 = 0.3, 0.3 = 𝐵
con 𝑧 = 0, 0 = 𝐴 −0.3 + 0.3 ⇒ 𝐴=1

16/08/2022
𝑌 𝑧 1 0.3
= + 2
𝑧 𝑧 − 0.3 𝑧 − 0.3
entonces
𝑧 0.3𝑧
𝑌 𝑧 = + 2
𝑧 − 0.3 𝑧 − 0.3
aplicando a 𝑌(𝑧) la T. Z inversa "por tablas", se obtiene:
𝑦 𝑛 = 0.3 𝑛 𝑢 𝑛 + 𝑛 0.3 𝑛 𝑢 𝑛
𝑦 𝑛 = 1 + 𝑛 0.3 𝑛 𝑢 𝑛
Ejemplo:
Dado el sistema LTI causal representado por la siguiente EDL
de orden N=2
𝑦 𝑛 + 2.5𝑦 𝑛 − 1 + 𝑦 𝑛 − 2 = 9𝑥 𝑛 − 1 + 9𝑥 𝑛 − 2
Obtener 𝐻 𝑧 , determinar si el sistema es estable, y obtener la

respuesta del sistema a 𝑥 𝑛 = 𝑢 𝑛 .
Primero
𝒵 𝑦 𝑛 + 2.5𝑦 𝑛 − 1 + 𝑦 𝑛 − 2 = 𝒵 9𝑥 𝑛 − 1 + 9𝑥 𝑛 − 2
Utilizando las propiedades de linealidad y desplazamiento en

el tiempo se obtiene
𝑌 𝑧 + 2.5𝑧 −1 𝑌 𝑧 + 𝑧 −2 𝑌 𝑧 = 9𝑧 −1 𝑋 𝑧 + 9𝑧 −2 𝑋 𝑧

16/08/2022
O bien
1 + 2.5𝑧 −1 + 𝑧 −2 𝑌 𝑧 = 9𝑧 −1 + 9𝑧 −2 𝑋 𝑧
Finalmente
𝑌 𝑧 9𝑧 −1 + 9𝑧 −2 9𝑧 + 9
𝐻 𝑧 = = =
𝑋 𝑧 1 + 2.5𝑧 −1 + 𝑧 −2 𝑧 2 + 2.5𝑧 + 1
Para este sistema 𝑄 𝑧 = 𝑧 2 + 2.5𝑧 + 1 = 𝑎𝑧 2 + 𝑏𝑧 + 𝑐, y sus

polos son:
−𝑏 ± 𝑏 2 − 4𝑎𝑐 −2.5 ± 2.5 2 −4 −2.5 ± 1.5
𝑃1,2 = = =
2𝑎 2(1) 2
𝑃1 = −0.5, 𝑃1 = −2
Entonces
9𝑧 + 9 9𝑧 + 9
𝐻 𝑧 = =
𝑧2 + 2.5𝑧 + 1 𝑧 + 0.5 𝑧 + 2
El sistema no es estable ya que uno de sus polos cae fuera del

circulo unitario.

16/08/2022
Para obtener la respuesta del sistema a 𝑥 𝑛 = 𝑢 𝑛 :

𝑧
Primero, de tablas se obtiene que 𝑋 𝑧 = 𝑧−1, luego se tiene que:
9𝑧 + 9 𝑧
𝑧 + 0.5 𝑧 + 2 𝑧−1
Entonces, para garantizar que se trabaja con una función racional

propia, se procede a realizar la expansión en fracciones parciales
de
𝑌 𝑧 9𝑧 + 9
=
𝑧 𝑧 + 0.5 𝑧 + 2 (𝑧 − 1)
9𝑧 + 9 𝐴 𝐵 𝐶
= + +
𝑧 + 0.5 𝑧 + 2 (𝑧 − 1) 𝑧 + 0.5 𝑧 + 2 𝑧 − 1
Multiplicando ambos lados de la ecuación anterior por

𝑧 + 0.5 𝑧 + 2 (𝑧 − 1) se obtiene:
9𝑧 + 9 = 𝐴(𝑧 + 2)(𝑧 − 1) + 𝐵 𝑧 + 0.5 (𝑧 − 1) + 𝐶 𝑧 + 0.5 𝑧 + 2
con 𝑧 = −0.5, 4.5 = 𝐴 1.5 −1.5 ⇒ 𝐴 = −2
con 𝑧 = −2, −9 = 𝐵 −1.5 −3 ⇒ 𝐵 = −2
con 𝑧 = 1, 18 = 𝐶 1.5 3 ⇒ 𝐶=4

16/08/2022
𝑌 𝑧 −2 −2 4
= + +
𝑧 𝑧 + 0.5 𝑧 + 2 𝑧 − 1
entonces
𝑧 𝑧 𝑧
𝑌 𝑧 = −2 −2 +4
𝑧 + 0.5 𝑧+2 𝑧−1
aplicando a 𝑌(𝑧) la T. Z inversa "por tablas", se obtiene:
𝑦 𝑛 = −2 −0.5 𝑛 𝑢 𝑛 − 2 −2 𝑛 𝑢 𝑛 + 4𝑢 𝑛
𝑦 𝑛 = 4 − 2 −0.5 𝑛 − 2 −2 𝑛 𝑢𝑛
Ejemplo:
Dado el sistema LTI causal con función de transferencia
3𝑧 + 2
𝐻 𝑧 =
𝑧 2 − 𝑧 + 0.5
determinar si el sistema es estable y obtener su respuesta al

escalón.
Para este sistema 𝑄 𝑧 = 𝑧 2 − 𝑧 + 0.5 = 𝑎𝑧 2 + 𝑏𝑧 + 𝑐, y sus

polos son:
−𝑏 ± 𝑏 2 − 4𝑎𝑐 1 ± 1 − 2 1 1
𝑃1,2 = = = ±𝑗
2𝑎 2(1) 2 2
1 𝑗𝜋
𝑃1,2 = 𝑒± 4
2

16/08/2022
Entonces
3𝑧 + 2 1 𝑗𝜋
𝐻 𝑧 = 2 , 𝑃1,2 = 𝑒± 4
𝑧 − 𝑧 + 0.5 2
Este sistema es estable ya que los dos polos de 𝐻(𝑧) caen dentro
del círculo unitario (i.e. los 2 polos tienen magnitud menor a 1).
Para obtener la respuesta del sistema a 𝑥 𝑛 = 𝑢 𝑛 :

𝑧
Primero, de tablas se obtiene que 𝑋 𝑧 = , luego se tiene que:
𝑧−1
3𝑧 + 2 𝑧
𝑧 2 − 𝑧 + 0.5 𝑧 − 1
Entonces, se procede a realizar la expansión en fracciones par-

ciales de
𝑌 𝑧 3𝑧 + 2
=
𝑧 𝑧 − 1 𝑧 2 − 𝑧 + 0.5

16/08/2022
3𝑧 + 2 𝐴 𝐵𝑧 + 𝐶
= + 2
𝑧−1 𝑧2 − 𝑧 + 0.5 𝑧 − 1 𝑧 − 𝑧 + 0.5
Multiplicando ambos lados de la ecuación anterior por

𝑧 − 1 𝑧 2 − 𝑧 + 0.5 se obtiene:
3𝑧 + 2 = 𝐴 𝑧 2 − 𝑧 + 0.5 + 𝐵𝑧 + 𝐶 𝑧 − 1
con 𝑧 = 1, 5 = 𝐴 0.5 ⇒ 𝐴 = 10
con 𝑧 = 0, 2 = 10 0.5 + 𝐶(−1) ⇒ 𝐶=3
con 𝑧 = −1, −1 = 10 2.5 + −𝐵 + 3 −2 ⇒ 𝐵 = −10
𝑌 𝑧 10 −10𝑧 + 3
= + 2
𝑧 𝑧 − 1 𝑧 − 𝑧 + 0.5
𝑧 10𝑧 2 − 3𝑧
𝑌 𝑧 = 10 − 2
𝑧−1 𝑧 − 𝑧 + 0.5
𝐵𝑧 2 +𝐶𝑧
𝒵 −1 = 𝜌𝑛 𝐴1 cos Ω0 𝑛 + 𝐴2 sen Ω0 𝑛 𝑢 𝑛
𝑧 2 +𝛽𝑧+𝛾
−𝛽 1 𝜋
𝜌 = 𝛾 = 0.5, Ω0 = cos −1 = cos −1 = 4,
2 𝛾 2 0.5
2𝐶−𝐵𝛽 2 −3 − 10 −1 4
𝐴1 = 𝐵 = 10, 𝐴2 = 2𝜌𝑠𝑒𝑛Ω = =1=4
0 2 0.5𝑠𝑒𝑛 𝜋 4
Aplicando a 𝑌(𝑧) la T. Z inversa "por tablas", se obtiene:
1 𝑛 𝜋 𝜋
𝑦 𝑛 = 10 − 10 cos 𝑛 + 4 sen 𝑛 𝑢𝑛
2 4 4

16/08/2022
Forma magnitud y fase de un número complejo
𝑧 = 𝑥 + 𝑗𝑦
= 𝑧 𝑐𝑜𝑠𝜃 + 𝑗 𝑧 𝑐𝑜𝑠𝜃
= 𝑧 𝑐𝑜𝑠𝜃 + 𝑗𝑠𝑒𝑛𝜃
= 𝑧 𝑒 𝑗𝜃
𝑧 = 𝑥 2 + 𝑦 2 𝑦 𝜃 = 𝑎𝑡𝑎𝑛2(𝑦, 𝑥)
Donde
𝑗 : es la unidad imaginaria y se cumple que 𝑗 2 = −1
𝑒 𝑗𝜃 = cos𝜃 + 𝑗sen𝜃 : es la formula de Euler
atan2 : es la función arcotangente de dos argumentos.
Función arcotangente de dos argumentos
tan−1 𝑦 𝑥 𝑠𝑖 𝑥 > 0 , 𝑦 ≠ 0
𝜃 = 𝑎𝑡𝑎𝑛2 𝑦, 𝑥 = −1
tan 𝑦 𝑥 + 𝜋 𝑠𝑖 𝑥 < 0, 𝑦 ≥ 0
tan−1 𝑦 𝑥 − 𝜋 𝑠𝑖 𝑥 < 0, 𝑦 < 0
𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑛𝑑𝑜 − 𝜋 < 𝜃 ≤ 𝜋
Al analizar sistemas LTI es útil que para 𝑍, 𝑍1 , 𝑍2 ∈ ℂ se tiene que:

𝑍 = 𝑍1 𝑍2 𝑍 = 𝑍1 𝑍2 ∢𝑍 = ∢𝑍1 + ∢𝑍2
𝑍1 𝑍1
𝑍= 𝑍 = ∢𝑍 = ∢𝑍1 − ∢𝑍2
𝑍2 𝑍2

CursoPDS 1 2a

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

CursoPDS 1 2a

Cargado por

Copyright:

Formatos disponibles

16/08/2022

FI UNAM MI EDGAR TELLO PALETA 1

Los alumnos no exentos o que quieran mejorar su CA

CS: Calificación del semestre CA: Calificación en actas

Escala de Calificación en Acta (CA)

6.0 ≤ 6 < 6.5

FI UNAM MI EDGAR TELLO PALETA 2

PROAKIS J. G & MANOLAKIS D. G.

OPPENHEIM A. V., SCHAFER R. W.

ESCOBAR SALGUERO, Larry

2. PRINCIPIOS FUNDAMENTALES DEL

FI UNAM MI EDGAR TELLO PALETA 3

Señales de tiempo continuo

Señales de tiempo discreto (o secuencias)

Señales de tiempo discreto (secuencias)

- Representación como arreglo ordenado de números:

FI UNAM MI EDGAR TELLO PALETA 4

Señales de tiempo discreto (secuencias)

Ejemplo de señal de tiempo discreto y su correspondiente señal digital

FI UNAM MI EDGAR TELLO PALETA 5

Señales básicas de tiempo continuo (TC) y t discreto (TD)

Señal impulso unitario

Señal escalón unitario

Secuencia impulso unitario

Secuencia escalón unitario

FI UNAM MI EDGAR TELLO PALETA 6

Señal exponencial real

Donde 𝑎 ∈ ℝ diferente de cero.

𝑎 > 0: exponencial creciente

𝑎 < 0: exponencial decreciente

Secuencia exponencial real

𝑥 𝑛 = 𝛼𝑛, 𝛼∈ℝ 𝛼≠0 y 𝛼≠1

FI UNAM MI EDGAR TELLO PALETA 7

Una señal sinusoidal es periódica con periodo fundamental:

FI UNAM MI EDGAR TELLO PALETA 8

FI UNAM MI EDGAR TELLO PALETA 9

Señal exponencial compleja

La señal 𝑒 𝑗𝜔0 𝑡 es periódica con periodo fundamental 𝑇0 = 1 𝑓𝑜 .

Secuencia exponencial compleja

1) 𝑥,𝑛- es periódica con periodo fundamental 𝑁 ∈ ℤ+ cuando Ω0 = 2𝜋

2) 𝑒 𝑗Ω0 𝑛 = 𝑒 𝑗(Ω0+2𝜋)𝑛 ( periódica en el dominio de la frecuencia ).

FI UNAM MI EDGAR TELLO PALETA 10

4) Desplazamiento con el impulso unitario

𝑦 𝑡 = 𝑓 𝑡 ∗𝑔 𝑡 = 𝛿 𝑡−4 +𝛿 𝑡−7 ∗ 𝑒 −2𝑡

Por la propiedad distributiva de la convolución se tiene que:

Por la prop. de desplazamiento con el impulso unitario se tiene que:

FI UNAM MI EDGAR TELLO PALETA 11

Correlación cruzada de secuencias de tiempo discreto

𝑟𝑥𝑦 𝑙 = 𝑥 𝑛 𝑦 𝑛−𝑙 = 𝑥 𝑛+𝑙 𝑦 𝑛 𝑙∈ℤ 2.3

La autocorrelación de una secuencia 𝑥,𝑛- real de energía finita se

Se puede demostrar que

Donde 𝑇 es el periodo de muestreo medido en segundos. 𝐹𝑠 = 1 𝑇

Teorema de Muestreo: Si la frecuencia más alta contenida en

FI UNAM MI EDGAR TELLO PALETA 12

Ejemplo de muestreo de una señal sinusoidal

Si se muestrea la señal 𝑥𝑐 (𝑡) de la figura anterior con una frecuencia

En este caso 𝐹𝑚𝑎𝑥 = 500 ,Hz- y 𝐹𝑠 = 10000 Hz . Como 𝐹𝑠 > 2𝐹𝑚𝑎𝑥 ,

FI UNAM MI EDGAR TELLO PALETA 13

FI UNAM MI EDGAR TELLO PALETA 14

𝑥 𝑛 = 𝑥𝑐 𝑛𝑇 son las muestras de 𝑥𝑐 𝑡 con 𝐹𝑠 = 1000.1 (𝑇 ≈ 1ms).

𝑥 𝑛 = 𝑥𝑐 𝑛𝑇 son las muestras de 𝑥𝑐 𝑡 con 𝐹𝑠 = 2000 (𝑇 = 0.5ms).

FI UNAM MI EDGAR TELLO PALETA 15