Facultad de Ingeniería

Escuela de Ingeniería en Telecomunicaciones

Procesamiento de Señales

Tarea 2: Estimación Espectral Clásica (Periodograma, y Periodograma

Welch) y Estimación Espectral Paramétrica (usando predicción de señales
aleatorias)

Integrantes:
Manfredonia, Giselle.
Villasmil, Lorena
Villegas, Vanessa.
.

Caracas, 19 de junio del 2021

UNIVERSIDAD CATÓLICA ANDRÉS BELLO - Urb. Montalbán, Apto. 20332, Caracas-1020, Venezuela.
Teléfono: +58-212-4074407 Fax:+58-212-4074447 – URL: http://w2.ucab.edu.ve/escueladeingenieratelecomunicaciones.html
RIF J-00012255-5
Facultad de Ingeniería

Escuela de Ingeniería Telecomunicaciones

1.-Considere una secuencia formada por la suma de dos señales

sinusoidales + ruido  blanco. Las señales sinusoidales tendrán amplitud  de 1 y
frecuencia wo=2p/12 y frecuencia w1=2p/14 respectivamente, el ruido será de media
cero y varianza unitaria. La longitud de la secuencia generada será de 1024
muestras

Señal con ruido blanco

Gracias a los resultados obtenidos, se puede apreciar que para la secuencia

solicitada, en el estudio de los distintos escenarios de periodograma, la suma de las dos
señales sinusoidales y de ruido gaussiano, a pesar de tener un número de muestras de
1024, la gráfica vista en la imagen superior no se logra ver en su totalidad.

En cuanto a la ejecución del ruido en Matlab, se hizo uso de la función rand.

UNIVERSIDAD CATÓLICA ANDRÉS BELLO - Urb. Montalbán, Apto. 20332, Caracas-1020, Venezuela.
Teléfono: +58-212-4074407 Fax:+58-212-4074447 – URL:http://w2.ucab.edu.ve/escueladeingenieratelecomunicaciones.html
RIF J-00012255-5
Facultad de Ingeniería

Escuela de Ingeniería Telecomunicaciones

2.- Obtenga el periodograma para 1024 muestras de la secuencia.

Usando la función periodogram, utilizada la clase pasada, se obtiene la estimación

de la densidad espectral de la potencia del periodograma para la señal de entrada
conformada por dos sinusoides sumadas con el ruido Gaussiano de media cero y varianza
unitaria.

Además, sabemos por teoría que el periodograma utiliza una ventana rectangular.

3.- Obtenga el periodograma promedio usando una longitud de la  ventana L=256 y

un número de segmentos K=4 (sin solapamiento)

UNIVERSIDAD CATÓLICA ANDRÉS BELLO - Urb. Montalbán, Apto. 20332, Caracas-1020, Venezuela.
Teléfono: +58-212-4074407 Fax:+58-212-4074447 – URL:http://w2.ucab.edu.ve/escueladeingenieratelecomunicaciones.html
RIF J-00012255-5
Facultad de Ingeniería

Escuela de Ingeniería Telecomunicaciones

En este caso, donde tenemos una longitud de ventana L de 256 representa una
ventana grande y se ve reflejada en el periodograma con una calidad un poco baja.

4.- Obtenga el periodograma promedio usando una longitud de la ventana L=64 y un

número de segmentos K=31 (solapamiento L/2).

Por otra parte, aquí podemos observar una ventana más pequeña, lo cual nos
permite comprobar que mientras más pequeña sea la ventana, la resolución va a
empeorar disminuyendo su varianza.

UNIVERSIDAD CATÓLICA ANDRÉS BELLO - Urb. Montalbán, Apto. 20332, Caracas-1020, Venezuela.
Teléfono: +58-212-4074407 Fax:+58-212-4074447 – URL:http://w2.ucab.edu.ve/escueladeingenieratelecomunicaciones.html
RIF J-00012255-5
Facultad de Ingeniería

Escuela de Ingeniería Telecomunicaciones

5.-Evalúe la estimación del espectro de potencia usando los coeficientes de

predicción lineal obtenidos a partir de la secuencia y compare con los resultados
obtenidos usando estimación clásica. Use la función  “aryule” para calcular los
coeficientes y "pyulear" para obtener la estimación del espectro de potencia.

El predictor lineal a usar para calcular la DEP a nivel práctico en Matlab es, como
se indicó en un principio, la función pyulear. Sin embargo, antes de la calcula la DEP se
debe buscar el orden del filtro óptimo, el cual se obtiene haciendo uso de la función
aryule, esta se encarga de arrojar el error asociado al orden utilizado para poder restarlo a
la entrada y elevar el resultado al cuadrado para obtener la potencia de error asociada al
orden ejecutado en la función. Con la función aryule se realizó un ciclo para órdenes
desde 0 a 30.

Como se puede observar en la figura. Se obtuvo una curva que decrece y luego se
va manteniendo constante, es decir, en cierto punto va decreciendo poco. Dicho punto se
puede considerar como DEP = 14, siendo así, podemos considerar este valor como el
más óptimo.

UNIVERSIDAD CATÓLICA ANDRÉS BELLO - Urb. Montalbán, Apto. 20332, Caracas-1020, Venezuela.
Teléfono: +58-212-4074407 Fax:+58-212-4074447 – URL:http://w2.ucab.edu.ve/escueladeingenieratelecomunicaciones.html
RIF J-00012255-5
Facultad de Ingeniería

Escuela de Ingeniería Telecomunicaciones

En cuanto al orden, se puede observar que si el valor de p aumenta, el error

también. siendo así se puede tomar un valor como p=25, sin embargo, viendo la gráfica
se denota que p puede tomar valores de 9 en adelante ya que su error es relativamente
pequeño. Para efectos prácticos se tomará un p=60 (para distinguir las posibles líneas
espectrales).

Luego de haber determinado el orden del filtro aplicado en el predictor, se procedió a la

utilizar la función aryule para estimar la DEP de la señal de entrada. Densidad espectral
de potencia, con Aryule de orden 10.

Conclusión

Basándonos en el objetivo principal de este estudio, se puede afirmar que al realizar

análisis de Codificación de Predicción Lineal, se logra obtener la estimación de una señal
con filtro predictor, el cual funciona mediante minimizando el valor esperado del error
cuadrático medio.
Además, luego de obtener los resultados y analizar las gráficas obtenidas por medio de la
Codificación por Predicción Lineal, se logra observar que el periodograma arroja un valor

UNIVERSIDAD CATÓLICA ANDRÉS BELLO - Urb. Montalbán, Apto. 20332, Caracas-1020, Venezuela.
Teléfono: +58-212-4074407 Fax:+58-212-4074447 – URL:http://w2.ucab.edu.ve/escueladeingenieratelecomunicaciones.html
RIF J-00012255-5
Facultad de Ingeniería

Escuela de Ingeniería Telecomunicaciones

cercano al de la DEP estudiada haciendo uso de la función FFT, en donde se invierten las
estimaciones espectrales debido a que las sinusoides se suman.

CÓDIGO:
clc;
clear;
%Vector de tiempo de 1024 muestras.
n=0:1023;
%Señal enviada
signal= sin((2*pi/12)*n)+sin((2*pi/14)*n);
%Señal enviada con ruido
swnoise = signal + randn(size(n));
%Graficación 1a.
figure
plot(n,swnoise,'b');
title('Señal con ruido');
xlabel('muestras(n)');
ylabel('Volts');
figure
[px1,w1] = periodogram(swnoise); %Period. De la señal
plot(w1,10*log10(px1),'b'); % DEP por periodograma
title('Periodograma');
xlabel('Frecuencia');
ylabel('DEP');
figure
[px2,w2] = pwelch(swnoise,256,128); %Period. 256 muestras
plot(w2,10*log10(px2),'b')
title('Periodograma con L=256');
xlabel('Frecuencia');
ylabel('DEP');
figure
[px3,w3] = pwelch(swnoise,64,32); %Period. 64 muestras
plot(w3,10*log10(px3),'b')
title('Periodograma con L=64');
xlabel('Frecuencia');
ylabel('DEP');
z=[];
figure
for i = 0:30
[a,error] = aryule(swnoise,i);
ref=error;
z=[z,ref];
end

UNIVERSIDAD CATÓLICA ANDRÉS BELLO - Urb. Montalbán, Apto. 20332, Caracas-1020, Venezuela.
Teléfono: +58-212-4074407 Fax:+58-212-4074447 – URL:http://w2.ucab.edu.ve/escueladeingenieratelecomunicaciones.html
RIF J-00012255-5
Facultad de Ingeniería

Escuela de Ingeniería Telecomunicaciones

lim=linspace(0,30,31);
plot(lim,z,'b');
title('Error VS Orden');
xlabel('Orden');
ylabel('Error');
%DEP con aryule
figure
[t,err] = aryule(swnoise,60);
t=[1,t];
l=fft(t,1024);
%Invirtiendo grafica
w2=(1-l).*conj(1-l);
err=1./w2;
w=linspace(-pi,pi,1024);
%Normalizando de -pi a pi
plot(w,fftshift(err),'b');
xlabel('frecuencia(Hz)');
ylabel('Potencia(Watts)');
title('DEP con aryule orden 10');

UNIVERSIDAD CATÓLICA ANDRÉS BELLO - Urb. Montalbán, Apto. 20332, Caracas-1020, Venezuela.
Teléfono: +58-212-4074407 Fax:+58-212-4074447 – URL:http://w2.ucab.edu.ve/escueladeingenieratelecomunicaciones.html
RIF J-00012255-5