Lab TL

Universidad Tecnológica de Panamá
Facultad de Eléctrica
Ing. Electrónica, Ing. Telecomunicaciones
Fundamentos de Telecomunicaciones
Jaira Morales
Análisis de señales y sistemas lineales en el dominio del tiempo
Conceptos fundamentales
Kevin Rios
98/100
Cédula: 8-938-523
e-mail: kevin.rios1@utp.ac.pa
Tomás Luna
Cédula: 8-951-2068
e-mail:tomas.luna@utp.ac.pa
Resumen. Las señales y los sistemas pueden representarse y analizarse tanto en el dominio del tiempo como en el
dominio de la frecuencia. Ambas representaciones brindaninformación valiosa para el estudio de las señales y los sistemas,
y son fundamentales para el análisis de los sistemas de comunicación. En este laboratorio solo se estudiarán algunas
propiedades y operaciones sobre señales, así como se analizarán algunos procesos de sistemas lineales invariantes
en el tiempo sobre las señales en el dominio del tiempo.
Descriptores: señales, filtro, funciones.
1. Introducción.
El concepto básico de las comunicaciones se base en la transmisión de información, en el ámbito de la

ingeniería de comunicación se estudian a priori los métodos para transmisión de datos generados por una Fuente a través de
un canal hasta un receptor. Los conjuntos de datos que provienen de distintas fuentes, se le conocen como señales, expresadas
en función del tiempo. El sistema es el conjunto de elementos que procesa señales.
El análisis de un sistema lineal se facilita frecuentemente utilizando una determinada representación de señales. Por esta razón,
es conveniente incluir el análisis de señales y sus propiedades en un estudio de sistemas lineales. Además del análisis nos
interesa también la síntesis de sistemas.
La teoría de sistemas lineales juega un papel clave en el análisis de ingeniería de sistemas eléctricos y mecánicos. Los
ingenieros modelan una amplia variedad de cosas, incluido el comportamiento del circuito, la propagación de la señal, el
acoplamiento y la radiación como transformaciones lineales. Por lo tanto, es importante revisar exactamente lo que queremos
decir con un sistema lineal para que reconozcamos cómo y cuándo aprovechar las poderosas herramientas de análisis de
sistemas lineales disponibles para nosotros.
En este laboratorio Podemos ver la base de análisis de señales y los sistemas en el dominio del tiempo. De esta manera se
pone en práctica, cada parte, desde las propiedades básicas, como lo son desplazamientos en tiempo, hasta las series de Fourier.
Se hizo énfasis en el funcionamiento teórico de sistemas LTI (Sistemas lineales invariantes en el tiempo) representados por
la herramienta de software MATLAB
2. Materiales y métodos
MATLAB, Laptop.
3. Resultados y discusión
3.1 Resultados
En la ‘figura 1’ podemos observar como se generó el grafico de la señal (a) utilizando el software de Matlab; además de ello,
podemos observar distintas graficas las cuales pertenecen a las diferentes evaluaciones solicitadas, que fueron realizadas a la
señal original.
Para los gráficos se utilizó un valor de intervalo de tiempo por igual, para mostrar todas las gráficas.
Fig. 1 Clasificación y operaciones
En la ‘figura 2’, mostramos como se llegó a generar los graficos de las funciones basicas solicitadas en la guia del laboratorio;
las funciones a graficar son las siguientes:
a. Función impulso unitario δ (t –τ) “impuni”
b. Función escalón unitario ս(t – τ) “escuni”
c. Función rampa r(t – τ) “rampa”
d. Función rectangular rect((t – τ)/T)) “rectuni”
Jaira Morales
Fig. 2 Señales básicas de interés
Siguiente a ello, se nos pide demostrar si las funciones base sobre el intervalo de tiempo 0 ≤ t ≤4 s que nos indicarán son
ortogonales.
A su ves, debemos realizar la graficación de cada conjunto de señales base de las funciones dadas, en la ‘figura 3’ podemos
observar el desarrollo de este punto.
A parte de ello, también nos indican determinar los coeficientes de la serie generalizada de Fourier correspondientes a estas
señales base para la señal x(t) = 0.5 (t –1)2 en el intervalo 0 ≤ t ≤ 4 s y a su vez, graficar la señal x(t); en las ‘figuras 4 y 5’
observaremos la señal graficada y los coeficientes de la seria generalizada de Fourier.
Demostración de las funciones base:

Un conjunto de funciones de valor real es ortogonal en un intervalo [a,b] si
Fig. 3 Conjunto de señales base
Fig. 4 Coeficientes de la serie de Fourier

Jaira Morales
Fig. 5 Aproximación de la serie de Fourier
Sistemas LTI
Nos presentan un problema para su desarrollo, el cual nos indica lo siguiente:
Una señal de un solo tono s(t) = sin(400πt) se transmite a un amplificador de audio y bocina para producir una señal de
advertencia. Un filtro con respuesta al impulso h(t) = 400 e–200tcos(400πt) u(t) se ha diseñado para reducirla interferencia
aditiva en la señal recibida.
Lo primero que nos indican es desarrollar un script en Matlab que nos permita simular la acción del filtro, luego de esto
debemos determinar la señal de salida del filtro y(t) cuando se recibe la señal de entrada x(t) = [cos(100πt) + sin(400πt)–
cos(800πt)] u(t); a su vez, En una misma figura, pero en gráficos distintos (uno debajo del otro) graficaremos la señal de
entrada, la respuesta al impulso del filtro y la señal de salida.
En la ‘figura 6’ mostramos el grafico para las señales solicitadas (señal de entrada, la respuesta al impulso del filtro y la señal
de salida).
Fig. 6 Sistema LTI
Desarrollo de un detector de señales

Nos presentan un sistema de comunicación que incluye una fuente binaria de información con velocidad 1/T símbolos por
segundo, un transmisor que genera señales de duración T para transmitir la información, un canal con ruido AWGN que
produce atenuación y retraso,y un receptor que utiliza un banco de correladores y un comparador para la detección de
la señal transmitida. Nos indican que debemos dibujar el diagrama de bloques que representará el sistema descrito del
enunciado; se logró realizar el diagrama de bloques la cual se demuestra en la ‘figura 7’.
Consiguiente a ello, nos solicitan desarrollar un script tomando en cuenta un conjunto de señales antípodas con forma de pulso
rectangular para simular el sistema cuando se transmite uno de los posibles valores que emite la fuente, en la que
podamos ajustar los parámetros de tiempo, amplitud, ruido, retraso, etc. que requiera para la simulación. Además, en una
misma figura pero en gráficos distintos (uno debajo del otro) se graficará la señal transmitida, la señal recibida y cada una
de las salidas de los correladores. El resultado de este punto, lo podemos observar en la ‘figura 8’, donde se realizaron las
graficas de las señales solicitadas.
En otro punto, Desarrollaremos un script considerando un conjunto de señales ortogonales con forma de onda sinusoidal. para
simular el sistema cuando se transmite uno de los posibles valores que emite la fuente, en la que podamos ajustar los
parámetros de tiempo, amplitud, frecuencia, ruido, retraso, etc. que se requiera para la simulación; Con ello, también, en una
misma figura pero en gráficos distintos, simularemos la señal transmitida, la señal recibida y cada una de las salidas de
los correladores.
Jaira Morales
El resultado de este procedimiento lo podemos observar en la ‘figura 9’, en la cual observaremos las distintas señales
simuladas.
Fig. 7 Diagrama de bloque del sistema
Fig. 8 Grafica parte b

Fig. 9 Grafica parte c
3.2. Discusión
En la ‘figura 1’, podemos observar la graficación de la señal original y de la misma señal evaluada en otros valores dando
como resultados diferentes resultados en las graficas.
Siguiente a esto, en la ‘figura 2’, observamos la graficación de funciones basicas como lo son la función impulso unitario,
Función escalón unitario, Función rampa y Función rectangular. Pudimos notar la diferencia de cada una de ellas.
Luego de esto, en la ‘figura 3’ se realizó la graficación de cada conjunto de señales base de las funciones dadas en aquel
punto. Se desarrollo también en este punto, la obtención y graficación de Coeficientes y Aproximación de la serie de Fourier,
que podemos observar los resultados obtenidos en las ‘figuras 4 y 5’.
Para la ‘figura 6’ se realizó el desarrollo de un problema de una señal lineal invariable en el tiempo (LTI) en la cual se realizó
la graficación de la señal de entrada, la respuesta al impulso del filtro y la señal de salida.
Además, se desarrolló un detector de señales, en la que en la ‘figura 7’ se graficó el diagrama de bloque del sistema indicado;
también nos solicitan desarrollar un script tomando en cuenta un conjunto de señales antípodas con forma de pulso rectangular
para simular el sistema cuando se transmite uno de los posibles valores que emite la fuente y con ello, se graficó la
señal transmitida, la señal recibida y cada una de las salidas de los correladores la cual podemos observar detalladamente
en la ‘figura 8’; y por último, se desarrolló un script considerando un conjunto de señales ortogonales con forma de onda
sinusoidal. para simular el sistema cuando se transmite uno de los posibles valores que emite la fuente, lo cual se
realizaron simulaciones de la señal transmitida, la señal recibida y cada una de las salidas de los correladores, que podriamos
observar los resultados en la ‘figura 9’.
Jaira Morales
4. Conclusión
En este informe se detalla lo trabajado en clase, de manera se afianza los conocientos adquiridos en cursos pasado como lo es
Señales y sistema, la importancia del analisis de señales con el programa de MATLAB, para poder visualizar cuando, se
hace aproximaciones como son las series de fourier que cada aumento de armonicos se va pareciendo a la señal base, las
convoluciones, tambien las propiedad que usamos, como la inversion en el tiempo o cambio de escala, todo esto
fundamentales para la comprension del curso de Telecomunicaciones en base a que siempre se usan de esta manera
comprendimos analisamos y abarcamos en este laboratorio.
5. Referencias
Guia de Laboratorio – Lab2_Fundamentos de Telecom.pdf
http://grupotematicomatematicasaplicada.weebly.com
http://portal.uned.es
4. Evaluación de Desarrollo
Tabla 3. Se presenta una autoevaluación.
Temas a Evaluar Puntos Autoevaluación Evaluación
Puntualidad 0-10 9 10
Seguimiento de las instrucciones dadas 0-10 9 8
Síntesis Conceptual (introducción) 0-20 19 20
Desarrollo de la metodología 0-20 19 20
Análisis de resultados 0-25 24 25
Presentación de conclusiones 0-15 14 15
Firma y Nombre de los participantes:
Tomás Luna Kevin Ríos
Observaciones
________________________________________________________________________________________________
________________________________________________________________________________________________
________________________________________________________________________________________________
________________________________________________________________________________________________
Code With MATLAB
clear all, clc;
t=linspace(-2,2,1000);
x=(2*abs(t).^(1.3)-3*abs(t))./(exp(-4.*abs(t-1))+1);
figure (1)
subplot(5,1,1)
plot(t,x,'y');grid on,
ylabel('amplitude');xlabel('time (in seconds)');title('x(t)')
x2=(2*abs(0.7).^(1.3)-3*abs(0.7))./(exp(-4.*abs(0.7-1))+1);
subplot(5,1,2);stem(x2,'r');grid on; xlim([-2 2])
ylabel('amplitude');xlabel('time (in seconds)');title('x(0.7)')
x3=(2*abs(-t).^(1.3)-3*abs(-t))./(exp(-4.*abs(-t-1))+1);
subplot(5,1,3);plot(t,x3,'m');grid on
ylabel('amplitude');xlabel('time (in seconds)');title('x(-t)')
x4=(2*abs(0.5*t).^(1.3)-3*abs(0.5*t))./(exp(-4.*abs(0.5*t-1))+1);
subplot(5,1,4)
plot(t,x4,'b');grid on
ylabel('amplitude');xlabel('time (in seconds)');title('x(0.5t)')
x5=(2*abs(-2*t-1).^(1.3)-3*abs(-2*t-1))./(exp(-4.*abs(-2*t-1))+1);
subplot(5,1,5)
plot(t,x5,'k');grid on
ylabel('amplitude');xlabel('time (in seconds)');title('x(-2*t-1)')
%% part 2
[y,ty]=impuni(-5,5,0.001,3)
subplot(4,1,1),plot(ty,y,'m');grid on
ylabel('amplitude');xlabel('time (in seconds)');title('Función impulso unitario')
[y1,ty1]=escuni(-5,5,0.001,-2)
subplot(4,1,2),plot(ty1,y1,'g');grid on
ylabel('amplitude');xlabel('time (in seconds)');title('Función escalón unitario')
[y2,ty2]=rampa(-5,5,0.001,1)
subplot(4,1,3),plot(ty2,y2,'k');grid on
ylabel('amplitude');xlabel('time (in seconds)');title('Función rampa')
[y3,ty3]=rectuni(-5,5,0.001,-1,3);
subplot(4,1,4),plot(ty3,y3,'r');grid on
ylabel('amplitude');xlabel('time (in seconds)');title('Función rectangular')
%% part 3
clear; clc;
t=linspace(0,4,1000);
x0=cos(1/2*pi*0*t);x1=cos(1/2*pi*t);x2=cos(1/2*pi*2*t);
x3=cos(1/2*pi*3*t);x4=cos(1/2*pi*4*t);x5=cos(1/2*pi*5*t);
y1=sin(1/2*pi*t);y2=sin(1/2*pi*2*t);y3=sin(1/2*pi*3*t);
y4=sin(1/2*pi*4*t);y5=sin(1/2*pi*5*t);
Orth=sum(x1.*y1)
subplot(2,1,1)
plot(t,x0,'--g',t,x1,'--k',t,x2,'--b',t,x3,'--c',t,x4,'--m',t,x5,'--y')
grid on;ylabel('amplitude');xlabel('time (in seconds)');title('ϕ_1')
subplot(2,1,2)
plot(t,y1,'--y',t,y2,'--r',t,y3,'--g',t,y4,'--b',t,y5,'--k')
grid on;ylabel('amplitude');xlabel('time (in seconds)');title('ϕ_2')
%% part 5
N=512;fs=1000;
dt=1/fs;T=N*dt;
t=0:dt:T-dt;
t1=(0:dt:T-dt)/9;
s=sin(400*pi.*t);
Jaira Morales
u=(0).*(t<0)+(1).*(t>=0);
h=((400*(exp(-200.*t))).*(cos(400*pi.*t))).*(u);
ht1=((400*(exp(-200.*t1))).*(cos(400*pi.*t1))).*u;
x=(cos(100*pi.*t)+sin(400*pi.*t)-cos(800*pi.*t)).*(u);
xt1=(cos(100*pi.*t1)+sin(400*pi.*t1)-cos(800*pi.*t1)).*(u);
[z,tz]=conv_n(x,t,h,t);
y=z;
[z1,tz1]=conv_n(xt1,t1,ht1,t1);
yt1=z1;
subplot(3,1,1)
plot(t1,xt1,'c')
grid on;ylabel('amplitude');xlabel('time (in seconds)');
title('Señal de entrada'); xlim([0 0.05])
subplot(3,1,2)
plot(t1,ht1,'b')
title('Respuesta del filtro al impulso ');xlim([0 0.05])
subplot(3,1,3)
plot(tz1,yt1, 'r')
title('Señal de salida');xlim([0 0.1])
%% part 5
t=0:0.01:5;
T=1;
t1=1.5;
f=round(rand);
f(f==0)=-1;
x=f.*((t>=0)&(t<=T));
x1=1.*((t>=0)&(t<=T));
x2=-1.*((t>=0)&(t<=T));
n=awgn(0.*(t>=0),10);
y=f.*((t>=t1)&(t<=T+t1))+n;
[c1 tc1]=corr_n(y,t,x1,t);
[c2 tc2]=corr_n(y,t,x2,t);
if max(c1) > max(c2)
m='1';
else
m='-1';
end
subplot(4,1,1)
plot(t,x,'c');grid on;axis([0 3 -2 2]);
ylabel('amplitude');xlabel('time (in seconds)');
title('Señal transmitida x(t)');
subplot(4,1,2);plot(t,y,'k');grid on;axis([0 3 -2 2]);
title('Señal con ruido y(t)');
subplot(4,1,3);plot(tc1,c1,'r');grid on;axis([0 3 -2 2]);
title('Correlador 1');
subplot(4,1,4)
plot(tc2,c2,'m');axis([0 3 -2 2]);grid on
%%
t=0:0.01:5;T=0.5;
t1=2*pi*(1/T)*(2.25);
f=round(rand);
n=awgn(0.*(t>=0),10);
if f==0
x=sin(2*pi*(1/T)*t);
y=sin(2*pi*(1/T)*t-t1)+n;
else
x=cos(2*pi*(1/T)*t);
y=cos(2*pi*(1/T)*t-t1)+n;
end
x1=sin(2*pi*(1/T)*t);
x2=cos(2*pi*(1/T)*t);
[c1, tc1]=corr_n(y,t,x1,t);
[c2, tc2]=corr_n(y,t,x2,t);
if max(c1) > max(c2)
m='cos'
r=tc2(find(c2==max(c2)))
else
m='sin'
r=tc1(find(c1==max(c1)))
end
subplot(4,1,1),plot(t,x,'y')
axis([0 3 -2 2]);grid on
title('Señal transmitida x(t)');
subplot(4,1,2)
plot(t,y,'g'),axis([0 3 -2 2]);
grid on;title('Señal con ruido y(t)');
subplot(4,1,3)
plot(tc1,c1,'r');grid on;axis([0 5 -2.5 2.5]);
ylabel('amplitude');xlabel('time (in seconds)');title('Correlador 1');
subplot(4,1,4);plot(tc2,c2,'b');grid on
axis([0 5 -2.5 2.5]);
Jaira Morales
LABORATORIO N°2
“Análisis espectral usando la DFT/FFT”
98/100
Kevin Ríos
Cédula: 8-938-523
Tomás Luna
Cédula: 8-951-2068
Resumen. Este laboratorio se estudia los análisis espectrales usando la DFT/FFT. Aunque esto podría verse como trabajar
con los sistemas de Fourier nuestro principal trabajo aquí seria el uso de los comandos, procedimientos y algunas técnicas de
trabajo para que se realice el análisis de señales espectrales, y adicionalmente se trabaja con las señales y filtros en el dominio
de la frecuencia. Nuestros objetivos van desde utilizar una herramienta de análisis matemático y simulación para confirmar
algunos conceptos importantes sobre el análisis de señales en el dominio de la frecuencia, utilizar la DFT y FFT para calcular
el espectro de una señal y estudiar el intercambio entre la resolución de la frecuencia y la fuga espectral, estudiar el efecto en
la resolución espectral que tiene el uso de ventanas para filtrar las señales y analizar el efecto de los filtros en el ancho de
banda d las señales
Descriptores: DFT,FFT,señales.
1. Introducción
El análisis de Fourier es de gran utilidad e importancia en el análisis de señales. Entre las razones se encuentran las series de
Fourier, las cuales se encargan de descomponer señales en sumas infinitas de senos y cosenos más simples, para el estudio
de la señal original. Es fundamental conocer las propiedades del análisis de Fourier, como la transformada y las series, para
el procesamiento de ondas, debido a que con su ayuda se podrá conocer distintas características de la señal necesarias para
su procesamiento.
El objetivo del presente informe es el de mediante la utilización de las funciones DFT y FFT estudiar los comportamientos
que toman lugar en el espectro y frecuencia. Además, observar el efecto que tiene el uso de ventanas o filtros sobre las
señales. Esto, a través del software numérico de simulación Matlab, el cual permitirá apreciar gráficamente los cambios en
las ondas.
A continuación, se mostrará los materiales necesarios para desarrollar este laboratorio, como mediante las funciones de DFT,
FFT ventanas y filtros se puede conocer y modificar el contenido espectral de las señales, las gráficas resultantes de los
procedimientos. Procedido por el análisis, conclusiones y recomendaciones adquiridos del desarrollo del laboratorio.
2.1 Materiales
MATLAB®, Octave
2.2 Métodos.
En este laboratorio implementaremos el análisis de Fourier para el desarrollo espectral de las señales, modelando con el
software para las representaciones en sistemas muestreados, planteando cada problema de acuerdo con las especificaciones.
Las transformadas y los filtros son herramientas que sirven para procesar y analizar datos discretos, y se utilizan comúnmente
en aplicaciones de procesamiento de señales. Cuando los datos se representan como una función de tiempo o espacio, la
transformada de Fourier descompone los datos en componentes de frecuencia. La función FFT utiliza un algoritmo rápido de
transformada de Fourier que reduce su costo de cálculo en comparación con otras implementaciones directas.
Buscando los comandos básicos a utiliza para desarrollar el informe, como lo es La función FFT en MATLAB® utiliza un
algoritmo de transformada rápida de Fourier para calcular la transformada de Fourier de los datos. La función iFFT La
transformada de Fourier y su conversión inversa entre datos muestreados en tiempo y espacio y datos muestreados en
frecuencia.
2.3 Ecuaciones
df=1/ (N* (1/Fs)) (1)

Δf=1/(N/Fs) (2)
3. Resultados y Discusión
3.1 Resultados
FFT Y FFTSHIFT
Al generar la señal x(t) de 1000-puntos (N) de longitud (en el tiempo) que contiene una onda coseno de 100 Hz con amplitud
0.8 y una onda seno de 200 Hz con amplitud 1.2, y con frecuencia de muestreo de 1 kHz. Desarrollando la señal en el tiempo
y sus representaciones espectros mostrado en la “Fig. 1”.
Figura 1. Gráfica de la señal en el dominio del tiempo, y los espectros de amplitud de doble lado PS2 y de un solo lado
PS1 de la señal
En la gráfica de la “Fig. 1” se presenta la señal en el dominio del tiempo y sus espectros que se obtienen calculando la
transformada discreta de Fourier con el comando fft, definiendo los dominios de frecuencia para cada espectro.
El espectro resultante presenta una resolución en frecuencias que está determinada por la frecuencia de muestreo (Fs) y el
número total de muestras (N), en la cual se presenta en la Ec. (1), Dando valor de 1 para esta señal.
Jaira Morales
Adición de ceros y ventanas
Para otra señal x(t) de 1000-puntos (N) de longitud (en el tiempo) que contiene una onda seno de 100 Hz con amplitud 1 y
una onda seno de 202.5Hz con amplitud 1, y una frecuencia de muestreo de 1 kHz.
Figura 2. Gráfica de la señal en el dominio del tiempo, y el espectro de amplitud de un solo lado PS1 de la señal con
1000-puntos (N).
Figura 3. Gráfica de la señal en el dominio del tiempo, y el espectro de amplitud de un solo lado PS1 de la señal con
2000-puntos (N).
Figura 4. ventana rectangular de 64-puntos.
Figura 5. ventana Hamming de 64-puntos.
El espectro resultante presenta una resolución en frecuencias que está determinada por la frecuencia de muestreo (Fs) y el
número total de muestras (N), en la cual se presenta en la Ec. (1), Dando valor de 1 para esta señal.
En la “Fig. 2” se observa que la amplitud del un espectro se ve recortada a un valor 0.3, no son correspondiente debido si
tenemos una señal de valor real, entonces la salida de la DFT es simétrica a la frecuencia, por medio de la adicción de ceros
mejora la estimación de la amplitud como se muestra en la “Fig. 3” con valor de 0.5 para las amplitudes y son correctas.
La distancia entre los intervalos de frecuencia de la salida DFT (DFT bins), solo depende de la longitud de la secuencia de
entrada y esta dada por por la Ec.(2) nos da un valor de 0.50Hz.
Desarollado los comandos rectwin en la “Fig 4” devuelve una ventana rectangular de longitud L, asi mismo con la ventana
hamming usado en la “Fig 5”.
Jaira Morales
Análisis espectral –relación entre la resolución de frecuencia y la fuga espectral)
Una señal x(t) consiste de tres sinusoides con frecuencias de f1= 4 kHz, f2= 5 kHz y f3= 6 kHz, con N =100 muestras a una
razón de muestreo de 20 kHz y una duración de 5 ms.
En el análisis espectral se está llevando a cabo varios puntos para hacer pruebas de los movimientos espectrales y los cambios
que ocurren y su relación con las diferentes clases de puntos de resolución, esta parte da inicialmente tres frecuencias. En el
punto “a” da una cantidad de muestras, la frecuencia de muestreo y el tiempo total de duración, la primera parte pide conocer
la resolución de frecuencia y esta sería uno entre el tiempo total de duración de la señal. En el punto “b” se busca graficar la
señal entre un vector n, tomando en cuenta la información anterior se puede obtener varios datos con eso buscar el periodo
de muestreo, se busca el vector de tiempo y se divide el periodo de muestreo y así se obtiene el vector n, ahora no se conoce
particularmente la señal, pero se sabe que existen tres frecuencias por lo tanto la señal tendrá tres cosenos lo cual es dos por
pi por la frecuencia por el tiempo y eso sería nuestra señal en tiempo, en este punto se reemplaza el vector t por n y las
frecuencias se dividen entre la razón de muestreo con eso se tiene la señal con razón en n, con eso se saca la gráfica de la
señal de n con el vector n. En el punto “c” se cambia el número de muestras para demostrar donde la frecuencia y el espectro
se desarrollan hasta el punto de 256. Punto “d” lo que se busca es la propiedad invertida del punto c además de eso se colocan
las gráficas de los puntos b y d con respecto a la muestra de 256. En el punto “e” se usa la función de hamming para el valor
obtenido por la conjugada del valor vectorial de hamming por la señal de n además colocarlas graficas de la parte b con los
números de 256 muestras. En el punto “f” se repite los pasos y se observa la implementación del espectro para minimizar los
lóbulos laterales. En el punto “g” y “h” se observa el número de muestras reducidos a tres valores específicos los cuales se
usan para trabajar en un siclo que completara las funciones rectangulares y hamming y su registro de datos.
Parte b
Figura 6. Gráfica de la señal xn.vs índice de muestra

Parte c
Figura 7. Gráfica de la magnitud del espectro de un solo lado de la señal con respecto a una frecuencia normalizada.
Parte d
Figura 8. Gráfica de la señal xn y la señal recuperada usando la transformada inversa Fourier.

Jaira Morales
Parte e
Figura 9. Comparación de señal xnwn con señal vs índice de muestra.
Parte f
Figura 10. Comparación de señales de un solo lado.

Parte g
Figura 11.Comparación las señales resultantes del espectro de la magnitud de un lado.
Parte h
Figura 12. Comparación las señales resultantes de rectwin y hamming.

Jaira Morales
3.2 Discusión
FFT Y FFTSHIFT
La primera parte de este trabajo se basa en el entendimiento de las fft y fftshift las cuales ayudaran a modelar las ondas o
señales sobre un doble lado o un lado positivo único. En la primera pregunta se pide encontrar la resolución de la frecuencia
df la cual es uno entre el tiempo total de la señal lo cual da una respuesta de uno ya que el tiempo total es de uno porque ella
es el número de muestras por nuestro periodo de muestreo. En la segunda pregunta fue calcular la transformada discreta de
Fourier de la señal lo cual es el uso de la función fft aplicada a la señal que se tiene. En nuestro punto tres se piden la señal
de media onda en el lado positivo y la de onda completa, aquí es cuando se demuestra la importancia de Fourier debido a que
se necesita el espectro de la señal para trabajar en tales, para el lado completo sería el uso de fftshift y el vector de frecuencia
se debe colocar en ambos puntos de la muestra positiva y negativa, y para el medio lado ya que solo se estará trabajando en
lo positivo se hace un cambio en el espectro de doble lado sin el fftshift y en el vector de frecuencia comenzar desde cero.
Para los casos de las siguientes dos preguntas se trabajó directamente con el linspace y se puede ignorar el uso del vector de
la frecuencia, aparte de eso se puede decir que es la misma operación. En el último punto se hizo una apreciación de las
gráficas para apreciar la formación de la señal entendible y cómo afecta el espectro en este caso a una señal de tiempo.
Adición de ceros y ventanas

En la segunda parte se hace apreciación a la adición de los ceros y ventanas (funciones en este caso). En el primer punto ya
que se tiene que el número de muestras y la frecuencia de muestreo son las mismas entonces se tendrá que la resolución de
frecuencia seria de uno, en este punto no se puede decir que las amplitudes del sistema son estimables debido a que la señal
de seno en ambos pose una amplitud de uno. En el segundo punto se está llegando a graficar la señal con las funciones
espectrales y el vector de frecuencia, al apreciar la estimación se puede decir que las amplitudes son muestras de dos puntos
concretos. En los últimos dos puntos se aplican las dos ventanas que se está viendo sería una gráfica en tiempo y una en el
dominio de la frecuencia, esto está trabajando de hamming y rectwin.
Análisis espectral
En la tercera parte se estuvo haciendo un análisis espectral en esta parte se está trabajando completamente con lo que seria
los sistemas espectrales se está especializando los desarrollos de la fft en el sistema, esta mostrara el tipo de cambios que se
pueden lograr desarrollar en las diferentes graficas de una misma señal. En el primer punto se tiene que la resolución de la
frecuencia seria de doscientos debido a que el tiempo total del sistema es de cinco milis segundos. En el segundo punto se
está calculando el índice de vector, sería la división del periodo de muestreo entre el vector del tiempo, lo que da el vector n
y la señal se cambió de tiempo a n y las frecuencias entre la frecuencia de muestreo, con eso se obtuvo la gráfica de la señal
de n por el vector de n. En el tercer punto se está teniendo un nuevo número de muestra para obtener la gráfica con respecto
a la frecuencia normalizada. En los puntos siguientes se hace hamming y se compara las señales en referencia a un valor
vertical común y se observó que ambas señales están interactuando de una gran similitud completa. En el punto de las tres
graficas juntas se puede apreciar que en la señal cuando se está cambiando los números de muestra a una menor cantidad se
puede apreciar cómo se filtra el valor de la señal.
4. Conclusión
En este laboratorio se logra aprender sobre el análisis de Fourier para determinar el contenido espectral en el tiempo, en
principal el entendimiento sobre cómo llega a afectar el desarrollo o como mostrara una señal dada de doble lado o de lado
total y como afectara el análisis de este a las muestras que se están estimando. Siempre se estima que al modelar en un sistema
de software se puede llevar al desarrollo de la forma y el diseño que se querrá, pero en realidad las funciones deben cumplir
la formación matemática adecuada de lo contrario los resultados obtenidos pueden parecer válidos sin el usuario darse cuenta
de que la salida no es correcta y eso es lo que enseña las fórmulas de Fourier en este laboratorio.
5. Referencias bibliográficas.
[1] Oppenheim, Alan V., Ronald W. Schafer, and John R. Buck. Discrete-Time Signal Processing. Upper Saddle River, NJ:
Prentice Hall, 1999
Guía de Laboratorio 2_Analisis spectral.pdf


Observaciones
La forma de nombrar las figuras del informe no van de acuerdo al formato indicado.
Jaira Morales
Code With MATLAB

%% Part 1
clc;clear all;
N = 1000;% Signal length
Fs = 1000;% Sampling frequency
Ts = 1/Fs;% Sampling period
tv = (0:N-1)*Ts; % Time vector
T=N*Ts;df=1/T
f = 0.8*cos(2*pi*100*tv)+ 1.2*sin(2*pi*200*tv);%Input signal
subplot(3,1,1)
plot(tv(1:50),f(1:50),'b','LineWidth',1);grid on;
title('Signal x(t)');xlabel('t(seg)');ylabel('Amplitude');
F = fft(f);% Calling fft() function for signal ‘f’
PS2 = abs(F/N);% Double sampling plot
PS1 = PS2(1:N/2+1);% Single sampling plot
PS1(2:end-1) = 2*PS1(2:end-1);
f1 = Fs*(0:(N/2))/N;
subplot(3,1,3)
plot(f1,PS1,'b','LineWidth',1);grid on
title('Amplitude Spectrum (Single-Sided) PS1 for f(t)')
xlabel('f (Herz)');ylabel('|PS1(f)|')
subplot(3,1,2)
f2=linspace(-Fs/2,Fs/2,N);
plot(f2,fftshift(PS2),'b','LineWidth',1);grid on
title('Amplitude Spectrum (Double-Sided) PS2 for f(t)')
%% Part 2
clc;clear all;
T=N*Ts;df=1/T
f = 1*sin(2*pi*100*tv)+ 1*sin(2*pi*202.5*tv);%Input signal
subplot(3,1,1)
plot(tv(1:50),f(1:50),'r','LineWidth',1);grid on;
title('Signal x(t)');xlabel('t(seg)');ylabel('Amplitud');
f1 = Fs*(0:(N/2))/N;
subplot(3,1,2)
plot(f1,PS1,'r','LineWidth',1);grid on
title('Amplitude Spectrum (Single-Sided) PS1 for f(t) N=1000')
%% C
clear all;clc;
T=N*Ts;df=1/T;
f = 1*sin(2*pi*100*tv)+ 1*sin(2*pi*202.5*tv);%Input signal
subplot(3,1,1)
plot(tv(1:50),f(1:50),'r','LineWidth',1);grid on;
title('Signal x(t)');xlabel('t(seg)');ylabel('Amplitud');
f1 = Fs*(0:(N/2))/N;
subplot(3,1,2)
plot(f1,PS1,'r','LineWidth',1);grid on
title('Amplitude Spectrum (Single-Sided) PS1 for f(t) N=2000')
%% D
clear all;clc;
w = rectwin(64);
figure (1)
wvtool(w)
figure (2)
w1 = hamming(64)
wvtool(w1)
%% Part 3
clc;clear all;
N=100; % Signal length
Fs=20000; % Sampling frequency
f1=4000; f2=5000;f3=6000;
dt=1/Fs; df=1/(dt*N);
t = (0:N-1)*dt;
x=sin(2*pi*f1*t)+sin(2*pi*f2*t)+sin(2*pi*f3*t);%Input signal
xn=x(1:N);
n=0:1:N-1;figure(1)
stem(n,xn,'k');grid on
title('Discrete Signals (x_n)')
xlabel('n');ylabel('Amplitude')
N2=256;
Xn=(fft(xn/N2,N2));
Ps2=abs(Xn);
Ps2=Ps2(1:N2/2);
fs1=Fs/(N2/2);
fns=fs1/Fs;
f5=0:fns:1-fns;figure(2)
plot(f5,Ps2,'k'); grid on
title('Amplitude Spectrum (Single-Sided) PS1 for f(t)')
nr=0:1:N2-1;
xr=ifft(Xn*N2,N2);
figure(3);
subplot(2,1,1)
stem(n,xn,'k');xlim([0 256]);grid on;
title('Discrete Signals x_n');xlabel('n');ylabel('Amplitude')
subplot(2,1,2)
stem(nr,xr,'k');xlim([0 256]);grid on
title('Signal recovery x_n with ifft');xlabel('n');ylabel('Amplitude')
%% e
w=hamming(N);
xw=w'.*xn;
figure (4)
subplot(2,1,1);
Jaira Morales
plot(n,xn),xlimit([0 120])
xlabel('n vector');
ylabel('Amplitude');
title('Signal vs sample index')
grid on;
subplot(2,1,2);
plot(n,xw),xlimit([0 120])
xlabel('function');
title('xnwn Signal')
grid on;
%% f
XW=(fft(xw,N2))/N;
XW1=abs(XW);
XW1=XW1(1:N2/2);
figure (5)
plot(f,XW1,'b')
grid on
hold on
plot(f,Ps2,'r')
grid on;
xlabel('normalized frequency');
title('Signals comparison');
Jaira Morales
LABORATORIO N°3
“Análisis espectral usando la DFT/FFT parte 2”
100/100
Kevin Ríos
Cédula: 8-938-523
Tomás Luna
Cédula: 8-951-2068
Resumen. Se presenta concepcto basico en el analisis espectral usando la transformada de foruier, de manera asi poder
aplicar filtros tambien los cuales son necearios para comprender su comportamiento, como se menciona el filtrado modifica
el espectro de la señal de entrada de acuerdo a cierta especificaciones. Entender los procedimientos y algunas técnicas
para realizar el análisis espectral de señales. Adicionalmente se estudian las señales y sistemas (filtros) en el dominio de la
frecuencia.
Descriptores: Pulstan, filtro, impulsos.
1. Introducción.
Las transformadas y los filtros son herramientas que sirven para procesar y analizar datos discretos, y se utilizan comúnmente
en aplicaciones de procesamiento de señales y matemáticas computacionales. Cuando los datos se representan como una
función de tiempo o espacio, la transformada de Fourier descompone los datos en componentes de frecuencia. La función fft
utiliza un algoritmo rápido de transformada de Fourier que reduce su costo de cálculo en comparación con otras
implementaciones directas. Para ver una introducción más detallada al análisis de Fourier, consulte. Las funciones conv y
filter también son herramientas útiles para modificar la amplitud o la fase de los datos de entrada mediante el uso de una
función de transferencia.
Un filtro, es un filtro que opera sobre señales. Es una operación matemática que toma una secuencia de números (la señal de
entrada) y la modifica produciendo otra secuencia de números (la señal de salida) con el objetivo de resaltar o atenuar ciertas
características.
MATLAB®
Utilizar una herramienta de análisis matemático y simulación para confirmar algunos conceptos importantes sobre el
análisis de señales en el dominio de la frecuencia. a DFT y FFT para calcular el espectro de una señal.
3. Resultados.
Dada la función de entrada x(t) = [cos(100πt) + sin(400πt) − cos (800πt)]u(t), la señal tono s=sin(400πt) y
el filtro con respuesta al impulso h=400(exp(-200t))cos(400πt)u(t), se requiere encontrar el espectro de magnitud
de cada una de las señales y de la salida. Desarrollando la señal en el tiempo y sus representaciones espectros mostrado
en la “Fig. 1”.
Figura 1. Gráfica de la señal en el dominio del tiempo x(t), h(t), y(t), y los espectros de amplitud de doble
lado de las señales.
Jaira Morales
Dada la señal periódica rectangular x(t), con periodo T0, definida por 𝑥 (𝑡), mediante el uso del comando pulstran, se
aplica en para el resultado de la señal. las gráficas de la señal x(t) y los espectros de un solo lado de magnitud y
fase de la señal se muestra en la “Fig. 2’.
Figura 2. Gráfica de la señal x(t) y los espectros de un solo lado de magnitud y fase.
Dada la señal a trozos 𝑥(𝑡) = { cos(2𝜋47t) + cos(2𝜋19t) , 0 ≤ t ≤ 45ms 0, 0 > 𝑡 > 45𝑚𝑠 , se creó un vector de tiempo que
contenga la señal de −0.5𝑚𝑠 < 𝑡 < 50𝑚𝑠, en la se muestra los resultados en las siguientes figuras.
Figura 3. Gráfica de la señal muestreada en el intervalo − 5  t  50 ms.

Jaira Morales
Figura 4. los espectros de amplitud y fase de la señal x(t)

Figura 5. filtro pasa bajas Butterworth de orden 4 y frecuencia
de corte de 100 Hz..
Jaira Morales
Figura 6. Gráfica de respuesta en frecuencia del filtro
Figura 7. Gráfica señal de salida y(t)

Figura 8. Gráfica del espectro Potencia y(t)
Figura 9. filtro pasa bajas Butterworth de orden 8 y frecuencia

de corte de 100 Hz..
Jaira Morales
Figura 10. Gráfica de respuesta en frecuencia del filtro N°8
Figura 11. Gráfica señal de salida y(t) N°8

Figura 12. Gráfica del espectro Potencia y(t) N°8
4.2 Discusión
Estudio de una señal con un tono.

En la figura 1 se puede denotrar el uso del filtro en la señal de entrada, de modo que este trabaja en solo pasar la amplitud
del impulso, atenuando los demás valores y quedan un espectro similar a la señal de tono. En los comandos usado esta la
función de convolución para determinar la señal de salida y poder calcular sus espectros en frecuencia con fft y hacer los .
Análisis de señal periódica rectangular

En esta parte usaremos un tren de impulso para desarrollar el problema que se demuestra en la figura 2, en la cual se detalla
los valores de su magnitud de un solo lado y la frecuencia, la utilización de solo seis periodos de la señal para implementar
la función pulstran, calcular su espectro con la ayuda de la transformada rápida de Fourier y aplicar el espectro de un solo
lado que se requería.
Señal con filtros

𝑥(𝑡) = {cos(2𝜋47t) + cos(2𝜋19t) , 0 ≤ t ≤ 45ms 0, 0 > 𝑡 > 45𝑚𝑠, se creó un vector de tiempo que contenga la señal de −0.5𝑚𝑠
< 𝑡 < 50𝑚s, de manera que se grafican los datos con el números de muestras que se piden en el problema, utilizando la
función de butter en la que trabaja de la siguiente forma devuelve los coeficientes de la función de transferencia de un filtro
digital Butterworth de paso bajo de orden n con frecuencia de corte normalizada Wn, la respuesta del filtro se utilizo el
comando freqz que devuelve el vector de respuesta de frecuencia de n puntos h y el correspondiente vector de frecuencia
angular w en el filtro digital con los coeficientes de la función de transferencia almacenados en b y a.
Se compara las diferencia que tiene en cambiar el orden de la señal de entrada con sus espectros
Jaira Morales
5. Conclusiones
En esta Parte del informe se logra aprender el usos de filtros como se observan a las variaciones de la señales de entrada,
respecto con la señal de salida. Profundizar más sobre el análsis de Fouier para sacar sus espectros en frecuencia y su fase.
Analizar el efecto de los filtros en el ancho de banda de las señales. En la parte del desarrollo de los filtros fue donde más
nos costo en aplicar todo por ser extenso en el código
5.1 Referencias bibliográficas.
[1] Oppenheim, Alan V., Ronald W. Schafer, and John R. Buck. Discrete-Time Signal Processing. Upper Saddle River,
NJ: Prentice Hall, 1999
[2] Medina, Carlos A. Fundamentos de Ingeniera de comunicación: señales de comunicación analógica y digital Panamá:
Editorial Universitaria UTP, 2012.
5.2 Evaluación de Desarrollo
Observaciones
________________________________________________________________________________________________
________________________________________________________________________________________________
________________________________________________________________________________________________
________________________________________________________________________________________________
Jaira Morales
Code With MATLAB

%% Part 1
clc;clear;
dt = 1/Fs;% Sampling period
t = (0:N-1)*dt; % Time vector
T=N*dt; % Signal full time
df=1/T; % Frequency resolution
x=(cos(100*pi*t)+sin(400*pi*t)-cos(800*pi*t)).*heaviside(t);% Input signal
subplot(4,2,1)
plot(t(1:50),x(1:50),'r','LineWidth',0.5);grid on; axis tight ;
title('Input Signal x(t)');xlabel('t(seg)');ylabel('Amplitude');
X = abs(fft(x)/N);
f=linspace(-Fs/2,Fs/2,N);
subplot(4,2,2)
plot(f,X,'r','LineWidth',0.5);grid on; axis tight ;
title('Amplitude Spectrum for x(t)');xlabel('f (Herz)');ylabel('|X(f)|')
h=(400*exp(-200*t).*cos(400*pi*t)).*heaviside(t);% Impulse response filter
[z,tz] = conv_n(x,t,h,t);
y=z; %output signal
subplot(4,2,3)
plot(tz(1:50),y(1:50),'r','LineWidth',0.5);grid on; axis tight ;
title('Output Signal y(t)');xlabel('t(seg)');ylabel('Amplitude');
Y = abs(fft(y(1:N))/N);
subplot(4,2,4)
plot(f,Y,'r','LineWidth',0.5);grid on; axis tight ;
title('Amplitude Spectrum for y(t)');xlabel('f (Herz)');ylabel('|Y(f)|')
subplot(4,2,5)
plot(t(1:50),h(1:50),'r','LineWidth',0.5);grid on; axis tight ;
title('Impulse response filter h(t)');xlabel('t(seg)');ylabel('Amplitude');
H = abs(fft(h(1:N))/N);
subplot(4,2,6)
plot(f,H,'r','LineWidth',0.5);grid on; axis tight ;
title('Amplitude Spectrum for h(t)');xlabel('f (Herz)');ylabel('|H(f)|')
%%Part 2
clc;clear
A=1; To=10; to=1;Fs=1000;dt=1/Fs;
t=-5:dt:60;
d=0:To:50;
w=2*to;
y = A*pulstran(t',d','rectpuls',w);
subplot(3,1,1)
plot(t,y,'b','LineWidth',1);grid on;
title('Signal x(t)');xlabel('t(seg)');ylabel('Amplitude');axis([-5 55 0 1.5]);
N=numel(t);T=N*dt;df=1/T;
Y=fft(y)/N;
Y1=2*abs(Y(1:length(Y)/2));% Single sampling plot
f1=0:df:Fs/2-df;
f=linspace(-Fs/2, Fs/2, N);
subplot(3,1,2);
plot(f1,Y1,'b','LineWidth',1);
xlim([0 3]);grid on;
title('Amplitude Spectrum (Single-Sided) for x(t)');xlabel('Frequency
(Hz)');ylabel('|PS1(f)|');
subplot(3,1,3);
tol = 1e-6;
Y(abs(Y) < tol) = 0;
theta = angle(Y);
stem(f,theta/pi,'b','LineWidth',1);xlim([-0.5 0.5])
xlabel ('Frequency (Hz)');title('Phase Spectrum');
ylabel ('Phase / \pi');grid on
%%Part 3
clc; clear
t=-0.005:0.0001:0.05;
x=zeros(size(t));
for k=1:length(t)
if t(k)>=0 && t(k)<=0.045
x(k)=cos(2*pi*47*t(k))+cos(2*pi*219*t(k));
end
end
subplot(2,1,1)
plot(t,x,'g'),grid on;xlim([-0.005 0.05])
title('Signal x(t)');xlabel('t(seg)');ylabel('Amplitude');
xn=x(1:10:end); tn=t(1:10:end);
subplot(2,1,2)
stem(tn,xn,'g'),grid on;xlim([-0.005 0.05])
xlabel('t(seg)');ylabel('Amplitude');
Fs=1000;N=numel(t);dt=1/Fs;T=N*dt;df=1/T;
X=fft(x)/N;
X1=fftshift(abs(X));
f=-Fs/2:df:Fs/2-df;
fa=linspace(-Fs/2, Fs/2, N);
figure (2)
subplot(2,1,1)
plot(f,X1,'b','LineWidth',1);xlim([-100 100]);grid on;
title('Amplitude Spectrum for x(t)');xlabel('Frequency (Hz)');ylabel('|PS1(f)|');
subplot(2,1,2)
tol = 1e-6;
X(abs(X) < tol) = 0;
theta = angle(X);
stem(fa,theta/pi,'b','LineWidth',1);xlim([-20 20])
xlabel ('Frequency (Hz)');title('Phase Spectrum');
ylabel ('Phase / \pi');grid on
f1=100; N1=4;
Wn=(f1)/(Fs/2);
[B,A]=butter(N1,Wn,'low');
figure(3)
freqz(B,A), title('low pass Butterworth filter Nº4'),
[h,th]=impz(B,A);
figure(4)
plot(th,h,'b','LineWidth',1)
title('Filter Impulse Response'),grid on;xlim([0 40])
figure (5)
y= conv(x,h);
plot(y,'r','LineWidth',0.5);grid on; axis tight ;
Jaira Morales
title('Output Signal y(t)');xlabel('t(seg)');ylabel('Amplitude');

Y = fftshift(abs(fft(y(1:N))/N));
fc=(-N/2:N/2-1)*df;
P=Y.^2;
figure(6)
plot(fc,P,'k','LineWidth',0.5)
title('Power spectrum y(t)');grid on
xlabel('Frequency (Hz)');ylabel('|PS1(f)|');xlim([-50 50])
N2=8;
[B1,A1]=butter(N2,Wn,'low');
figure(7)
freqz(B1,A1), title('low pass Butterworth filter Nº8')
[h1,th1]=impz(B1,A1);
figure(8)
plot(th1,h1,'y','LineWidth',0.5);grid on
title('Filter Impulse Response Nº8'),
y1=conv(x,h1);
Y1=fft(y1)/N;
Y1=fftshift(abs(Y1));
Sy1=Y1.^2;
figure(9)
plot(y1,'c','LineWidth',0.5);title(' Output Signal y(t) Nº8')
xlabel('t(seg)');ylabel('Amplitude');grid on
figure(10)
plot(Sy1,'m','LineWidth',0.5);grid on
title('Power spectrum y(t) Nº8');
xlabel('Frequency (Hz)');ylabel('|PS1(f)|');;xlim([290 350])
Jaira Morales
Modulación AM
9 2
Kevin Rios
Cédula: 8-938-523
n!!
Tomás Luna bie
Cédula: 8-951-2068 M uy
Resumen.
Este laboratorio es sobre la modulación de amplitud AM, la cual funciona mediante la variación de la amplitud de la señal
transmitida en relación con la información que se envía. Este laboratorio trabajamos con el sistema matemático para la
simulación activa de señales y espectro de señales AM, simplificando la demostración de cómo una señal actúa al
transmitirse de manera libre y los varios puntos que puede abarcar. Nuestros objetivos son el estudio de varios aspectos de
diferentes esquemas de modulación AM.
Descriptores: señales,modulación, filtro, funciones.
1. Introducción.
En la presente experiencia, estaremos observando la modulación analógica de amplitud, conocida como AM. En la
modulación AM, interactúan dos señales principales: la moduladora y la portadora. La moduladora trata de la señal
sinusoidal que contiene la información del mensaje, por otra parte, la portadora es una señal sinusoidal con frecuencia
elevada, generada comúnmente por un oscilador. En la modulación AM, estas dos señales son mezcladas y como resultante
se obtiene la señal modulada, la cual cuenta con características de amplitud de la moduladora y frecuencia de la portadora.
Dentro de la modulación AM, existen varios tipos, estos varían entre doble banda lateral o banda sencilla y con portadora o
sin portadora. La doble banda lateral se refiere a un tipo de modulación de amplitud en el que el espectro de frecuencia de la
señal de información esta simétricamente posicionado por encima y por debajo de la señal portadora, siendo la banda
sencilla aquella que solo está posicionada por encima. En el caso, de las variaciones en la portadora solo se refiere a la
ausencia o presencia de está en el sistema.
La modulación de amplitud conlleva un sin número de ventajas que la hace hoy en día una técnica ampliamente utilizada,
principalmente en la transmisión por radio, debido a que su demodulación es muy sencilla, abaratando los costos en los
receptores. En otra mano, algunas de sus variaciones sacrificando la ventaja mencionada previamente presentan aumento en
la eficiencia de ancho de banda o potencia.
Esta experiencia tiene como objetivo aplicar y analizar los conceptos relativos a la modulación analógica de amplitud (AM),
como su comportamiento, algunos principios de su demodulación y sus distintos esquemas. Mediante la utilización de las
herramientas e implementación de las funciones de Matlab para apreciar el comportamiento de las señales mediante la
simulación.
A continuación, se detallarán los métodos y materiales utilizados. Además de una descripción detallada de los
procedimientos tomados para llevar con éxito la experiencia. Procedido por los resultados obtenidos, la discusión de los
resultados y las conclusiones adquiridas del desarrollo del laboratorio. Por último, encontraran los anexos donde se
introducen los elementos necesarios para dar un entendimiento más grafico de los procedimientos y resultados.
MATLAB, Laptop.
3. Discución y Resultados
En la figura 1, estaremos realizando la graficación de la señal moduladora (señal de mensaje) y la señal Portadora junto a la
simulación para el espectro de magnitud para cada una de las señales.
Fig. 1 Grafica Señal m(t) y c(t), con su respectivos Espectros en el dominio de la frecuencia.
Para la siguiente imagen (Figura 2), observamos la agrupación de las gráficas, en la cual se simuló la modulación en
Amplitud (AM) para diferentes valores en el coeficiente de modulación.
En estas gráficas, podemos observar cómo en nuestra señal modulada va teniendo un cambió debido a los diferentes valores
dados para el coeficiente de modulación; Las graficas del espectro en magnitud se puede apreciar un cambio en la amplitud
de la banda lateral.
Jaira Morales
Fig. 2 Grafica Señal modulada con los diferentes índices u y sus espectros.
Fig. 3 Grafica Señal demodulada con filtro.
Jaira Morales
Siguiendo con la experiencia del laboratorio, en las figuras 4 y 5 se realizó un procedimiento similar al de las figuras 1 y sin
embargo, se realizaron cambios en las señales moduladora y portadora con valores y parámetros indicados por la
falicitadora del laboratorio.
En la figura 4, se realizó la graficación de las señales moduladora y portadora junto a los espectros en magnitud para cada
una de las señales.
Para la figura 5, al realizar la simulación, podemos obsevar como las señales moduladas junto a sus respectivos coeficientes
de modulación con la que fueron graficadas, se ve a simple vista, la diferencia que hay entre ellas y comparándolas también
con las graficas adjuntadas en la figura 2.
Fig. 4 Grafica Señal m(t) y c(t), con sus Espectros.

En la siguiente figura (5), observamos la variación del indice de modulación en nuestra señal modulada(para 0.8,1 y 1.8). en
las graficas de la señal modulada con indice de modulación de 0.8 y 1, observamos 2 casos en los que no habría
sobremodulación; sin embargo, para la señal modulada con indice de 1.8, observamos una sobremodulación en la señal, por
lo que habría un cambio de fase de la señal modulada cada vez que la señal de información o moduladora pasa por cero.
Fig. 5 Grafica Señal modulada con los índices y sus espectros.

Jaira Morales
Fig. 6 Grafica Señal demodulada con filtro.

4. Conclusión
En esta experiencia, estuvimos trabajando con la modulación de amplitud AM; con ello, pudimos ampliar nuestro
conocimiento acerca del proceso de modulación en la cual destacamos la suma importancia que tiene ello en todo el sistema
de comunicación.
Observamos la influencia del índice de modulación de AM sobre las señales moduladas que fueron graficadas y las
diferencias que existen entre ellas respecto a su amplitud.
La práctica en MATLAB nos ayudó a conocer cómo realizar las debidas simulaciones para obtener una señal modulada y
sin deseamos recuperar la señal de información también podríamos demodularla para obtenerla.
Con esta experiencia, también podemos destacar la importancia del índice de modulación, la cual es de suma importancia ya
que nos indicaría la potencia a la que se está transmitiendo los datos u información; este índice nos permite controlar
también la modulación o sobre modulación de la señal portadora.
Presentación de conclusiones 0-15 13
8
Firma y Nombre de los participantes: 92
Observaciones del instructor de Laboratorio:

1. La discusión del laboratorio es una sección individual a los resultados.
2. Los resultados reflejan figuras, gráficas y tablas de una instrucción dada la cual debe contener una pequeña reseña
de como se obtuvo esa gráfica, tabla o figura.
3. Formato para el Nombre de figuras y tablas se exponen en la plantilla dada, deben seguir las instrucciones.
4. Las conclusiones generales no son necesarias, en cambio la discusión debe ser puntual por sección.
5. Tipo de letra del resumen incorrecta. (ver plantilla).
6. En general los resultados son correctos, al igual que el código.
Jaira Morales
Code With MATLAB
close all
clear all
fm=20; %Frecuencia de la señal
fc=200; %Frecuencia de la portadora
fs=4*fc; %Frecuencia de muestreo
%Modulacion Am
t=0:1/fs:1; % Vector de tiempo
f1=0.5*cos(2*pi*fm*t);%señal de información
subplot(2,2,1);
plot(t,f1, 'r');
title('Señal del Mensaje'),grid on,xlabel('tiempo'),ylabel('m(t)')
*L=length(f1);* ----AM
g1=fftshift(abs(fft(f1,L)))/L;
k1=linspace(-fs/2,fs/2,L);
subplot(2,2,2);
plot(k1,g1,'k');grid on;xlim([-3 3]);
xlabel('Frecuencia')
ylabel('Magnitud')
title('Espectro de Magnitud')
f2=100*cos(2*pi*fc*t); %Portadora
subplot(2,2,3);
plot(t(1:80),f2(1:80),'r');
title('Señal Portadora'),grid on,xlabel('Tiempo'),ylabel('p(t)')
L2=length(f2);
g2=fftshift(abs(fft(f2,L2)))/L2;
k2=linspace(-fs/2,fs/2,L2);
subplot(2,2,4);
plot(k2,g2,'k');grid on;xlim([-300 300])
ylabel('Magnitud')
figure(2)
ac=1; u=0.8;
u2=1; u3=1.8;
f3=(ac*(1+u.*f1)).*f2;
subplot(3,2,1)
y = hilbert(f3);
env = abs(y);
plot_param = {'Color', [0.6 0.1 0.2],'Linewidth',2};
plot(t,f3)
hold on
plot(t,[-1;1]*env,plot_param{:})
hold off
xlabel('Tiempo');
ylabel('Amplitud');
title('Señal de X.AM con u=0.8');
grid on
L3=length(f3);
subplot(3,2,2);
plot(k3,g3,'k');grid on;xlim([-250 250]);ylim([0 50])
ylabel('Magnitud')
subplot(3,2,3)
f4=(ac*(1+u2.*f1)).*f2;
y1 = hilbert(f4);
env1 = abs(y1);
plot(t,f4)
hold on
plot(t,[-1;1]*env1,plot_param{:})
hold off
xlabel('Tiempo');
ylabel('Amplitud');
title('Señal de X.AM con u=1');
grid on
subplot(3,2,4)
L4=length(f4);
ylabel('Magnitud')
subplot(3,2,5)
f5=(ac*(1+u3.*f1)).*f2;
y2 = hilbert(f5);
env2 = abs(y2);
plot(t,f5)
hold on
hold off
xlabel('Tiempo');
ylabel('Amplitud');
grid on
subplot(3,2,6)
L5=length(f5);
ylabel('Magnitud')
%Demodulacion con filtro
figure (3)
[num,den]=butter(8,1.2*fc/fs);
Jaira Morales
r = amdemod(f3,fc,fs,0,0,num,den);subplot(2,1,1)
plot(t, r,'g');grid on
title('Demodulated Signal');
xlabel('time(t)');
subplot(2,1,2)
L6=length(r);
g6=fftshift(abs(fft(r,L6)))/L6;
ylabel('Magnitud')
Parte II
close all
clear all
fm=2; %Frecuencia de la señal
fc=20; %Frecuencia de la portadora
fs=4*fc; %Frecuencia de muestreo
%Modulacion Am
t=0:1/fs:1; % Vector de tiempo
f1=cos(2*pi*fm*t);%señal de información
subplot(2,2,1);
plot(t,f1, 'r');
title('Señal del Mensaje'),grid on,xlabel('tiempo'),ylabel('m(t)')
L=length(f1);
g1=fftshift(abs(fft(f1,L)))/L;
k1=linspace(-fs/2,fs/2,L);
subplot(2,2,2);
plot(k1,g1,'k');grid on;xlim([-3 3]);
ylabel('Magnitud')
f2=cos(2*pi*fc*t); %Portadora
subplot(2,2,3);
plot(t(1:80),f2(1:80),'r');
title('Señal Portadora'),grid on,xlabel('Tiempo'),ylabel('p(t)')
L2=length(f2);
subplot(2,2,4);
ylabel('Magnitud')
figure(2)
ac=1; u=0.8;
u2=1; u3=1.8;
f3=(ac*(1+u.*f1)).*f2;
subplot(3,2,1)
y = hilbert(f3);
env = abs(y);
plot(t,f3)
hold on
plot(t,[-1;1]*env,plot_param{:})
hold off
xlabel('Tiempo');
ylabel('Amplitud');
grid on
L3=length(f3);
subplot(3,2,2);
plot(k3,g3,'k');grid on;
ylabel('Magnitud')
subplot(3,2,3)
f4=(ac*(1+u2.*f1)).*f2;
y1 = hilbert(f4);
env1 = abs(y1);
plot(t,f4)
hold on
hold off
xlabel('Tiempo');
ylabel('Amplitud');
title('Señal de X.AM con u=1');
grid on
subplot(3,2,4)
L4=length(f4);
ylabel('Magnitud')
subplot(3,2,5)
f5=(ac*(1+u3.*f1)).*f2;
y2 = hilbert(f5);
env2 = abs(y2);
plot(t,f5)
hold on
hold off
xlabel('Tiempo');
ylabel('Amplitud');
Jaira Morales
grid on
subplot(3,2,6)
L5=length(f5);
ylabel('Magnitud')
%Demodulacion con filtro
figure (3)
[num,den]=butter(8,1.2*fc/fs);
r = amdemod(f3,fc,fs,0,0,num,den);subplot(2,1,1)
plot(t, r,'g');grid on
title('Demodulated Signal');
xlabel('time(t)');
subplot(2,1,2)
L6=length(r);
g6=fftshift(abs(fft(r,L6)))/L6;
ylabel('Magnitud')

Lab TL

Cargado por

Información del documento

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

Lab TL

Cargado por

Copyright:

Formatos disponibles

Universidad Tecnológica de Panamá

Descriptores: señales, filtro, funciones.

El concepto básico de las comunicaciones se base en la transmisión de información, en el ámbito de la

Fig. 1 Clasificación y operaciones

Fig. 2 Señales básicas de interés

Demostración de las funciones base:

Fig. 4 Coeficientes de la serie de Fourier

Fig. 5 Aproximación de la serie de Fourier

Desarrollo de un detector de señales

Fig. 7 Diagrama de bloque del sistema

Fig. 8 Grafica parte b

Tabla 3. Se presenta una autoevaluación.

Temas a Evaluar Puntos Autoevaluación Evaluación

Firma y Nombre de los participantes:

Tomás Luna Kevin Ríos

df=1/ (N* (1/Fs)) (1)

Adición de ceros y ventanas

Figura 5. ventana Hamming de 64-puntos.

Análisis espectral –relación entre la resolución de frecuencia y la fuga espectral)

Figura 6. Gráfica de la señal xn.vs índice de muestra

Figura 8. Gráfica de la señal xn y la señal recuperada usando la transformada inversa Fourier.

Figura 9. Comparación de señal xnwn con señal vs índice de muestra.

Figura 10. Comparación de señales de un solo lado.

Figura 11.Comparación las señales resultantes del espectro de la magnitud de un lado.

Figura 12. Comparación las señales resultantes de rectwin y hamming.

Adición de ceros y ventanas

Guía de Laboratorio 2_Analisis spectral.pdf

Tabla 1. Se presenta una autoevaluación.

Temas a Evaluar Puntos Autoevaluación Evaluación

Síntesis Conceptual (introducción) 0-20 19 20

Firma y Nombre de los participantes:

Tomás Luna Kevin Ríos

Code With MATLAB

Descriptores: Pulstan, filtro, impulsos.

Figura 3. Gráfica de la señal muestreada en el intervalo − 5  t  50 ms.

Figura 4. los espectros de amplitud y fase de la señal x(t)

Figura 6. Gráfica de respuesta en frecuencia del filtro

Figura 7. Gráfica señal de salida y(t)

Figura 9. filtro pasa bajas Butterworth de orden 8 y frecuencia

Figura 10. Gráfica de respuesta en frecuencia del filtro N°8

Figura 11. Gráfica señal de salida y(t) N°8

Estudio de una señal con un tono.

Análisis de señal periódica rectangular

Señal con filtros

5.1 Referencias bibliográficas.

Tabla 1. Se presenta una autoevaluación.

Temas a Evaluar Puntos Autoevaluación Evaluación

Firma y Nombre de los participantes:

Tomás Luna Kevin Ríos

Code With MATLAB

title('Output Signal y(t)');xlabel('t(seg)');ylabel('Amplitude');

Descriptores: señales,modulación, filtro, funciones.

Fig. 4 Grafica Señal m(t) y c(t), con sus Espectros.

Fig. 5 Grafica Señal modulada con los índices y sus espectros.

Fig. 6 Grafica Señal demodulada con filtro.

Tabla 3. Se presenta una autoevaluación.

Temas a Evaluar Puntos Autoevaluación Evaluación

Firma y Nombre de los participantes: 92

Tomás Luna Kevin Ríos

Observaciones del instructor de Laboratorio:

También podría gustarte