HOJA DE INTEGRIDAD.

EL EXAMEN NO ES CALIFICADO SI ESTA HOJA NO TIENE TODOS LOS DATOS LLENOS, INCLUYENDO LA FIRMA.

II EXAMEN PARCIAL
SISTEMAS Y SEÑALES - 2023
UNIVERSIDAD NACIONAL DE INGENIERIA
Con la firma de la presente doy fe de que el trabajo que someto fue ejecutado por mi persona y sin ayuda de un tercero.
También acepto que en caso de ser requerido por el profesor deberé mostrar personalmente, en el aula, mi trabajo al
resolver un ejercicio similar a cualquiera de los sometidos como parte de mi solución al examen y mi nota podrá ser
ajustada de acuerdo a mi desempeño presencial. También acepto que podría ser examinado verbalmente sobre la solución
de cualquiera de los ejercicios que someta como parte de la solución al examen.

Nombre: Daviel Elian Cruz Medina

Número de teléfono 89-01-78-56

Número de carnet:2021-0657U
Firma:
Fecha: 27/06/2023
 1

I. FILTROS

¿Qué es un filtro?

Un filtro, en términos generales, es un dispositivo, sistema o función utilizado en varios

contextos para modificar, purificar, seleccionar o clasificar elementos de acuerdo con ciertos
criterios. Puede referirse a un dispositivo que elimina impurezas del agua, una capa óptica que
altera la luz en la fotografía, una función que aplica efectos en imágenes en redes sociales, un
mecanismo que selecciona información relevante o un algoritmo que procesa señales digitales.
En todos los casos, un filtro cumple el propósito de ajustar, mejorar o eliminar elementos no
deseados de acuerdo con determinadas condiciones o necesidades específicas.

¿Qué es un filtro analógico? De ejemplos.

Un filtro analógico es un tipo de filtro electrónico que opera en el dominio analógico de las
señales eléctricas. Utiliza componentes y circuitos analógicos, como resistencias, capacitores e
inductores, para procesar y modificar el contenido espectral de una señal continua en el tiempo.

Los filtros analógicos pueden ser pasivos o activos. Los filtros pasivos se componen únicamente
de componentes pasivos, como resistencias, capacitores e inductores, y no requieren de
amplificación de la señal como en el caso de los activos que necesitan de un amplificador
operacional. Estos filtros aprovechan las propiedades eléctricas naturales de los componentes
para atenuar o dejar pasar ciertas frecuencias de la señal de entrada.

Ejemplo de diseño de dos filtros pasa baja, uno pasivo y otro activo de segundo orden,
respectivamente ambos a una frecuencia de corte de 60Hz.

Explique cómo se calculan las pendientes para un diagrama de bode

Obtén el diagrama de amplitud y fase del sistema. Esto implica representar la respuesta en
frecuencia del sistema en un gráfico donde se muestra la ganancia en decibelios (dB) en función
de la frecuencia, así como la fase en grados en función de la frecuencia.

Calcula la diferencia en la ganancia (en dB) o en fase (en grados) entre los dos puntos que has
seleccionado.
 2

Divide la diferencia en la ganancia o fase entre la diferencia en logaritmo de las frecuencias. Este
cociente te dará la pendiente del diagrama de Bode en la región seleccionada.

Para darle sentido a lo mencionado antes, lleve a cabo el siguiente ejemplo:

¿Qué significa media potencia en un filtro?

En el contexto de los filtros, el término "media potencia" se refiere a la frecuencia de corte de

un filtro que reduce la potencia de la señal a la mitad (-3 dB). También se conoce como
frecuencia de corte a -3 dB

Cuando se aplica un filtro a una señal, la amplitud de la señal se atenúa en diferentes grados a
diferentes frecuencias. La frecuencia de corte a -3 dB es el punto en el cual la potencia de la
señal se reduce a la mitad, es decir, se ha reducido en un 50% en comparación con la amplitud
máxima de la señal.

¿Qué es un filtro digital? Utilicen convolución y otras herramientas vistas en clase para este
punto. De ejemplos.

Un filtro digital es un proceso matemático o sistema que procesa una señal digital mediante
técnicas y algoritmos específicos para modificar su espectro de frecuencia. A diferencia de los
filtros analógicos, que operan directamente sobre señales analógicas, los filtros digitales
trabajan con muestras discretas de la señal en el dominio del tiempo, existen diferentes tipos
de filtros digitales entre los que destacan; los FIR (respuesta al impulso finita), los IIR
(respuesta al impulso infinita) y los Adaptativos.

En términos técnicos, un filtro digital se basa en una función de transferencia o una estructura
de ecuaciones de diferencia que define su comportamiento. Esta función de transferencia o
ecuaciones de diferencia especifican cómo se relacionan la entrada y la salida del filtro en
función de las frecuencias y los retardos temporales.

Cálculo de la respuesta al impuso:

 3

¿Cuáles son las diferencias entre un filtro analógico y uno digital?

Las diferencias entre un filtro analógico y uno digital se basan en los dominios en los que operan,
los componentes utilizados y las técnicas de procesamiento de señales aplicadas. A
continuación, se describen estas diferencias de manera científica y profesional:

Dominio de operación:

Filtro analógico: Opera en el dominio analógico, donde las señales son continuas en el tiempo y
en amplitud.

Filtro digital: Opera en el dominio digital, donde las señales son discretas en el tiempo y en
amplitud, representadas por muestras numéricas.

Componentes utilizados:

Filtro analógico: Utiliza componentes electrónicos analógicos, como resistencias, capacitores e

inductores, para el procesamiento de señales.

Filtro digital: Utiliza componentes electrónicos digitales, como microcontroladores o

procesadores digitales de señales (DSP), y algoritmos numéricos para el procesamiento de
señales.

Procesamiento de señales:

Filtro analógico: Manipula directamente las señales analógicas utilizando técnicas de filtrado,
amplificación y modulación en el dominio de la amplitud y la frecuencia.

Filtro digital: Convierte las señales analógicas a señales digitales mediante el muestreo y la
cuantización, y luego aplica algoritmos de procesamiento digital, como la convolución, la
transformada de Fourier discreta (DFT) o la transformada rápida de Fourier (FFT).

Flexibilidad y precisión:

Filtro analógico: Tiene una flexibilidad limitada para modificar su respuesta en frecuencia una
vez que el circuito está diseñado y construido. La precisión de los componentes y las tolerancias
afectan la precisión del filtrado.

Filtro digital: Ofrece una mayor flexibilidad para diseñar y ajustar la respuesta en frecuencia
mediante la manipulación de algoritmos y parámetros digitales. La precisión está determinada
por la resolución numérica utilizada en las operaciones digitales.

Características de respuesta:

Filtro analógico: La respuesta en frecuencia puede ser afectada por componentes no ideales,
ruido y limitaciones inherentes al diseño y la implementación de circuitos analógicos.

Filtro digital: La respuesta en frecuencia puede ser más precisa y controlable debido a las
técnicas de procesamiento numérico, permitiendo una mayor estabilidad y repetibilidad en las
características de filtrado.

Es importante destacar que tanto los filtros analógicos como los digitales tienen sus ventajas y
aplicaciones específicas. Los filtros analógicos son comunes en sistemas de audio,
comunicaciones y electrónica de potencia, mientras que los filtros digitales son ampliamente
utilizados en telecomunicaciones, procesamiento de señales de audio y video, y sistemas de
control digital.
 4

¿Cómo se implementa un filtro digital en matemáticamente?

Es algo sencillo de describir, el fundamente para implementar un filtro matemáticamente es la

convolución. Para un filtro de respuesta al impulso finita (FIR), la salida y(k) de una operación de
filtrado es la convolución de la señal de entrada x(k) con la respuesta al impulso h(k):

Entonces bastaría con que nos brinden la señal de entra y la respuesta al impulso, para así hacer
uso de la herramienta brindada en clases “La convolución”.
∞

𝑦[𝑘] = ∑ 𝑥(𝑘) ∗ ℎ(𝑛 − 𝑘)

𝑘=−∞

¿Cómo se implementa un filtro digital en Matlab?

La implementación en Matlab la podemos simplificar haciendo algunos cálculos previamente

como establecer los coeficientes de un filtro ( Fc, Fs ) , la función de transferencia (asignamos
una variable para el denominador y lo mismo para el numerador) y la configuración del filtro.

Como segundo paso es introducir en Matlab una señal de prueba, en este paso se crea un vector
“t”, con una frecuencia de muestreo y luego se genera una señal de prueba esta será una señal
sinusoidal.

Habiendo aclarado los parámetros anteriores, este es un ejemplo:

Donde x= es la señal de prueba

Y= es la señal de entrada

b= en son los valores del denominador de la función de tranf.

a= serán los valores del numerador

 5

3 ejemplos de ejercicios con filtros digitales. Plantear y resolver los ejercicios.

Sin respuesta.

2 ejemplos de aplicaciones prácticas de filtros digitales: Aplicaciones de audio, de

Comunicaciones, etc. Teoría.

Procesamiento de radar y sonar:

En sistemas de radar y sonar, los filtros digitales se utilizan para eliminar el ruido y mejorar la
detección de objetivos. Se emplean filtros adaptativos para cancelar la interferencia y suprimir
los ecos no deseados. Los filtros de paso de banda también se utilizan para extraer señales
específicas de un rango de frecuencia determinado.

Comunicaciones:

En el ámbito de las comunicaciones, los filtros digitales son fundamentales para el

procesamiento de señales en transmisión y recepción. Por ejemplo, en la modulación digital, se
utilizan filtros de respuesta finita al impulso (FIR) para dar forma a la señal modulada y eliminar
interferencias y ruido. Los filtros adaptativos también se emplean para eliminar interferencias
en tiempo real, como el cancelador de eco en las comunicaciones telefónicas.

II. Señales y procesos aleatorios y Densidad de Potencia.

¿Qué es una señal aleatoria?

Una señal aleatoria es un tipo de señal que cambia con el tiempo de manera impredecible. A
diferencia de las señales deterministas, cuyo comportamiento puede describirse mediante
ecuaciones matemáticas precisas, las señales aleatorias no pueden predecirse con certeza
debido a la presencia de componentes aleatorios o estocásticos.

Estas no pueden representarse unívocamente por una función del tiempo, sino por cada una de
las funciones que la componen, llamadas realización o muestra.

¿Qué es un proceso aleatorio?

Un proceso aleatorio, también conocido como proceso estocástico, es un fenómeno que

evoluciona en el tiempo y cuyo comportamiento no puede ser completamente determinado
debido a la influencia de componentes aleatorios o estocásticos. A diferencia de los procesos
deterministas, cuyo comportamiento puede ser descrito por ecuaciones matemáticas precisas,
los procesos aleatorios presentan variaciones impredecibles en su evolución temporal.
 6

En resumen, un proceso estocástico es un proceso aleatorio. Un proceso dominado por el azar,

aun así, existen dos tipos, los estocásticos no estacionarios. Y los estocásticos estacionarios, que
por sus características pueden intentar predecirse.

¿Qué es un proceso aleatorio estacionario?

En una primera aproximación, llamaremos estacionarios a aquellos procesos estocásticos que

tengan un comportamiento constante a lo largo del tiempo. Si buscamos el correspondiente
comportamiento de las series temporales asociadas a esos procesos, Además posee ciertas
características que lo hacen en cierta manera, predecible.

Ahora bien, un proceso aleatorio estacionario, también conocido como proceso estocástico
estacionario, es un tipo de proceso estocástico cuyas propiedades estadísticas no varían con el
tiempo. Esto implica que, en promedio, el proceso exhibe las mismas características estadísticas
en diferentes intervalos de tiempo. La siguiente figura muestra un ejemplo de un proceso
estocástico estacionario.

¿Qué es un proceso aleatorio estacionariamente amplio?

Un proceso aleatorio estacionario en sentido amplio, también conocido como proceso

estocástico estacionario en sentido amplio, es un tipo de proceso estocástico cuyas propiedades
estadísticas se mantienen constantes a lo largo del tiempo, en promedio. Esto implica que el
proceso exhibe las mismas características estadísticas en diferentes intervalos de tiempo.

En resumen, todo esto implica que el proceso tiene una tendencia constante a lo largo del
tiempo, sin cambios sistemáticos o tendencias que afecten su comportamiento estadístico. Esto
no significa que el proceso sea completamente constante en todos los aspectos, sino que en
promedio se mantiene estable. Mediante una gráfica se ejemplificará lo anterior donde veremos
el patrón de un determinado estudio mantenerse constante a lo largo de ciertos meses.
 7

¿Qué es autocorrelación?

La autocorrelación se refiere a la comparación de una señal con una versión desplazada de sí

misma. La función de autocorrelación, R (t), de una señal real de energía x(t), viene definida por:

La función de autocorrelación da una idea de qué tanto se parece una señal a una versión
desplazada (t unidades en el tiempo) de sí misma. R (t) no es una función del tiempo, sino que
es función de la diferencia de tiempo o desplazamiento t, entre la función inicial y la función
desplazada.

¿Qué es correlación cruzada? Propiedades

La correlación cruzada es una medida estadística que evalúa la relación o la similitud entre dos
señales diferentes en función de su desplazamiento temporal relativo. A diferencia de la
autocorrelación, que mide la relación entre los valores de una sola señal en diferentes
momentos de tiempo, la correlación cruzada compara dos señales diferentes.

La correlación cruzada se calcula mediante el cálculo de la covarianza entre los valores de las
dos señales en diferentes desplazamientos temporales. Esta medida es útil para determinar si
existe una relación o una correspondencia entre las dos señales y, si es así, en qué momento de
tiempo ocurre esta relación máxima, la formula está dada de la siguiente fórmula para R(T):

En cuanto a las propiedades:

Simetría: La correlación cruzada es simétrica, lo que significa que la correlación cruzada entre la
señal A y la señal B es igual a la correlación cruzada entre la señal B y la señal A.
 8

Matemáticamente, esto se expresa como C_AB(t) = C_BA(-t), donde C_AB(t) representa la

correlación cruzada entre las señales A y B en el desplazamiento temporal t.

Rango de valores: La correlación cruzada normalizada tiene un rango de valores entre -1 y 1. Un

valor de correlación cruzada de 1 indica una alta similitud entre las señales, mientras que un
valor de -1 indica una alta antipatía o diferencia entre las señales. Un valor de correlación
cruzada cercano a 0 indica una correlación débil o ausencia de relación entre las señales.

Desplazamiento temporal: La correlación cruzada permite determinar el desplazamiento

temporal entre dos señales. El valor de desplazamiento temporal en el que se alcanza el máximo
de correlación indica la alineación temporal óptima entre las señales. Este desplazamiento
puede ser utilizado, por ejemplo, para sincronizar señales o encontrar coincidencias en el
tiempo.

Interpretación en dominio frecuencial: La correlación cruzada en el dominio del tiempo está

relacionada con la convolución en el dominio de la frecuencia. La transformada de Fourier de la
correlación cruzada se obtiene multiplicando las transformadas de Fourier de las señales. Esto
implica que la correlación cruzada en el dominio del tiempo se convierte en una multiplicación
en el dominio de la frecuencia.

Aplicaciones en procesamiento de señales: La correlación cruzada se utiliza en una amplia gama

de aplicaciones en el procesamiento de señales, como la detección de señales, la sincronización
de sistemas, la identificación de patrones y la cancelación de interferencias. Permite encontrar
relaciones y coincidencias entre diferentes señales, lo que es fundamental para muchos
algoritmos y técnicas de procesamiento de señales.

¿Qué es la densidad espectral de potencia? Propiedades

En el análisis de señales aleatorias, la densidad espectral de potencia es una herramienta clave.

Se obtiene mediante la transformada de Fourier de la función de autocorrelación de la señal, y
proporciona información sobre cómo se distribuye la energía de la señal en el dominio de la
frecuencia. La densidad espectral de potencia es útil para el diseño de sistemas de
comunicación, el estudio de ruido y la caracterización de canales de transmisión. La densidad
espectral esta dada mediante la siguiente ecuación:

Propiedades:

1. No negatividad. 4.Interpretacion en el dominio del tiempo y la Freq.

2. Integral de la DEP. 5.Propiedades de estacionariedad.
3. Relación con la autocorrelación. 6. Aplicaciones en sistemas de comunicaciones.

¿Qué es ruido blanco? Describirlo como un proceso aleatorio

Una de las formas de describir el Ruido blanco es como una señal aleatoria (proceso estocástico)
que se caracteriza por el hecho de que sus valores de señal en dos tiempos diferentes no
guardan correlación estadística. Como consecuencia de ello, su densidad espectral de potencia
(PSD) es una constante, es decir, su gráfica es plana. Esto significa que la señal contiene todas
las frecuencias y todas ellas muestran la misma potencia. Igual fenómeno ocurre con la luz
 9

blanca, de allí la denominación. Dicho de otra forma, el Ruido Blanco posee una cantidad
constante de picos de onda similares o iguales

Ejemplo visual:

La imagen que presenta continuación es Ruido Blanco, ya que sus pixeles no poseen ningún tipo
de relación entre sí. Su densidad espectral es constante. Si la imagen fuese a color, la llamada
‘’nieve’’ seria de colores aleatorios. Cuando un televisor a tubo, se encuentra encendido sin el
cable coaxial conectado, se puede visualizar esta imagen en su pantalla.

¿Qué es ruido blanco de banda limitada?

El ruido blanco de banda limitada es un tipo de ruido que se caracteriza por tener una densidad
espectral de potencia constante dentro de un rango de frecuencias específico. A diferencia del
ruido blanco convencional, que abarca todas las frecuencias posibles, el ruido blanco de banda
limitada se restringe a un intervalo de frecuencias determinado.

La principal diferencia entre el ruido blanco de banda limitada y el ruido blanco convencional es
que el primero presenta una variación en su densidad espectral de potencia fuera de la banda
de frecuencias especificada. Esto significa que la energía del ruido blanco de banda limitada está
concentrada en un rango de frecuencias determinado, mientras que fuera de esa banda la
energía es prácticamente inexistente.
 10

III. Ejercicios del Examen

Ejercicio 1

Inciso B.
 11

Ejercicio 2.
 12

Ejercicio 3.
 13

Ejercicio 4.
 14

continuación, mediante fracciones parciales…