Parcial 2

Daniel Torres González

Manuel Vergara
(20 de abril 2023)

Resumen— II. EJERCICIO 1

El informe cubre varios aspectos del análisis de señales. En la
primera parte se calcularon los coeficientes de Fourier y se
obtuvo una aproximación de la señal periódica, teniendo en
cuenta diferentes cantidades armónicas. En la segunda parte,
se utilizan fasores y series de Fourier para determinar el
número de términos necesarios para tener al menos el 99,85%
de la potencia de la señal original. Las respuestas de magnitud
y fase de las funciones de transferencia resultantes para cada
elemento del circuito se trazaron utilizando MATLAB. La
tercera parte explora la relación entre la serie de Fourier y la
transformada de Fourier. Se estudian pulsos con diferentes
periodos fundamentales y se analizan los coeficientes de
Fourier así como los espectros de amplitud y fase para
diferentes valores del periodo. Finalmente, el código está
escrito en MATLAB para simular la transición de un tren de
pulsos rectangulares de la serie de Fourier a la transformada
de Fourier a medida que aumenta el período.
Palabras clave—MATLAB, Señal, Variable, Fourier
2
Una señal periódica con 𝑇0 = 2 s, está dada por: x (t )=t
0≤𝑡≤2s
a.) Obtenerlos coeficientes de Fourier para las tres formas
de la serie de Fourier (exponencial, trigonométrica y
armónica). Obtener una aproximación de la señale
considerando i) 5, ii) 50 y iii) 500 armónicos. Graficar las
señales obtenidas en cada caso. Analizar y concluir sobre
los resultados obtenidos.
Lo primero será calcular los coeficientes de Fourier, dónde se
necesitará encontrar la función periódica correspondiente a
esta señal. Como la señal x(t) es una función no periódica, la
extendemos periódicamente a través del tiempo de la siguiente
manera:
∞
Xp ( t )= ∑ x (¿ t−k T 0) ¿
k=−∞

I. INTRODUCCIÓN Donde T 0 es el periodo de la señal periódica, que en este caso

es igual a 2 segundos. La función Xp ( t )es una función
E STE documento se encuentra basado y regido bajo el periódica con periodo T 0y se puede representar mediante la
serie de Fourier correspondiente:
formato Institute of Electrical and Electronics Engineers,
(IEEE), realizado en el procesador de texto, Microsoft Word,
∞
con fuente ´´Time New Romance´´.
Xp(t)=2 C k + ∑ x ¿ ¿
k=1
Se discutirá varios temas relacionados con el análisis de
señales. En primer lugar, se tratará el tema de las series de
2π
Fourier, una herramienta matemática básica para el análisis de Donde w o= es la frecuencia fundamental, a k y b k son
señales periódicas. Se mostrará un ejemplo de cómo obtener T0
los coeficientes de Fourier y cómo usarlos para aproximar una los coeficientes de Fourier correspondientes a la señal
señal. Hablaremos de la transformada de Fourier más adelante, periódica, y C k es el coeficiente de Fourier.
que es una extensión de la serie de Fourier a señales no
periódicas. Explicará cómo obtener la transformada de Fourier Para encontrar los coeficientes de Fourier, primero calculamos
y cómo utilizarla para analizar las características de una señal. C k:
Otro tema a discutir es la relación entre la serie de Fourier y la T0
1
transformada de Fourier. Explicará cómo se relacionan las dos C k = ∫ x ( t ) dt
herramientas y cómo alternar entre ellas. T0 0
Finalmente, se abordarán los problemas de la función de
transferencia en los circuitos RLC. Mostraremos cómo obtener Ahora sustituimos con la función original:
las funciones de transferencia de capacitores, inductores y
2
resistencias y cómo usarlas para analizar la respuesta de un 1 2
circuito a una señal de entrada. C k = ∫ t dt
20
 2

( )
3
1 t 2 3 2 8
( ¿0 ) Xp ( t )= + cos ( k w o t ) + ∗Sen ( k wo t )
2 3 2 π 3π

4 Para obtener una aproximación de la señal considerando i) 5,

C k= ii) 50 y iii) 500 armónicos, podemos simplemente truncar la
3
serie de Fourier en el número de armónicos deseados y
sumarlos. Haremos esto con ayuda de software MATLAB.
A continuación, calculamos los coeficientes a k y b k :
Para el caso de 5 armónicos la señal será la siguiente:
T0
2
a k = ∫ x ( t ) cos ( k w o t ) dt
T0 0
T0
2
T0 ∫
b k= x ( t ) sin ( k wo t ) dt
0

Ahora sustituimos y resolvemos:

4
Para a k = 2 2
(cos ( nπ ))
n π

4
- Los n impar cos ( nπ )=−1 y a k = 2 2
n π
- Los n par cos ( nπ )=1 y a k =0
Fig. 1 Señales 5 armónicos.
8
Para b k = 3
¿
3 ) Para el caso de 50 armónicos la señal será la siguiente:
n π

8
- Los n impar cos ( nπ )=−1 y b k = 3 3
n π
- Los n par cos ( nπ )=1 y a k =0

Entonces su forma exponencial nos da:

( )
∞
3 4 2 ik ik w t
Xp ( t )= + ∑ + e o

2 k=1 , 3 ,5 nπ 3 π

( )
∞
4 2 ik −ik w t
+ ∑ nπ
−
3π
e o

k=1 ,3 , 5

Su forma trigonométrica será:

Fig. 2 Señales 50 armónicos.
∞
1 4
Xp ( t )= + ∑ 2 2 cos ( k wo t ) Para el caso de 500 armónicos la señal será la siguiente:
3 k=1 , 3 ,5 n π
∞
8
+ ∑ 3 3 Sen ( k wo t )
k=1 ,3 , 5 n π

Su forma armónica:

Fig. 3 Señales 500 armónicos.
Podemos concluir que la aproximación de una señal periódica
utilizando la serie de Fourier puede ser bastante precisa si se
utilizan suficientes armónicos. En el caso de la señal dada,
hemos visto que la aproximación con 5 armónicos presenta
una gran cantidad de error, mientras que la aproximación con
50 armónicos es bastante buena y la aproximación con 100
armónicos mejora aún más la precisión. La aproximación con
500 armónicos es la más precisa de todas, pero también es la
más costosa computacionalmente.
Por lo tanto, en la práctica, la elección del número de
armónicos a utilizar en la aproximación dependerá de un
compromiso entre la precisión deseada y el costo
computacional. En general, se utiliza el menor número de
armónicos que sea suficiente para lograr la precisión requerida
en la aplicación específica.
b.) Utilizar MATLAB y los resultados analíticos obtenidos
anteriormente para trazar el espectro de magnitud y fase
de la señal. Analizar y concluir sobre los resultados
obtenidos.
Fig. 4 Espectro de magnitud.
3
Fig. 5 Espectro de fase.
Primero, podemos observar que la magnitud espectral de la
señal disminuye al aumentar la frecuencia, lo que indica que la
señal tiene más energía a frecuencias más bajas. Esto se debe a
que la señal de entrada es una función suave, lo que hace que
el coeficiente de Fourier del término del seno sea cero. Por el
contrario, el coeficiente de Fourier del término coseno es
proporcional a 1/n^2, lo que significa que los armónicos más
bajos de la señal de entrada tienen amplitudes más grandes.
En segundo lugar, podemos ver que la fase del espectro de la
señal es constante para cada armónico y tiene un valor de pi/2
en el armónico más bajo. Esto indica que estos armónicos
están desfasados con respecto a la señal original. Este cambio
de fase ocurre porque la señal de entrada es una función
cuadrática, lo que hace que la señal sea más rápida en el rango
cero. Esto significa que los armónicos inferiores de la zona
nula tienen una fase anterior en la señal de entrada.
Los espectros de magnitud y fase de una señal periódica
brindan información importante sobre la energía y las fases
relativas de los diversos armónicos que componen la señal.
Considerando la señal, podemos observar una disminución en
la magnitud del espectro al aumentar la frecuencia, así como
un cambio de fase de los armónicos inferiores. Esto se debe a
la naturaleza suave de la señal de entrada y la presencia de
regiones nulas en la señal cuadrada.
Calcular el porcentaje de potencia promedio de las
aproximaciones de la señal (considerando i) 5, ii) 50 y
iii) 500 armónicos) con respecto a la señal original
Para calcular el porcentaje de potencia promedio de las
aproximaciones de la señal con respecto a la señal original,
podemos utilizar la siguiente formula:
∑ ¿ Cn¿ 2
n=1
% de potencia= ∞
*100%
∑ ¿ Cn¿
2
n=−∞
 4

Dónde N es el número de armónicos incluidos en la A continuación, podemos calcular los coeficientes de Fourier
aproximación, Cn son los coeficientes de Fourier, y el ak y bk utilizando las fórmulas:
denominador representa la energía total de la señal original.

Podemos utilizar este cálculo para cada una de las −T

2
aproximaciones de la señal con N=5, 50, y 500 armónicos. El 2
¿∫
código en MATLAB sería el siguiente: ak = Vs ( t ) cos(kwt )dt
T
2
−T
2
2
bk =
¿ ∫ Vs ( t ) Sen(kwt )dt
T
Fig. 6 Porcentajes de potencia. 2

Para el caso de la señal diente de sierra, los coeficientes de

III. EJERCICIO 2 Fourier se pueden calcular de la siguiente manera:

Con base en la siguiente información y usando únicamente T

conceptos relacionados con la serie de Fourier y fasores 2 T
20 t 20 t
Para definir una convolución de manera matemática usamos la ak = ∫ cos ( kwt ) dt−¿ ∫ ( −1)cos ( kwt ) dt ¿
siguiente formula: ¿ 0 T ¿ T T
2

T
2 T
20 t 20 t
b k = ∫ Sen ( kwt ) dt−¿ ∫ ( −1) Sen ( kwt ) dt ¿
¿ 0 T ¿ T T
2

Donde w=
2 π es la frecuencia angular de la señal.
¿
Fig. 7 Circuito y señal.

Realizando las integrales, obtenemos:

Para calcular la serie de Fourier, podemos comenzar calculando el
coeficiente Ck de la serie de Fourier, Que se define como:
ak =0
−T

( ¿40k )∗¿
2
2 bk =
¿∫
Ck= Vs ( t ) dt 2
T
2

Integrando la señal diente de sierra, obtenemos: Por lo tanto, la serie de Fourier de la señal diente de sierra se
puede escribir como:
−T −T
2 2
2 t
( )2
∫ 10 ( Tt −1 ) dt− T2 ( ¿40k )∙ ¿ ¿
∞
Ck= ∫
¿ T
10
T
dt−
T Vs ( t )=∑ 2
T k=1
2 2

Ahora para determinar el número de términos necesarios para

Simplificando la ecuación, obtenemos:
aproximar la señal diente de sierra con una precisión del
99.85%, podemos usar la fórmula que se mencionó
Ck=0 anteriormente:
Esto significa que la señal diente de sierra es simétrica
alrededor del eje horizontal y no tiene componente de
frecuencia continua.
 5

√
∞

∑ 2
a k +b k
2 Calculando la suma de los términos de la serie de Fourier para
k > 60, podemos aproximar la suma por el término de mayor
k= K+ 1
E= ∞ magnitud, que corresponde a k = 61
∑ a k 2 +b k 2
k =1
∞

Donde K es el número de términos de la serie de Fourier y E ∑ ¿¿¿

k=61
es el error de aproximación.

Podemos comenzar con un valor de N pequeño, como N=5, y

aumentar sucesivamente su valor hasta que se alcance un error Por lo tanto, el error de aproximación con K=60 es:
de aproximación de 0.0015.

√
−4
3.4 x 10
Para K = 5, la fórmula se convierte en: E= −4
=0. 0 0 08
3.4 x 10 +5. 39

√∑
∞
Como el error de aproximación es menor que 0.0015,
E= ¿¿¿¿¿
k=5+1
podemos concluir que con K=60 términos en la serie de
Fourier, se puede aproximar la señal diente de sierra con una
precisión del 99.85%.
Calculando la suma de los términos de la serie de Fourier para
n = 1 a n = 5, obtenemos:

5 IV.
∑ ¿¿ ¿
k =1 V. REFERENCIAS
[1] A. V. Oppenheim and A. S. Willsky, Signals and Systems, Prentice
Calculando la suma de los términos de la serie de Fourier para Hall, 1996.J. U.
n > 5, podemos aproximar la suma por el término de mayor [2] B. P. Lathi, Signal Processing and Linear Systems, 2nd
magnitud, que corresponde a n = 6: ed., Berkeley-Cambridge Press, 2005.
[3] S. T. Karris, "Signals and Systems: With MATLAB
∞ Applications", Orchard Publications, 2010.
∑ ¿ ¿¿ [4] R. Figueroa and A. Cornejo, Análisis complejo: teoría,
k=6 métodos y aplicaciones, 1ra edición, Pearson Educación,
2010.
[5] J. R. Pineda, Señales y Sistemas, 3ra edición, Ecoe
Por lo tanto, el error de aproximación con N=5 es: Ediciones, 2018.

E=
√ 1.67
1.67+5.11
=0.460

Como el error de aproximación es mayor que 0.0015,

necesitamos aumentar el valor de K.

Podemos probar con K=60:

Calculando la suma de los términos de la serie de Fourier para

k = 1 a k = 60, obtenemos:

60

∑ ¿¿ ¿
k =1