LABORATORIO #5: Comprobar las propiedades de la

convolución, conmutativa, distributiva

CONVOLUCIÓN EN TIEMPO CONTINUO
respecto de la suma y asociativa,
(CONVOLUCIÓN INTEGRAL) Y DISCRETO
visualizando sus resultados; para ello haga
(CONVOLUCIÓN SUMA) EN MATLAB®
uso de señales cualesquiera de su
JUAN DIEGO AGUILAR ARIZA - 1091477 preferencia.

INTRODUCCION ● Convolución en Tiempo Contínuo.

La convolución es un concepto esencial en el ts = 0.0005;

procesamiento de señales, utilizado para
analizar y transformar señales en el dominio
del tiempo. Tanto en el ámbito continuo
como discreto, la convolución desempeña un
papel crucial en diversas aplicaciones, desde
el procesamiento de imágenes hasta la
comunicación digital. En este contexto,
exploraremos las implementaciones de la
convolución en tiempo continuo
(convolución integral) y tiempo discreto
(convolución suma) utilizando la potente
plataforma MATLAB®. Descubriremos cómo
esta herramienta facilita el análisis y la
manipulación de señales mediante funciones
específicas, ofreciendo una visión práctica y
eficiente de estos procesos fundamentales
en el ámbito del procesamiento de señales.
1. OBJETIVOS
1.1. Objetivo General
• Realizar la convolución entre señales en
tiempo continuo y discreto, utilizando
MATLAB®.
tx = -3:ts:3;
th = -1:ts:3;
xt = (-heaviside(tx+2))+(2*heaviside(tx))-
heaviside(tx-2);
ht = heaviside(th)-(2*heaviside(th-1))
+heaviside(th-2);
yt = ts*conv(xt,ht);
subplot(2,2,1),plot(tx,xt),grid on
xlabel('Tiempo
(s)'),ylabel('Amplitud'),title('Señal x(t)')
subplot(2,2,2),plot(th,ht),grid on
xlabel('Tiempo
(s)'),ylabel('Amplitud'),title('Señal h(t)')
subplot(2,2,[3;4]),plot(yt),grid on
xlabel('Tiempo
(s)'),ylabel('Amplitud'),title('Señal de
Convolución y(t)=x(t)*h(t)')

1.2. Objetivos Específicos

• Conocer los comandos, algoritmos y

funciones necesarias para realizar la
convolución

entre señales, en tiempo continuo y discreto,

en MATLAB®.

• Identificar las características de la

convolución en tiempo continuo y discreto.
●Convolución en Tiempo Discreto.
nx = [0,1,2,3,4,5]; son esenciales en el ámbito de la ingeniería y
la ciencia de la computación para realizar
xn = [1,1,1,2,2,2];
operaciones de filtrado, suavizado y análisis
nh = [-3,-2,-1,0,1,2,3]; de sistemas dinámicos. MATLAB®
proporciona herramientas poderosas y
hn = [0,1,2,3,2,1,0]; flexibles para implementar y visualizar estos
yn = conv(xn,hn); procesos, permitiendo a los usuarios explorar
y comprender mejor el impacto de la
ny = [0,1,2,3,4,5,6,7,8,9,10,11]; convolución en diferentes contextos y
subplot(2,2,1),stem(nx,xn),grid on aplicaciones.

xlabel('Tiempo
(s)'),ylabel('Amplitud'),title('Señal x[n]')

subplot(2,2,2),stem(nh,hn),grid on

xlabel('Tiempo
(s)'),ylabel('Amplitud'),title('Señal h[n]')

subplot(2,2,[3;4]),stem(ny,yn),grid on

xlabel('Tiempo
(s)'),ylabel('Amplitud'),title('Señal de
Convolución y[n]=x[n]*h[n]')

CONCLUSION

Tanto la convolución en tiempo continuo

(convolución integral) como la convolución
discreta (convolución suma) desempeñan
roles fundamentales en el procesamiento de
señales y la resolución de problemas
matemáticos en MATLAB®. Mientras que la
convolución en tiempo continuo se aplica a
señales analógicas, la convolución discreta se
utiliza para señales digitales. Ambas técnicas