Академический Документы
Профессиональный Документы
Культура Документы
TABLA DE CONTENIDO
UNIDAD 1
Función Par e impar CAPITULO 1. Introducción y términos básicos
Introducción.
Sistemas lineales
Principio de superposición
Linealidad
Homogeneidad
Sistemas series
Sistemas paralelos
Caracterización
2
Respuesta al impulso
Función de transferencia
UNIDAD 2
CAPITULO 4. Muestreo
Muestreo,
Introducción.
cuantificación y
Análisis de Fourier Muestreo de señales
para señales en
tiempo continuo Aliasing
Frecuencia de Nyquist
CAPITULO 5. Cuantificación
Uniforme
No uniforme
Cuantificadores óptimos
Ejercicio conceptual
3
UNIDAD 1
CAPITULO 1. Introducción y términos básicos
Introducción.
Este curso tiene como objetivo que los estudiantes manejen los conceptos
básicos y herramientas matemáticas fundamentales para el análisis y síntesis
de sistemas lineales, con enfoque especial de sistemas de comunicación. El
curso está basado en dos unidades fundamentales en donde se tratan los
temas fundamentales para el tratamiento de señales, los cuales serán
fundamentales para el análisis de señales en tiempo discreto; las definiciones,
clasificaciones y formas de representación de las señales en función de sus
variables. Los estudiantes de este curso realizan ejercicios relacionados fuera
de clase, así como trabajos prácticos; algunos de sus trabajos serán realizados
por la herramienta computacional MATLAB.
Una señal se define como una cantidad física que varia con el tiempo, el
espacio o cualquier otra variable o variables independientes; las cuales se
4
a. x(t ) 3t
b. x(t ) 25t
c. x( z, p) 3z 4 zp 5 p
5
Original
-5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
0
0.067404
0.13481
Modulated
0.20221
0.26961
0.33702
0.40442
0.47183
-2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
Time (Seconds)
Figura 1. Modulación de una señal
Toolboxes de MatLab
5
13129 Samples
1
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
0 0.5 1 1.5 2
Time in seconds
1400
1000
800
600
400
200
0
04/08 04/13 04/18 04/23 04/28 05/03 05/08 05/13 05/18
Las señales se procesan u operan por medio de sistemas. Cuando una o más
señales de excitación se aplican a una o más entradas del sistema, este
produce una o más señales de respuesta en sus salidas. A continuación se
describe el diagrama de bloques de un sistema simple, en donde se relaciona
la excitación a la entrada del sistema y la respuesta como la salida del mismo.
Excitación Respuesta
Señal de
Información
Transmiso Canal Receptor
r
Señal de
información
con ruido
0.8
0.6
0.4
0.2
y(t)
0
-0.2
-0.4
-0.6
-0.8
-1
0 2 4 6 8 10 12
t, tiempo
0.8
0.6
0.4
0.2
y(t)
-0.2
-0.4
-0.6
-0.8
-1
0 20 40 60 80 100 120 140
t, tiempo
Estos dos tipos de señales son muy importantes dentro del procesamiento de
la información; en estos momentos nos centraremos en las funciones de
señales de tiempo continuo.
9
2t
G (t ) A cos( )
T0
Funciones de Singularidad
Función Impulso
Infinito , t 0
(t )
0, t0
10
0
(t )dt 1
0
Función Delta
(t ) 0, t
(t ) f (t )dt f
0, Para t 0
u (t )
1, Para t 0
Función Rampa
0, Para t 0
ramp(t )
t , Para t 0
t
u (t ) ( )d
y
d
(t ) u (t )
dt
13
t
ramp(t ) u ( )d
y
d
u (t ) ramp(t )
dt
FUNCIONES EXPONENCIALES
x(t ) Ae ( a jb)t
donde A es la amplitud de la señal exponencial , a componente real y b
componente imaginario. Existen diferentes señales según los valores de a y b,
diferenciándose básicamente tres casos:
14
Ejemplo: A = 3, a = 0.5, b = 0.
x(t)=A*exp(a*t)
40
35
30
20
15
10
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Tiempo (seg)
Figura 11. Señal exponencial creciente
Ejemplo: A = 3, a =- 0.5, b = 0.
15
x(t)=A*exp(-a*t)
40
35
30
20
15
10
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Tiempo (seg)
Figura 12. Señal exponencial decreciente
Ejemplo: A = - 3, a = 0.5, b = 0.
x(t)= -A*exp(a*t)
0
-5
-10
-15
x(t)
-20
-35
-40
-5 -4 -3 -2 -1 0 1 2 3 4 5
Tiempo (seg)
Figura 11. Señal exponencial creciente, con valores A negativos y a positivo
16
Ejemplo: A =- 3, a = - 0.5, b = 0.
x(t)=-A*exp(-a*t)
0
-5
-10
-15
x(t)
-20
-35
-40
-5 -4 -3 -2 -1 0 1 2 3 4 5
Tiempo (seg)
Figura 12. Señal exponencial creciente, con valores A y a negativos
Esta señal, es muy usada para describir muchos procesos físicos, es periódica
2
con período T . Usando la relación de Euler se puede escribir en términos
b
de señales senoidales
Ejemplo: A = - 3, a = 0, b = 0.3
Parte real
3
1
Real x(t)
-1
-2
-3
0 20 40 60 80 100 120
Tiempo (seg)
Parte imaginaria
3
1
Imaginaria x(t)
-1
-2
-3
0 20 40 60 80 100 120
Tiempo (seg)
Figura 13. Señal exponencial componente par e impar. Para b=0, a: negartivo
18
Ejemplo: A = 3, a = 1, b = 4
x 10
20 Parte real
1.5
0.5
Real x(t)
-1
0 100 200 300 400 500 600
Tiempo (seg)
19
x 10
19 Parte imaginaria
8
-2
-4
-6
-8
-10
0 100 200 300 400 500 600
Tiempo (seg)
Figura 14. Señal senoidales multiplicadas por una exponencial creciente
x 10
-17 Parte real
2
1.5
1
Real x(t)
-0.5
-1
0 100 200 300 400 500 600
Tiempo (seg)
x 10
-17 Parte imaginaria
2
1.5
1
Imaginaria x(t)
-0.5
-1
0 100 200 300 400 500 600
Tiempo (seg)
Figura 15. Señal senoidales multiplicadas por una exponencial decreciente
21
xn Ae ( a jb ) n
A Real, a ≠ 0, b = 0
Una expresión más general de x[n] sería x[n] = cn , donde c = (e a)
x(n)=A*exp(a*n)
40
35
30
15
10
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Muestra (n)
Figura a.
x(n)=A*exp(-a*n)
40
35
30
20
15
10
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Muestra (n)
Figura b.
23
x(n)= -A*exp(a*n)
0
-5
-10
-15
x(n)
-20
-35
-40
-5 -4 -3 -2 -1 0 1 2 3 4 5
Muestra (n)
Figura c.
x(n)=-A*exp(-a*n)
0
-5
-10
-15
x(n)
-20
-35
-40
-5 -4 -3 -2 -1 0 1 2 3 4 5
Muestra (n)
Figura d.
Figura 15. Señal exponenciales: a. Exponencial creciente, b: exponencial
decreciente, c: exponencial valores A(negativo) , a(positivo), d: exponencial
valores A(negativo) , a(negativo),
24
1
Real x(n)
-1
-2
-3
1 2 3 4 5 6 7 8 9 10 11
Muestra (n)
25
Parte imaginaria
3
1
Imaginaria x(n)
-1
-2
-3
1 2 3 4 5 6 7 8 9 10 11
Muestra (n)
x 10
-17 Parte real
1.4
1.2
1
Real x(n)
0.8
0.6
0.4
0.2
0
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6
Muestra (n)
x 10
-31 Parte imaginaria
0.5
-0.5
Imaginaria x(n)
-1
-1.5
-2
-2.5
-3
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6
Muestra (n)
27
x 10
19 Parte real
12
10
8
Real x(n)
0
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6
Muestra (n)
x 10
6 Parte imaginaria
0.5
-0.5
Imaginaria x(n)
-1
-1.5
-2
-2.5
-3
-3.5
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6
Muestra (n)
28
Una señal continua es periódica con periodo T si existe un valor positivo T tal
que
1
F
T
2
N
Una señal es par si se cumple que x(-t) = x(t) para todo t. Es impar si x(-t) = -
x(t) para todo t. Cualquier señal puede ser expresada como una suma de dos
señales, una de las cuales es par y la otra impar:
x(t ) xe (t ) xo (t )
donde
xe (t )
1
x(t ) x(t )
2
xo (t ) x(t ) x(t )
1
2
Escalamiento en amplitud
y(t) = A*x(t)
1.5
1
amplitud (cm)
0.5
-0.5
-1
-1.5
-5 -4 -3 -2 -1 0 1 2 3 4 5
tiempo, t
2
amplitud (cm)
-2
-4
-6
-8
-5 -4 -3 -2 -1 0 1 2 3 4 5
tiempo, t
amplitud (cm) 0
-0.5
-1
-5 -4 -3 -2 -1 0 1 2 3 4 5
tiempo, t
Desplazamiento en el tiempo
a. tt to
b. tt + to
10
-10
-8 -6 -4Funcion
-2 desplazada,
0 2 y(t+1)4 6 8
20 Tiempo, t
Amplitud
10
-10
-8 -6 -4Funcion
-2 desplazada,
0 2 y(t-1)4 6 8
20 Tiempo, t
Amplitud
10
-10
-8 -6 -4 -2 0 2 4 6 8
Tiempo, t
Figura 18. Grafica de desplazamiento en el tiempo
Escalamiento en el tiempo
el tiempo. La figura muestra una señal original x(t), y se pide obtener x(t/2) y
x(2t).
12
10
6
Amplitud
-2
-4
-6
-15 -10 -5 0 5 10 15
Tiempo, t
12
10
6
Amplitud
-2
-4
-6
-15 -10 -5 0 5 10 15
Tiempo, t
35
12
10
6
Amplitud
-2
-4
-6
-15 -10 -5 0 5 10 15
Tiempo, t
Entrada Salida
X S.L Y
αX S.L αY
Entrada Salida
X1 S.L Y1
X2 S.L Y2
Entrada Salida
α X1 S.L α Y1
β X2 S.L β Y2
Entrada Salida
En esta figura, x(t) y x(t−t0) son pasadas a través del sistema TI. Ya que el
sistema TI es invariante en el tiempo, las entradas x(t) y x(t−t0) producen la
misma salida. La única diferencia es que la salida debida a x(t−t0) es cambiada
por el tiempo t0.
38
A los sistemas que son lineales y al mismo tiempo invariantes en el tiempo nos
referiremos a ellos como sistemas LTI . Como se muestra a continuación la
señal de salida es una versión escalada y desplazada en el tiempo de la señal
de entrada.
Entrada Salida
Los sistemas LTI son subconjuntos de los sistemas lineales, estos obedecen al
principio de superposición. En la siguiente figura se puede observar el efecto
de aplicar el tiempo invariante a la definición de sistema lineal del sistema
anterior.
Entrada Salida
Entrada Salida
Los Sistemas LTI pueden trabajar en Serie o Paralelo. Si dos o mas sistemas
están en serie uno con otro, el orden puede ser intercambiado sin que se vea
afectada la salida del sistema. Los sistemas en series también son llamados
como sistemas en cascada.
H1 H2
Si dos o mas sistemas LTI están en paralelo con otro, un sistema equivalente
es aquel que esta definido como la suma de estos sistemas individuales.
H1
H2
H1 + H2
(1/)
-/2 /2
∫−∞∞δ(t) dt=1
Esta función es cero en todas partes excepto en el origen, así que básicamente
estamos eliminando el valor de la función de multiplicación al evaluarla en cero.
A primera vista esto no parece tener mayor importancia, porque ya sabemos
que el impulso evaluado en cero es infinito, y todo lo multiplicado por infinito da
un resultado infinito. Pero, ¿qué pasa si integramos el resultado de la
multiplicación?
Propiedad de Desplazamiento
∫−∞∞f(t) δ(t) dt=∫ −∞∞f(0) δ(t) dt= f(0) ∫ −∞∞δ(t) dt= f(0)
δ[t] = 1, si t = 0
0 en otro caso
1
( t) (t)
(t) (-t)
d
(t) u (t)
dt
donde u(t) es el escalón unitario.
Impulso de Tiempo-Discreto
43
δ[n] = 1, si n = 0
0 en otro caso
Función de transferencia
Entrada Salida
H(s)=Y(s) / X(s)
Las raíces del numerador de H(s) se conoce como ceros y las raíces del
denominador se conoce como polos de la FT. La representación grafica de una
función de transferencia en el plano complejo s se le conoce como diagramas
de polos y ceros.
45
UNIDAD 2
CAPITULO 4. Muestreo
Introducción.
Muestreo de señales
Para convertir una señal analógica en digital, se debe realizar una serie de
pasos. Es necesario primero realizar un muestreo o sampling de la señal, es
decir, tomar diferentes muestras de tensiones o voltajes en diferentes puntos
de la onda senoidal. La frecuencia a la que se realiza el muestreo se denomina
razón, tasa o también frecuencia de muestreo y se mide en kilohertz (kHz).
Durante el proceso de muestreo se asignan valores numéricos equivalentes a
46
: Señal muestreadora
A.
B.
C.
D.
fs > 2.BW
Una función s(t) periódica en el tiempo, con período T, puede ser representada
por una sumatoria de funciones senoidales del tipo
Para k = 0, 1, 2,...,n
Aún así, si una señal es no periódica, sus componentes ocuparán una cierta
banda de frecuencias. Lo que realmente interesa es el espectro de la función
impulso repetitivo, ya que la señal obtenida como muestreo periódico de una
señal analógica equivale al producto de dicha señal analógica por la función
impulso repetitivo.
Por ejemplo, al multiplicar una señal cosenoidal de amplitud 1 y 5 kHz por una
señal cosenoidal de amplitud 1 y 50kHz resultan dos componentes
cosenoidales de amplitud 0,5 y 45kHz y 0,5 y 55kHz.
51
Al muestrear la señal analógica s(t) obtenemos una señal s*(t) que equivale al
producto de la señal original por la función impulso repetitivo dr(t) .
s*(t)=s(t).dr(t)=[c0+c1.cos(2..fa.t)+ c2.cos(2..2.fa.t)+...+
cn.cos(2..n.fa.t)].[k.(1+ cos(2..fs.t)+ cos(2..2.fs.t)+ cos(2..3.fs.t)+....]
fs fa, fs2.fa, fs 3.fa.....2.fs fa, 2.fs 2.fa, 2.fs 3.fa, ... 3.fs fa, 3.fs 2.fa,
3.fs3.fa...
52
file:///C:/WINDOWS/Archivos temporales de
Internet/Content.IE5/W5MRGDI3/TMuestreo[1].doc
http://www.elprisma.com/apuntes/curso.asp?id=11349
CAPITULO 5. Cuantificación
Introducción
Cuantificación
Cuantificación uniforme
Cuantificación logarítmica
Las señales de voz pueden tener un rango dinámico superior a los 60 dB, por
lo que para conseguir una alta calidad de voz se deben usar un elevado
número de niveles de reconstrucción. Sin embargo, interesa que la resolución
del cuantificador sea mayor en las partes de la señal de menor amplitud que en
las de mayor amplitud. Por tanto, en la cuantificación lineal se desperdician
niveles de reconstrucción y, consecuentemente, ancho de banda. Esto se
puede mejorar incrementando la distancia entre los niveles de reconstrucción
conforme aumenta la amplitud de la señal.
57
Ley-A :
Ax x 1
sgn( x ) si 0
1 log e A xmax A
c( x)
1 log e ( A x / xmax ) x
xmax 1
sgn( x) si 1
1 log e A A xmax
Ley-µ :
log e (1 x / xmax )
c( x) xmax sgn( x)
log e (1 )
Cuantificación no uniforme
Cuantificación vectorial
Ruido de cuantificación
e ( n)
2 q 2
R
L
En el caso de que el error está limitado en magnitud [es decir, eq (n) ], el
2
error resultante se denomina ruido granular. Cuando la entrada cae fuera del
sobrecarga.
de eq (n) :
incorrelados.
67
Px
SQNR 10 log 10
Pn
cuantificación.
En adelante y para el resto de los cálculos sobre la potencia promedio del error
de cuantificación, se aceptará que el error cumple con las propiedades
estadísticas descritas. No obstante, en general, estas suposiciones no se
mantienen, por lo que los cálculos que siguen no se entenderán de aplicación
universal. Sin embargo, se mantienen cuando el tamaño del escalón de
cuantificación es pequeño en relación con la señal y la secuencia
2
1 2 2 1 3 2
Pn 2 e e p(e)de e de
2
2
2 12 12
e(t ) t, para 0 t
2
0 0 4 4 0 12
Es importante notar que estos cálculos se refieren a la potencia total del ruido
de cuantificación distribuido en todo el intervalo de frecuencias desde corriente
continua hasta la frecuencia de Nyquist (la mitad de la tasa de muestreo), es
decir, no contempla la reducción de la potencia consecuencia del uso de un
filtro por sobremuestreo en la conversión A/D.
2 2
1 1
Px 0 (2b1 ) 2 sen 2 (t )dt
2
x (t ) dt
2 2 0
2
1 4b 2
0 sen (t )dt 8
b1
( 2 ) 2 2
2
70
4b 2
P 8 4b12 3
SQNR 10 log x 10 log 10 log 10 log( 4b )
Pn 2
8 2
12
3 3
10 log( 4b ) log 10 b log( 4) 10 log 6.0206b 1.7609
2 2
cubre todo el rango del cuantificador) y cuyo error de cuantificación cumple las
suposiciones estadísticas descritas en el cálculo de la potencia del error (véase
Ruido o Distorsión).
La relación SQNR aquí mostrada contempla un ruido que se extiende por toda
la banda de Nyquist. Si parte de esta banda se filtra se deberá añadir una
constante para la banda restante.
2
1 2 2 1 3 3
e e p(e)de
2
e de ( )
12 2 3 6
2 2
Es importante recalcar que estos cálculos se refieren al valor eficaz del ruido de
cuantificación distribuido en todo el intervalo de frecuencias desde CC hasta la
frecuencia de Nyquist (la mitad de la tasa de muestreo), es decir, no contempla
la reducción del valor eficaz consecuencia del uso de un filtro por
sobremuestreo en la conversión A/D.
2b
A 2b1 .
2
2 2
1 1
x 0 (2b1 ) 2 sen 2 (t )dt
2
x (t ) dt
2 2 0
1 2 2b1 2 ( 2b )
( 2 ) 0 sen (t )dt 2
b1 2
2
4
2 ( 2b )
x 4 3 2
SQNR 20 log 20 log 20 log( 2b )
n 3 ( ) 2
6
6 6
20 log( 2b ) 20 log 20 b log( 2) 20 log
2 6.0206b 1.7609
2
La relación SQNR aquí mostrada contempla un ruido que se extiende por toda
la banda de Nyquist. Si parte de esta banda se filtra se deberá añadir una
constante para la banda restante.
73
Ruido o Distorsión
eq (n)
2 2
blanco. Dicho de otro modo, el error eq (n) y el error eq (m) para m nno no
muestra correlación. Es decir, no hay periodicidad.
El dither sacrifica relación señal a ruido total (SNR) a cambio de impedir que la
señal cuantificada pueda mostrar características propias de una distorsión, esto
es, alejarse del ideal de una señal aleatoria como ruido. La reducción teórica de
76
2
(potencia = ).
2 12
2
- FDP uniforme (RPDF) y amplitud de pico (potencia = ).
3
2
- FDP triangular (TPDF) y amplitud de pico (potencia = ).
6
2
- FDP gausiana y (potencia = ).
2 4
Para el cálculo de la potencia del ruido total (dither más el error de
2
cuantificación) tras el proceso de cuantificación, basta añadir a la potencia
12
del dither.
http://es.wikipedia.org/wiki/Imagen:DEP_RuidoCuantificacion.svg
Sin embargo, el sobremuestreo también puede ser empleado para lograr una
mayor relación señal a ruido de cuantificación máxima a la posible para un
número determinado de niveles de cuantificación sin sobremuestro. Esto es así
porque las ecuaciones que se detallan en este artículo se refieren a señales
(sus potencias y valores eficaces) que cubren toda la banda de Nyquist o, dicho
de otro modo, presuponen que todas las posibles frecuencias de la señal
cuantificada son de interés hasta el límite de Nyquist. Si hay sobremuestreo y
los intervalos excedentes del espectro (donde no existen frecuencias de
interés) se eliminan -filtran-, se reducirá la potencia total del ruido de
cuantificación y, consecuentemente, aumentará la relación señal a ruido de
cuantificación (SQNR) máxima en la banda de interés (que con sobremuestreo
sólo es un subconjunto de toda la banda de Nyquist). Para este caso
(sobremuestreo más filtro), las ecuaciones de este artículo para el cálculo de la
potencia (o del valor eficaz) del ruido de cuantificación y de la relación señal a
ruido de cuantificación sobre sinusoidal máxima deberán contemplar como
variable al cociente (k) resultante de dividir la frecuencia crítica (frecuencia de
Nyquist) que resulta de la tasa de muestreo empleada entre el ancho de banda
de interés.
Sea igual al ancho de banda (Hz) de la señal de interés (si se trata de una
señal en banda base, la frecuencia más alta de interés que ésta puede
fs
k
2B
2
La potencia del ruido de cuantificación Pn pasa de para toda la banda de
12
2
Nyquist a tras aplicar el filtro y sólo para la banda de interés.
12k
g 10 log K
log k
bg log 4 K 1.661 log k
log 4
Modulación Sigma-Delta
Figura 48: Modulación Delta y sus dos tipos de errores de cuantificación (en
azul).
83
xd n xnM
Existen varias similitudes entre las técnicas del análisis de Fourier de tiempo
discreto y de tiempo continuo, por ejemplo, las razones básicas de la utilidad de
representar señales en términos de exponenciales complejas son las mismas
para ambos análisis. En particular, si la entrada y la salida de un sistema
linealmente invariable en el tiempo de tiempo discreto son expresadas como
85
Y ( ) y ( n) e
n
j n
x ( n) e
n
j n
1
Sustituyendo m = -n en la ecuación se obtiene:
Y ( ) x(m) e
n
j ( ) m
X ( ) 2
86
x(n) X ( )
xk (n) x( n k ) Si n es múltiplo de k
xk (n) 0 Si n no es múltiplo de k
Para que una señal periódica pueda representarse por una serie de Fourier,
debe respetar las condiciones de Dirichlet:
1
ak
T T
x(t ) cos(k t )dt
88
1
bk
T T
x(t ) sen(k t )dt
Convolución de Señales
y(t ) x(t ) * h(t ) x( )h(t )d
y(t ) x(t ) * (t ) x(t ) (t )d x( )
f (t ) * (t T ) f (t T )
f (t T1 ) * (t T2 ) f (t T1 T2 )
(t T1 ) * (t T2 ) (t T1 T2 )
f (t ) * (t T ) (t T ) f (t T ) f (t T )
3.5
2.5
h(t)
1.5
0.5
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Tiempo (seg)
0.9
0.8
0.7
0.6
x(t)
0.5
0.4
0.3
0.2
0.1
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Tiempo (seg)
91
Funciones
4
3.5
2.5
Amplitud(t)
1.5
0.5
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Tiempo (seg)
h(-t))
4
3.5
2.5
h(-t)
1.5
0.5
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Tiempo (seg)
Por tanto graficando las dos funciones en una sola grafica tendríamos
3.5
2.5
Amplitud)
1.5
0.5
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Tiempo (seg)
93
Luego se deben tomar en cuenta los diferentes intervalos de t para los cuales
cambia la expresión de x ( t ) · h ( t - ), resolviendo la integral de convolución
para cada intervalo.
Primero se considerará el intervalo entre - < t < -1, en el cual se tiene, para
cualquier valor de t:
3.5
2.5
Amplitud(t)
1.5
0.5
0
-8 -6 -4 -2 0 2 4 6 8
Tiempo (seg)
X ( )h(t ) 0
t
Y (t ) X (t ) * h(t ) X ( )h(t )d 0
Y (t ) 0 Para t 1
94
3.5
2.5
Amplitud(t)
1.5
0.5
0
-8 -6 -4 -2 0 2 4 6 8
Tiempo (seg)
3.5
2.5
Amplitud(t)
2
Resultado
1.5
0.5
0
-8 -6 -4 -2 0 2 4 6 8
Tiempo (seg)
95
3.5
2.5
Amplitud(t)
2
1.5
0.5
0
-8 -6 -4 -2 0 2 4 6 8
Tiempo (seg)
t para 1 t
X ( )h(t )
0 para valor
t t2 1
Y (t ) X (t ) * h(t ) (t )d t
1 2 2
(t 1) 2
Y (t ) Para 1 t 1
2
3.5
2.5
Amplitud(t)
1.5
0.5
0
-8 -6 -4 -2 0 2 4 6 8
Tiempo (seg)
96
3.5
2.5
Amplitud(t)
Resultado
2
1.5
0.5
0
-8 -6 -4 -2 0 2 4 6 8
Tiempo (seg)
t para 1 1
X ( )h(t )
0 para valor
1
Y (t ) X (t ) * h(t ) (t )d 2t
1
Y (t ) 2t Para 1 t 2
El cuarto intervalo a considerar sería 2 < t < 4, en el cual, para cualquier valor
de t:
97
3.5
2.5
Amplitud(t)
1.5
0.5
0
-8 -6 -4 -2 0 2 4 6 8
Tiempo (seg)
3.5
Resultado
3
2.5
Amplitud(t)
1.5
0.5
0
-8 -6 -4 -2 0 2 4 6 8
Tiempo (seg)
98
t para t 4 1
X ( )h(t )
0 para valor
1 t2
Y (t ) X (t ) * h(t ) (t )d 4 t
t 4 2
2
t
Y (t ) 4 t Para 2 t 4
2
El último intervalo será 4< t < , en el cual se obtiene para cualquier valor de t
3.5
2.5
Amplitud(t)
1.5
0.5
0
-8 -6 -4 -2 0 2 4 6 8
Tiempo (seg)
99
X ( )h(t ) 0
Y (t ) X (t ) * h(t ) X ( )h(t )d 0
t 4
Y (t ) 0 Para 4 t
3.5
3
Amplitud(t)
2.5
1.5
0.5
0
-6 -4 -2 0 2 4 6 8
Tiempo (seg)
Suma De Convolución
yn xk hn k
Como en el tiempo continuo la convolución es representado por el
símbolo *, y puede ser escrita como:
Solución:
Señal x(n)
2
1
x[n]
-1
-2
-3 -2 -1 0 1 2 3 4 5 6 7 8 9 10
n
Señal h(n)
2
1
h[n]
-1
-2
-3 -2 -1 0 1 2 3 4 5 6 7 8 9 10
n
Señal x(n)
2
1
x[n]
-1
-2
-2 0 2 4 6 8 10
n h(-k)
Señal
2
1
h[n]
-1
-2
-2 0 2 4 6 8 10
n
Por tanto
y[0]=[(1*2) +(2*-1)] = 0;
Señal x(n)
2
x[n] 1
-1
-2
-5 0 5 10
Señalnh(-2-k)
2
1
h[n]
-1
-2
-5 0 5 10
n
y[-2]=0, debido a que no coinciden ninguna de las componentes de las
dos señales.
Señal x(n)
2
1
x[n]
-1
-2
-2 0 2 4 6 8 10
Señalnh(-1-k)
2
1
h[n]
-1
-2
-2 0 2 4 6 8 10
n
y[-1]=1*-1 = -1;
105
Señal x(n)
2
x[n] 1
-1
-2
-2 0 2 4 6 8 10
Señalnh(1-k)
2
1
h[n]
-1
-2
-2 0 2 4 6 8 10
n
y[1]=[(1*1) +(2*2)+ (0*-1)] = 5;
Señal x(n)
2
1
x[n]
-1
-2
-2 0 2 4 6 8 10
Señalnh(2-k)
2
1
h[n]
-1
-2
-2 0 2 4 6 8 10
n
y[2]=[(1*-1) +(2*1)+ (0*2)+( 1*-1)] = 0;
106
Señal x(n)
2
x[n] 1
-1
-2
-2 0 2 4 6 8 10
Señalnh(3-k)
2
1
h[n]
-1
-2
-2 0 2 4 6 8 10
n
y[3]=[(1*0) +(2*-1)+ (0*1)+( 1*2) +( 0*-1)] = 0;
Señal x(n)
2
1
x[n]
-1
-2
-2 0 2 4 6 8 10
Señalnh(4-k)
2
1
h[n]
-1
-2
-2 0 2 4 6 8 10
n
y[4]=[(1*0) +(2*0)+ (0*-1)+( 1*1) +( 0*2)+..] = 1;
107
Señal x(n)
2
x[n] 1
-1
-2
-2 0 2 4 6 8 10
Señalnh(5-k)
2
1
h[n]
-1
-2
-2 0 2 4 6 8 10
n
y[5]=[(1*0) +(2*0)+ (0*0)+( 1*-1) +( 0*1)+..] = -1;
Señal x(n)
2
1
x[n]
-1
-2
-2 0 2 4 6 8 10
Señalnh(6-k)
2
1
h[n]
-1
-2
-2 0 2 4 6 8 10
n
y[6]=[(1*0) +(2*0)+ (0*0)+( 1*0) +( 0*2)+..] = 0;
108
Señal y(n)
6
3
y[n]
-1
-2
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 11 12
n
1.8
1.6
1.4
1.2
x[n]
0.8
0.6
0.4
0.2
0
-5 0 5 10 15 20 25
n
1.8
1.6
1.4
1.2
h[n]
0.8
0.6
0.4
0.2
0
-5 0 5 10 15 20 25
n
110
5
y[n]
0
-5 0 5 10 15 20 25
n
Derivación de Señales
dx(t )
y (t )
dt
N
d k y (t ) M d k x(t )
k 0
ak
dt k
bk
k 0 dt k
111
d ramp(t )
u (t )
dt
Señal ramp[t]
8
6
ramp[t]
-1 0 1 2 3 4 5 6 7 8 9 10
t
Señal dramp[t]/dt
8
4
u[t]
-1 0 1 2 3 4 5 6 7 8 9 10
t
d u (t )
(t )
dt
112
Señal u[t]
2
1
u[t]
-1
-1 -0.5 0 0.5 1 1.5 2 2.5 3
Señal td u[t]/dt
2
1
d[t]
-1
-1 -0.5 0 0.5 1 1.5 2 2.5 3
t
x1 (t ) ramp(t ) ramp(t 1)
113
Señal ramp[t]
2
ramp[t] 1
-1
-1 0 1 2 3Señal
4 5 6
ramp[t-1] 7 8 9 10
2 t
ramp[t-1]
-1
-1 0 1 2 Señal
3 ramp[t]-ramp[t-1]
4 5 6 7 8 9 10
2 t
1
x1[t]
-1
-1 0 1 2 3 4 5 6 7 8 9 10
t
d x1 (t )
x2 (t )
dt
x2 (t ) u(t ) u(t 1)
114
Señal u[t]
2
u[t] 1
-1
-1 0 1 2 3 4
Señal 5
u[t-1] 6 7 8 9 10
2 t
1
u[t-1]
-1
-1 0 1 2 3Señal
4 u[t]-u[t-1]
5 6 7 8 9 10
2 t
1
x2[t]
-1
-1 0 1 2 3 4 5 6 7 8 9 10
t
N M
a yn k b xn k
k 0
k
k 0
k
Ejemplo:
Señal x1[n]
2
x1[n]
-2
-2 0 2 Señal 4x1[n-1]) 6 8 10
2 n
x1[n-1]
-2
-2 0 2 Señal4 x2[n]) 6 8 10
2 n
x2[n]
-2
-2 0 2 4 6 8 10
n
Integración de Señales
t
y (t ) x( )d
t
ramp(t ) u ( )d
Señal u[t]
2
1
u[t]
-1
-1 -0.5 0 0.5 1 1.5 2 2.5 3
Señal tramp(t)
2
1
ramp[t]
-1
-1 -0.5 0 0.5 1 1.5 2 2.5 3
t
t
u (t ) ( )d
117
Señal d[t]
2
1
d[t]
-1
-1 -0.5 0 0.5 1 1.5 2 2.5 3
t u[t]
Señal
2
1
u[t]
-1
-1 -0.5 0 0.5 1 1.5 2 2.5 3
t
0, para t 0
2t , para 0 t 3
x1 (t ) 2
t , para 3 t 5
2, para 5 t 8
Encuentre x(t) dado por
t
x(t ) x ( )d
1
0, para t 0
2
t , para 0 t 3
x(t ) t 3
, para 3 t 5
3
2t , para 5 t 8
Señal x1[t]
25
20
15
x1[t]
10
0
-2 0 2 4 6 8 10
t
Señal Resultante
40
30
x[t]
20
10
0
-2 0 2 4 6 8 10
t
n
yn xk
k
119
n
un k
k
n
rampn uk
k
Señal x1[n]
2
1
x1[n]
-1
-2
-2 0 2 4 6 8 10
Señaln x2[n])
16
14
12
10
x2[n]
8
6
4
2
0
-2 -1 0 1 2 3 4 5 6 7 8 9 10
n
120