3.

LA CONVOLUCIÓN COMO OBJETIVO FUNDAMENTAL

El objetivo fundamental de esta sección es la operación de convolución

como instrumento básico en la descripción de sistemas lineales.
Dada una señal finita y un sistema discreto hallar la salida del sistema.

3.1 Filtro Discreto

Es todo sistema que satisface las condiciones de invariancia y linealidad.

3.2 Respuesta de un Filtro a una Señal Finita

Representamos a δ [n] como vector de la siguiente manera

3.3 Filtros de Respuesta Finita a un Impulso Finito

Este tipo de filtro se conoce en inglés por sus siglas FIR (Finite Impulse
Response).

Observación 4
Todo filtro discreto de respuesta finita a un impulso está caracterizado por su
respuesta de impulso h[n]. Esto significa que todo lo que se debe saber
concerniente a este filtro se conoce, y más aún podemos obtener la respuesta
de este filtro a cualquier entrada arbitraria aunque finita.
Ejemplo 10
Promediador (Averaging Filter) de respuesta finita a un impulso unitario

Observación 5
Toda señal finita de dimensión L puede representarse como una combinación
lineal de impulsos desplazados cuyas intensidades corresponde
a los valores de la señal en . De tal modo que :
Expandiendo obtenemos:
4. CONVOLUCIÓN LINEAL DE LONGITUD FINITA

Dada una señal cualquiera por ejemplo x, de longitud L, y un filtro o sistema

discreto de respuesta finita a un impulso unitario, podemos obtener la salida de
este filtro a través de la operación de convolución. Vamos a asumir que el filtro
tiene respuesta al impulso con una longitud M. En forma gráfica tenemos el
siguiente diagrama:

Procedemos de la siguiente manera para obtener la respuesta:

4.1 PROPIEDADES DE LA CONVOLUCIÓN LINEAL

1. δ[n]  x[n] = x[n] = x[n] = x[n]  δ[n]

2. δ[n]  δ[n] = δ[n]

3. x[n]  μ[n] =

1) δ[n] x[n] = δ[n-k] = δ[n-k] = x[n]

2) δ[n]  δ[n] = = δ[n-k] = δ[n]

3) x[n]  μ[n] = μ[n-k] = μ[n-k] =

(Ya que la respuesta escalón es la suma sucesiva de la respuesta al impulso

(μ[n] = ), la convolución de una señal x[n] con un escalón unitario
μ[n] es la suma sucesiva de la señal x[n].

Resumiendo: la convolución es un procedimiento u operación para

determinar la salida a partir de la entrada y la respuesta al impulso de un
sistema LTI,
 Y[n] = x[n]*h[n]; x[n] = y h[n] =

Notar que las diagonales son un parámetro o constante.

Comprobación rápida utilizando multiplicación especial:

n 0 1 2 3 4

h[n] 0.5 0.5

x[n] 1 2 4 8
________________________________
0.5 0.5
1 1
2 2
4 4
y[n] 0.5 1.5 3 6 4

Comprobar utilizando MATLAB:

Y = conv(x,h)
Y = conv([1 2 4 8],[0.5 0.5])
Ans
0.5 1.5 3 6 4
 Frecuencias discretas y Fs frecuencia de
muestreo.
7.4 Convolución Circular o Convolución Ciclica : Este operador
tiene como dominio y como codominio el mismo espacio lineal o espacio
vectorial. La Convolución Ciclica se utiliza para computar indirectamente la
Convolución Lineal. Este procedimiento resulta sencillo:
10. La Convolución en tiempo continuo

En sistemas lineales invariantes en el tiempo (LTI). Se asume que el sistema es

descrito por medio de su respuesta de impulso h(t) de tal manera que:

h(t) = T{δ(t)}

h(t - λ) = T{δ(t – λ) }
Se divide la señal de entrada x(t) en bandas regulares de amplitud Ts y se
reemplaza cada banda por un impulso cuya intensidad Ts x(kTs) sea igual al area
debajo de cada banda, donde k = 0, ±1, ±2, …

+
x(t)=  Ts x(kTs)  (t-kTs)
-

Puesto que la señal entrada x(t) es la suma de impulsos ponderados desplazados,

entonces, la respuesta del sistema y(t), por ser el sistema LTI, es entonces la
suma de respuestas ponderadas de impulsos desplazados:

+
y(t)=  Ts x(kTs) h(t-kTs)
-

En el límite cuando Ts→dλ→0, entonces kTs describe una variable continua λ,

por lo que tanto x(t) y y(t) pueden representarse en forma integrar:

x(t)= - x( ) (t- ) d  (Propiedad de filtro o muestreo del Impulso)

y la integrar de convolución y(t)= - x( ) h(t- ) d   x(t)  h(t)

10.1 Algunas propiedades de la Convolución en tiempo continuo

1. y(t)  x(t )  h(t )  h(t )  x(t )

2. z(t )  ( x(t )  y(t ))  z(t )  x(t )  z(t )  y(t )

3. z(t )  ( x(t )  y(t ))  ( z(t )  x(t ))  y(t )

 Demostración 1:

y(t)  x(t )  h(t )  h(t )  x(t )

y(t)  x(t )  h(t )= - x( )h(t- )d 

Sustituyendo variable como se muestra,

 t   t  d   d

y(t)= - x(t- )h( )d

y(t)=  h( )x(t- )d  h(t )  x(t )

Demostración 2:

z(t )  ( x(t )  y(t ))  z(t )  x(t )  z(t )  y(t )

z(t )  ( x(t )  y(t ))= - z( )(x(t- )+y(t- ))d 

= - z( )(x(t- )+y(t- ))d   - z( )x(t- )d   - z( )y(t- )d 

 z(t )  x(t )  z(t )  y(t )

Demostración 3: Asignación:

z(t )  ( x(t )  y(t ))  ( z(t )  x(t ))  y(t )