Capítulo 7

CONVOLUCION DISCRETA

7.0 Alcance y objetivos

La convolución es un concepto central al relacionar los dominios del tiempo y de la frecuencia. En el dominio
del tiempo, la convolución puede considerarse como un método para encontrar la respuesta de estado cero de
un sistema lineal relajado invariante en el tiempo. Este capítulo describe la operación y las propiedades de la
convolución discreta, y establece las conexiones clave entre los métodos en el dominio del tiempo y en dominios
transformados para el análisis de señales y sistemas basados en la convolución. Posteriormente, en este capí-
tulo y otros, se presentan algunos puntos de vista del dominio de la frecuencia para la convolución discreta.

7.1 Convolución discreta

La convolución discreta en tiempo es un método para encontrar la respuesta de estado cero de sistemas relajados
lineales e invariantes en el tiempo (LTI). Se basa en los conceptos de lineal e invariante en el tiempo y consi-
dera que la información del sistema se conoce en términos de su respuesta al impulso h[n]. En otras palabras,
si la entrada es 8[n], una muestra unitaria en el origen n = O, la respuesta del sistema es h[ri\. Ahora, si la
entrada es £[0]¿[%], un impulso escalado en el origen, la respuesta es o?[0]A[n] (por linealidad). Similarmente,
si la entrada es el impulso desplazado íc[l]5[% - 1] en n = 1, la respuesta es o?[l]fe[w - 1] (por la invariante en
el tiempo). La respuesta al impulso desplazado a?[A;]5[^ - k] en n = k es #[fc]fe|)& - k]. Ya que una entrada arbi-
traria x[n] es simplemente una secuencia de muestras, puede describirse como una suma de impulsos escalados
y desplazados:

(7.1)

Por superposición, la respuesta x[n] es una suma de versiones escaladas y desplazadas de respuestas al impulso:

(7.2)

Ésta es la relación que define a la operación de convolución, que llamamos convolución lineal, y se indica
por y[n] = x[n] * h[n] (o por x[n] * h[n] en las figuras) en este libro. La expresión para calcular y[n] se llama
suma de convolución. Al igual que en la convolución continua en el tiempo, no es importante el orden en el
cual realicemos la operación, y podemos intercambiar los argumentos de x y h sin afectar los resultados. Por lo
•|-« -n4-f\*

(7.3)

Notación: se usa x[n] * h[n] para indicar

169
170 Capítulo 7 Convolución discreta

I RECUADRO DE REPASO 7.11

De la convolución se obtiene la respuesta de estado cero de un sistema LTI

7.1.1 Evaluación analítica de la convolución discreta

El procedimiento para la convolución analítica es igual al del caso continuo y puede implementarse muy fácil-
mente si x[n] y h[n] se representan por expresiones analíticas suficientemente simples. Frecuentemente, debe-
mos acudir a una tabla de soluciones de forma cerrada para series finitas o infinitas. Cuando evalúe la suma
de convolución, tenga en mente que x[k] y h[n - k] son funciones de la variable de la sumatoria k. Las sumato-
rias frecuentemente contienen funciones escalón de la forma u[k] y u[n - k]. Ya que u[k] = O, k < O y u[n — k] =
Q,k>n, éstas pueden utilizarse para simplificar los límites superior e inferior de la sumatoria a.k = Qyk = n,
respectivamente.

EJEMPLO 7.1 (Evaluación analítica de la convolución discreta)

(a) Si x[n] = h[n] = u[ri\. Entonces x[k] = u[k] y h[n - k] = u[n - k]. El límite inferior de la suma de convo-
lución se simplifica a k = O (porque u[k] = O, k < 0), el límite superior a k = n (porque u[n - k] = O, k >
ri), y obtenemos

Note que (n + l)u[n] es igual a r[n + 1], y por lo tanto u[n] * u[n] = r[n + 1].

(b) Si x[n] = h[n] = anu[n], a < 1. Entonces x[k] = aku[k] y h[n - k] = an~ku[n - k]. El límite inferior en la
suma de convolución se simplifica a k = O (porque u[k] = O, k < 0), el límite superior a k = n (porque
u[n - k] = O, k > n), y obtenemos

(c) Si x[n] = u[n] y h[n] = anu[n], a<l. Entonces

(d) Six[n] = (Q.8)nu[ri\ y h[n] = (OA)nu[n\. Entonces

Usando el resultado de forma cerrada para la suma, obtenemos y[n]

u[n].
7.2 Propiedades de la convolución 171

(e) Sea x[n] = nu[n + 1] y h[n] = a~nu[n], a < 1. Con h[n - k] = a~(n ~ ®u[n - k] y #[&] = ku[k + 1], los lími-
tes inferior y superior de la suma de convolución son k = — ly k = n. Entonces

Los resultados de la convolución analítica frecuentemente involucran sumatorias finitas o infinitas. En la últi-
ma parte, utilizamos resultados conocidos para generar la solución en forma cerrada. Sin embargo, esto no
siempre es posible.

7.2 Propiedades de la convolución

Muchas de las propiedades de la convolución discreta se basan en la linealidad y la invariante en el tiempo. Por
ejemplo, si x[n] o h[n] están desplazadas en nQ, también lo estará y[n]. Por lo tanto, si y[n] = x[n] * h[ri\, entonces

(7.4)

La suma de las muestras en x[n], h[n] y y[n] están relacionadas por

(7.5)

Para sistemas causales (h[n] = O, n < 0) y señales causales (x[n] - O, n < 0), y[n] también es causal. Por lo
tanto

(7.6)

Una extensión de este resultado es que la convolución de dos señales de lado izquierdo es también de lado iz-
quierdo, y la convolución de dos señales de lado derecho es también de lado derecho.

EJEMPLO 7.2 (Propiedades de la convolución)

(a) Estos son dos resultados de la convolución que pueden encontrarse fácilmente de la relación que la define:
ó[n] * x[n] = x[n] 6[n] * ó[n] = 6[n]

(b) Encontramos y[n] = u[n] * x[n]. Ya que la respuesta de escalón es la suma sucesiva de la respuesta al
impulso, la convolución de una señal x[n] con un escalón unitario es la suma sucesiva de la señal x[ri\:

(c) Encontramos y[n] = icect(n/2N) * icect(n/2N) en donde Yect(n/2N) = u[n + N] - u[n - N - 1].
La convolución contiene cuatro términos:
172 Capítulo 7 Convolución discreta

Usando el resultado u[n] * u[n] = r[n + 1] y la propiedad de desplazamiento, obtenemos

La convolución de dos funciones rect (con argumentos idénticos) es por lo tanto una función tri.

7.3 Convolución de secuencias finitas

En la práctica, frecuentemente tratamos con secuencias de longitud finita, y su convolución puede encontrarse
por varios métodos. La convolución y[n] de dos secuencias de longitud finita x[n] y h[ri\ es también de longitud
finita y está sujeta a las siguientes reglas, que sirven como útiles pruebas de consistencia:
1. El índice de inicio de y[n] es igual a la suma de los índices de inicio de x[n] y h[ri\.
2. El índice de terminación de y[n] es igual a la suma de los índices de terminación de x[n] y h[ri\.
3. La longitud L de y[n] está relacionada con las longitudes Lxy Lh de x[n] y h[n] por L = Lx + Lh - 1.

7.3.1 Método de suma por columnas

Este método está basado en la idea de que la convolución y[n] es igual a la suma (desplazada) de la respuesta
al impulso debida a cada uno de los impulsos que conforman la entrada x[ri\. Para encontrar la convolución,
colocamos una fila de valores de índices comenzando con el índice de inicio de la convolución yfe[TI] y x[n] por
debajo de ella. Consideramos a x[n] como una secuencia de impulsos desplazados ponderados. Cada elemento
(impulso) de x[n] genera una respuesta al impulso desplazada (producto con h[ri\) empezando en su índice (pa-
ra indicar el desplazamiento). La suma de la respuesta (por columna) da la convolución discreta. Nótese que
ninguna de las secuencias está reflejada. Es mejor (aunque sea para ahorrar papel) permitir que x[n] sea la se-
cuencia más corta. El índice de inicio (y la localización del marcador correspondiente a n = 0) para la convolu-
ción y[n] se encuentra de los índices de inicio de x[n] y h[n\.

RECUADRO DE REPASO 7.2

Convolución discreta usando el método de suma por columnas
1. Alinee la secuencia x[n] debajo de la secuencia h[ri\.
2. Alinee con cada muestra de x[n], el producto del arreglo entero h[n] con esa muestra de x[n].
3. Sume las columnas de los arreglos (sucesivamente desplazados) para generar la secuencia de convolución.

EJEMPLO 7.3 (Convolución de señales de longitud finita)

u
(a) Un filtro FIR (respuesta al impulso finita) tiene una respuesta al impulso dada por h[n] = {1, 2, 2, 3}.
Encuentre su respuesta y[n] a la entrada x[n] = {2, -1, 3}. Suponga que ambas x[n] y h[n] comienzan en
n = Q.
El método de lápiz y papel expresa la entrada como x[n] = 28[ri\ — 8[n — 1] + 3S[n - 2] y tabula la res-
puesta a cada impulso y la respuesta total como sigue:

h[n] i 2 2 3
x[n] = 2 -1 3
Entrada Respuesta
26[n] 2h[n] = 2 4 4 6
-S[n - 1] -h[n - 1] -2 -2 -3
^
3ó[n - 2] 3h[n - 2] 3 6 6 9
Suma = x[n] Suma = y[n] = 2 3 5 10 3 9
7.3 Convolución de secuencias finitas 173
u
Así que, y[n] = {2, 3, 5, 10, 3, 9} = 2<5[rc]+ 3S[n - 1] + 5<5fa - 2] + 10<5[rc - 3] + 3<5[rc - 4] + 9<5[rc - 5].
El proceso de convolución se ilustra gráficamente en la figura E7.3A.

Figura E7.3A La convolución discreta para el ejemplo 7.3(a)

(b) Considere h[n] = {2, 5, O, 4} y x[n] = {4, 1, 3}.

Notamos que la convolución comienza en n = —3 y utilizamos este hecho para plantear el arreglo de índices
y generar la convolución como sigue:

n -3 -2 -1 0 1 2
h[n] 2 5 0 4
x[n] 4 1 3
8 20 0 16
2 5 0 4
6 15 0 12
4
y[n] 8 22 11 31 4 12

El marcador se coloca para indicar que la convolución comienza en n = -3, y obtenemos

y[n] = {8, 22, 11, 31, 4, 12}

174 Capítulo 7 Convolución discreta

(c) (Respuesta de un filtro promediador) Considere x[n] = {2, 4, 6, 8, 10, 12,...}.

¿Qué sistema producirá la respuesta y[n] = {1, 3, 5, 7, 9, 11,...}?
En cada instante, la respuesta es el promedio de la entrada y su valor previo. Este sistema describe a un fil-
tro promediador o de promedio móvil. Su ecuación de diferencias es simplemente y[n] - y(#|XI + x[n - 1]).
U
Su respuesta al impulso es por lo tanto h[n] = 0.5{S[n] + 8[n - 1]}, o h[n] = {0.5, 0.5}.
Usando convolución discreta, encontramos la respuesta como sigue:

x: 2 4 6 8 10 12 ...
h: i i
2 2
1 2 3 4 5 6 ...
1 2 3 4 5 6
y- 1 3 5 7 9 11 ...

Este resultado es en realidad la operación de promedio que esperábamos.

7.3.2 El concepto de reflexión, desplazamiento, multiplicado y suma

La suma de convolución puede interpretarse también como sigue: primero reflejamos x[n] y desplazamos
x[-n] para alinear a su último elemento con el primer elemento de h[ri\. Entonces, sucesivamente desplaza-
mos x[-n] (a la derecha) hasta pasar h[n], un índice a la vez y se encuentra la convolución en cada índice como
la suma de los productos en cada punto de las muestras que sufren alias. Un método de calcular y[ri\, para vi-
sualizar mejor el proceso, es listar los valores de la función reflejada en una tira de papel y deslizaría a lo largo
de la función estacionaria. Esta técnica ha dado lugar al nombre de método de la tira deslizante. Simula-
mos este método mostrando las posiciones sucesivas de las secuencias estacionaria y reflejada junto con los
productos resultantes, la suma de convolución, y la convolución real.

EJEMPLO 7.4 (Convolución por el método de la tira deslizante)

u u
Encuentre la convolución de h[n] = {2,5, O, 4} y x[n] = { 4, 1, 3}.
Ya que ambas secuencias empiezan en n = O, la secuencia reflejada es x[-k] = {3, 1, 4}.
Alineamos la secuencia reflejada por debajo de h[n] e iniciamos el alias y desplazamiento sucesivo, sumando la
secuencia de productos mientras avanzamos para obtener la convolución discreta. Los resultados se calculan
en la figura E7.4.
u
La convolución discreta es y[n] = {8, 22, 11, 31, 4, 12}.

,y[0] = suma de productos = 8 y[l] = suma de productos = 22 y[2] = suma de productos = 11

;y[3] = suma de productos = 31 y [4] = suma de productos = 4 y [5] = suma de productos =12

Figura E7.4 Señales discretas para el ejemplo 7.4 y su convolución

7.3 Convolución de secuenciasfinitas 175

7.3.3 Convolución discreta, multiplicación e inserción de ceros

La convolución discreta de dos secuencias de longitud finita x[n] y h[n] es enteramente equivalente a la multi-
plicación de dos polinomios cuyos coeficientes se describen por los arreglos x[n] y h[n] (en orden ascendente o
descendente). La secuencia de convolución corresponde a los coeficientes del producto polinomial. Con base en
este resultado, si insertamos ceros entre las muestras adyacentes de cada señal implicada en la convolución,
su convolución corresponde a la secuencia original de convolución con ceros insertados entre sus muestras ad-
yacentes.

EJEMPLO 7.5 (Multiplicación polinomial e inserción de ceros)

U U
(a) Se considera h[n] = {2, 5, O, 4} y x[n] = {4,1, 3}. Para encontrar su convolución, planteamos los polinomios

h(z) = 2z3 + 5¿2 + Qz + 4 x(z) = 4z2 + lz + 3

Su producto es y(z) = 8z5 + 22z4 + llz3 + 31z2 + 4z + 12.

La convolución es entonces y[n] = {8, 22, 11, 31, 4, 12}.

(b) La inserción de ceros para cada secuencia de convoluciones da

hi[n] = {2,0,5,0,0,0,4} xi[n] = {4,0,1,0,3}

Para encontrar su convolución, planteamos los polinomios

hi(z) = 2z6 + 5z4 + Qz2 + 4 xi(z) = 4z4 + lz2 + 3

Su producto es y¿z) = 8z10 + 22 z8 + llz6 + 31z4 + 4z2 + 12.

La convolución resultante es y^n] = {8, O, 22, O, 11, O, 31, O, 4, O, 12}.
Este resultado es justamente y[n] con ceros insertados entre muestras adyacentes.

RECUADRO DE REPASO 7.3

La convolución de señales finitas corresponde a una multiplicación polinomial
Ejemplo: { í, 1, 3} * {!, O, 2} = {l, 1, 5, 2, 6} (x2 + x + 3)(x2 4- 2) = x4 + x3 + 5x2 + 2x +6

Si anexamos ceros a una de las secuencias de la convolución, el resultado de la convolución no cambiará, pero
mostrará tantos ceros como los anexados. De hecho, los ceros pueden anexarse al principio o al final de una se-
cuencia y aparecerán en la localización correspondiente en el resultado de la convolución.

RECUADRO DE REPASO 7.4

Rellenado de ceros: si una secuencia está rellena con ceros, también lo estará la convolución
Ejemplo: Si x[n] * h[n] = y[n] entonces {O, O, x[n], O, O,} * {h[n], 0} = {O, O, y[n], O, O, 0}.
176 Capítulo 7 Convolución discreta

7.3.4 Respuesta al impulso de sistemas LTI en cascada y en paralelo

Considere la cascada ideal de dos sistemas LTI mostrados en la figura 7.1. La respuesta del primer sistema es
y^n] = x[n] * h-^n]. La respuesta y[n] del segundo sistema es

(7.7)

Si deseamos reemplazar el sistema en cascada por un sistema LTI con una respuesta al impulso h[n] tal que
y[n] = x[n] * h[n], es claro que h[n] = h^n] * h2[ri\. Generalizando este resultado, la respuesta al impulso h[n]
de N sistemas LTI en cascada ideales es simplemente la convolución de N respuestas al impulso individuales

h[n] = h\ [n] * /i2 [n] * • • • * ftjv [n] (para una combinación en cascada) (7.8)

Si las hk[n] son señales de energía, el orden de la cascada no es importante.

Figura 7.1 Sistemas en cascada, en paralelo y sus equivalentes

La respuesta al impulso general de sistemas en paralelo es igual a la suma de las respuestas al impulso indivi-
duales, como se muestra en la figura 7.1:

hp[n] = hi[n] + /^M H 1- ^wM (para una combinación en paralelo) (7.9)

RECUADRO DE REPASO 7.5

Respuesta al impulso de N sistemas LTI interconectados
En cascada: Obtenga la convolución de las respuestas al impulso: hc[n] = h-^n] * h2[n] * • • • * h^n]
En paralelo: Sume las respuestas al impulso: hp[n] = fe-Jn] + h2[n] 4- • • • + hN[n]

EJEMPLO 7.6 (Sistemas interconectados)

Considere el sistema interconectado de la figura E7.6. Encuentre la respuesta al impulso general y la salida.
Comente los resultados.

Figura E7.6 Sistema interconectado del ejemplo 7.6

7.4 Estabilidad y causalidad de sistemas LTI 177

La respuesta al impulso del primer sistema es h-^n] = S[n] - 0.55[% - 1]. La respuesta general hc[n] está
dada por la convolución

Esto se simplifica a

Lo que esto significa es que la salida general del sistema es igual a la entrada aplicada. Entonces, el segundo
sistema actúa como el inverso del primero.

7.4 Estabilidady causalidad de sistemas LTI

En el capítulo 5, encontramos que la estabilidad BIBO (entrada acotada, salida acotada) de sistemas LTI des-
critos por ecuaciones de diferencias requiere que cada raíz de la ecuación característica tenga una magnitud
menor a la unidad. Para sistemas descritos por su respuesta al impulso, esto es enteramente equivalente a re-
querir que la respuesta al impulso h[n] sea absolutamente sumable. Se explicará por qué. Si x[n] es acotada
tal que \x[n]\ < M, también lo es su versión desplazada x[n - k]. La suma de convolución produce entonces la
siguiente desigualdad:

(7.10)

Si la salida debe permanecer acotada (\y[n]\ < oo), entonces

(7.11)

En otras palabras, h[n] debe ser absolutamente sumable. Ésta es a la vez una condición suficiente y necesaria,
y si se cumple nos asegura que el sistema es estable. Siempre tendremos un sistema estable si h[n] es una se-
ñal de energía. Ya que la respuesta al impulso se define sólo para sistemas lineales, la estabilidad de sistemas
no lineales debe investigarse por otros medios.

7.4.1 Causalidad
En analogía con los sistemas analógicos, la causalidad de sistemas discretos en tiempo implica a un sistema
no anticipativo con una respuesta al impulso h[n]= O, n < 0. Esto asegura que una entrada x[^]^[r¿ - nQ] que
empieza en n = nQ produce como resultado una respuesta y[n] que también comienza en n = nQ (y no antes).
Esto es resultado de la suma de convolución:

(7.12)

RECUADRO DE REPASO 7.6

Estabilidad y causalidad de sistemas LTI discretos

Para estabilidad: h[n] debe ser absolutamente sumable con

Para causalidad: h[n] debe ser cero para índices negativos con h[n] = O, n < 0.
178 Capítulo 7 Convolución discreta

EJEMPLO 7.7 (El concepto de estabilidad)

u
(a) El filtro FIR descrito por y[n] = x[n + 1] - x[n] tiene la respuesta al impulso h[n] = {1, -1}. Es un siste-
ma estable, ya que Z|/&[X|| = |l| + |-l| = 2. También es no causal porque h[n] = 8[n + 1] - 8[ri\ no es cero
para n < 0. Debemos enfatizar que los filtros FIR son siempre estables porque Z|/¿M| es la suma absolu-
ta de una secuencia finita y por lo tanto es finita siempre.

(b) Un filtro descrito por h[n] =(-O.S)nu[n] es causal. Describe a un sistema con la ecuación de diferencias
y[n] = x[n] + ay[n - 1]. También es estable porque S|fe[^]| es finito. De hecho, encontramos que

(c) Un filtro descrito por la ecuación de diferencias y[n] - Q.5y[n - 1] = nx[n] es causal pero variante en el
tiempo. También es inestable. Si aplicamos una entrada de escalón u[n] (entrada acotada), entonces
y[n] = nu[n] + Q.5y[n - 1]. El término nu[n] crece sin límite y hace a este sistema inestable. Le preveni-
mos que esta aproximación no es una manera formal de verificar la estabilidad de sistemas variantes en
el tiempo.

7.5 Respuesta de los sistemas a entradas periódicas

En similitud con los sistemas analógicos, la respuesta de un sistema discreto en tiempo a una entrada periódi-
ca con periodo N es periódica también con el mismo periodo N. Un ejemplo simple demuestra este concepto.

EJEMPLO 7.8 (Respuestas a entradas periódicas)

(a) Seax[n] = {1, 2, -3, 1, 2, -3, 1, 2, -3,.. .}yh[n] = {1, 1}.
La convolución y[n] = x[n] * h[ri\, usando el método de suma por columnas, es

índice n 0 1 2 3 4 5 6 7 8 9 10
x[n] 1 2 -3 1 2 -3 1 2 -3 1
h[n] 1 1
1 2 -3 1 2 -3 1 2 -3 1
1 2 -3 1 2 -3 1 2 -3
y[n] 1 3 i -2 3 -1 -2 3 -1 -2

La convolución y[n] es periódica con periodo N = 3, excepto por los efectos de arranque (que duran un pe-
riodo). Un periodo de la convolución es y[n] = {-2, 3, -1}.

(b) Sea x[n] = {1, 2, -3, 1, 2, -3, 1, 2, -3,.. .}yh[n] = {1, 1, 1}.
La convolución y[n] = x[n] * h[n]9 usando el método de suma por columnas, se encuentra como sigue:
7.5 Respuestas de los sistemas a entradas periódicas 179

índice n 0 1 2 3 4 5 6 7 8 9 10
x[n] 1 2 -3 1 2 -3 1 2 -3 1
h[n] 1 1 1
1 2 -3 1 2 -3 1 2 -3 1
1 2 _3 1 2 -3 1 2 -3
1 2 _3 1 2 _3 1 2
y(n] 1 3 0 0 0 0 0 0 0 0

U
Excepto por los efectos de arranque, la convolución es cero. El sistema h[n] = {1, 1, 1} es un filtro de pro-
medio móvil. Extrae la suma sucesiva de tres puntos, que siempre es cero para la señal periódica dada.

RECUADRO DE REPASO 7.7

La respuesta de sistemas LTI a señales periódicas también es periódica con periodo idéntico

Una forma de encontrar la respuesta del sistema a entradas periódicas es encontrar la respuesta a un periodo
de la entrada y entonces usar superposición. En analogía con los sistemas analógicos, si sumamos una señal
absolutamente sumable (o señal de energía) x[n] y sus infinitas réplicas desplazadas por múltiplos de N, se ob-
tiene una señal periódica con periodo N, que llamamos extensión periódica de x[ri\:

(7.13)

Una forma equivalente de encontrar un periodo de la extensión periódica es enrollar secciones de N muestras
de x[n] (formar filas de N muestras) y sumarlas todas. Si x[n] es menor a JV, se obtiene un periodo de su exten-
sión periódica simplemente rellenando x[n] con ceros (para incrementar su longitud a N).
Los métodos para encontrar la respuesta de un sistema discreto en tiempo a entradas periódicas se basan
en los conceptos de extensión periódica y envolvente. En analogía con el caso continuo, se encuentra la convo-
lución regular debida a un periodo de la entrada y se usa el envolvente para generar un periodo de la salida
periódica.

EJEMPLO 7.9 (Convolución si sólo una secuencia es periódica)

U
(a) Considere que x[n] = {1, 2, -3}, describe un periodo de una entrada periódica con periodo N = 3 en un sistema
cuya respuesta al impulso es h[n] = {1,1}. La respuesta y[n] también es periódica con periodo N = 3. Para en-
contrar y[n] para un periodo, se encuentra la convolución regular y^n] de h[n] y un periodo de x[n] para dar

Entonces, se usa la envolvente y^n] después de tres muestras y se obtiene un periodo de y[n] como

envolvente suma

que es idéntico al resultado obtenido en el ejemplo anterior.

180 Capítulo 7 Convolución discreta

(b) Encuentre la respuesta yp[ri\ de un filtro de promedio móvil descrito por h[n] = {2,1, 1, 3, 1} a una señal
periódica cuyo periodo es x [n] = {2,1, 3}, con N = 3, usando los dos métodos.

1. Se encuentra la convolución regular y[n] = x [n] * h[n] para obtener

y[n] = {2,1,3} * {2,1,1,3,1} - {4,4,9,10,8,10,3}

Para encontrar yJn], los valores posteriores a N = 3 son envueltos y sumados para dar

*
4 4 9
{4,4,9,10,8,10,3} envolvente 10 8 10 suma {17, 12, 19}
3

2. En analogía con la convolución continua puede crearse también la extensión periódica h [n], con
N=3,y utilizar la envolvente para obtener h [n] = {5, 2, 1}. La convolución regular de un periodo
de cada secuencia da y[n] = {2, 1, 3} * {5, 2, 1} = {10, 9, 19, 7, 3}. Entonces, este resultado es en-
vuelto hasta pasadas estas muestras, para darnos yp[n] = {17, 12, 19}, como antes.

7.6 Convolución periódica

La convolución regular de dos señales, siendo ambas periódicas, no existe. Por esta razón, la convolución pe-
riódica se efectúa usando promedios. Si ambas x [n] y h [n] son periódicas con periodo idéntico N, su convolu-
ción periódica genera un resultado de convolución y [n] que también es periódico con el mismo periodo N. La
convolución periódica o convolución circular yp[n\ de x [n] y h [n] se denota por yp[n] = xp[n]®h [n], y so-
bre un periodo (n = O, 1,..., N - 1), se define por

(7.14)

A veces, se incluye un factor promediador de l/N en la sumatoria. La convolución periódica también puede im-
plementarse utilizando la envolvente. Se encuentra la convolución lineal de un periodo de xp[n] y hp[n], que
tendrá (2N - 1) muestras. Se extiende su longitud a 2N (agregando un cero), se divide en dos mitades (de
longitud N cada una), se alinea la segunda mitad con la primera, y se suman las dos mitades para obtener la
convolución periódica.

RECUADRO DE REPASO 7.8

Convolución periódica de señales periódicas discretas en tiempo con periodo idéntico N
1. Encuentre la convolución regular de segmentos de un periodo de cada una (esta contendrá 2N - 1 mues-
tras).
2. Agregue un cero. Enrolle las últimas N muestras y súmelas a las primeras N muestras.
7.6 Convolución periódica 181

EJEMPLO 7.10 (Convolución periódica)

u U
(a) Encuentre la Convolución periódica de x [n] = {1, O, 1, 1} y h [n] = {1, 2, 3, 1}.
El periodo es N = 4. Primero, se encuentra la Convolución lineal y[n].

índice n 0 1 2 3 4 5 6
hp[n] 1 2 3 1
xp[n] 1 0 1 1
1 2 3 1
0 0 0 0
1 2 3 1
1 2 3 1
y[n] 1 2 4 4 5 4 1

Después, se agrega un cero, se enrollan las últimas cuatro muestras, y se suma.

índice n 0 1 2 3
Primera mitad de y[n] 1 2 4 4
Mitad enrollada de y[n] 5 4 1 0
Convolución periódica yv[n] 6 6 5 4

U U
(b) Encuentre la Convolución periódica de x [n] = {1, 2, 3} y h [n] = {1,0, 2}, con periodo N = 3.
U.
La convolución regular se encuentra fácilmente yR[n] = {1, 2, 5, 4, 6}.
Agregando un cero y enrollando las últimas tres muestras se obtiene yp[n] = {5, 8, 5}.

7.6.1 Convolución periódica por el método cíclico

Para encontrar la convolución periódica, se desplaza la señal reflejada x [-n] sobre h [n], un índice a la vez, y
se encuentra la convolución de cada índice como la suma de los productos de sus muestras en cada punto, pero
sólo sobre una ventana de un periodo (O, N - 1). Los valores de x [n] y h [n] fuera del intervalo (O, N - 1) se
generan por extensión periódica. Una forma de visualizar el proceso es alinear x[k] alrededor de un círculo
en el sentido de las manecillas del reloj, y a h[k] en el sentido contrario (reflejado) sobre un círculo concéntrico
colocado para iniciar la convolución, como se muestra en la figura 7.2.

Figura 7.2 El método cíclico de la convolución circular (periódica)

Cada desplazamiento de la señal reflejada gira en el sentido del reloj. En cada vuelta, la convolución es
igual a la suma de los pares de productos. Esta aproximación muestra claramente la naturaleza cíclica de la
convolución periódica.
182 Capítulo 7 Convolución discreta

7.6.2 Convolución periódica por la matriz circulante

La convolución periódica puede también expresarse como una multiplicación matricial. Se plantea una matriz
de N X N cuyas columnas son iguales a x[n] y sus versiones desplazadas cíclicamente (o cuyas filas son ver-
siones desplazadas sucesivamente del primer periodo de la señal reflejada x[-n]). A ésta se le llama matriz
circulante o matriz de convolución. Una matriz circulante Cx de N X N para x[n] tiene la forma general

(7.15)

Nótese que cada diagonal de la matriz circulante tiene valores iguales. Esta matriz de diagonales constantes
también se llama matriz de Toeplitz. Su producto matricial con una matriz columna h de N X 1 que descri-
be a h[n] produce la convolución periódica y = Ch como una matriz columna de N X 1.

EJEMPLO 7.11 (Convolución periódica por la matriz circulante)

U U
Considere x[n] = {1, O, 2} y h[n] = {1, 2, 3}, descritos sobre un periodo (N - 3).
(a) La matriz circulante Cx y la convolución periódica y-^n] están dadas por

Comentario: Aunque no se requiere, la normalización por N = 3 da

(b) La convolución periódica y2[n] de x[n] yfe[w]sobre un periodo de dos ventanas produce

Puede verse que y2[n] tiene el doble de longitud (y de valores) de y^n], pero también es periódica con N = 3.
Comentario: La normalización por un periodo del ancho de dos ventanas (6 muestras) da

Nótese que el periodo (N = 3) de yp2[n] es idéntico al resultado normalizado ypi[n] del inciso (a).
7.7 Relaciones: convolución discreta y métodos de transformadas 183

7.6.3 Convolución regular usando la convolución periódica y el rellenado con ceros

La convolución lineal de x[n] (con longitud N^ y h[n] (con longitud N¿) puede encontrarse también usando la
convolución periódica de dos señales rellenadas con ceros xz[n] y hz[n] (cada una de longitud N. = Nx + Nh - 1).
La convolución regular de las secuencias originales sin rellenar es igual a la convolución periódica de las se-
cuencias rellenadas con ceros.

RECUADRO DE REPASO 7.9

Convolución regular usando la convolución periódica y el rellenado con ceros
x[n] * h[n] = Convolución periódica de sus versiones rellenadas con ceros (cada una de longitud Nx + Nh -1).

EJEMPLO 7.12 (Convolución regular por la matriz circulante)

Sea x[n] = {2, 5, O, 4} y h[n] = {4,1, 3}. Su convolución regular tiene S=M+N-I=6 muestras. Usando ce-
ros al final, se crean las secuencias rellenadas

xzp[n] = {2,5,0,4,0,0} hzp[n] = {4,1,3,0,0,0}

La convolución periódica x [n]®h [n]9 usando la matriz circulante, es:

2 O O 4 O 5 4 8
5 2 O O 4 O 1 22
O 5 2 O O 4 3 11
Cxzp — 4 O 5 2 O O hzp = O yp[n] = 31
O 4 O 5 2 O O 4
O O 4 O 5 2 O 12

Esto es igual a la convolución regular y[n] = x[n] * h[n] obtenida previamente por métodos distintos en ejem-
plos anteriores.

7.7 Relaciones: convolución discreta y métodos de transformadas

La convolución discreta en tiempo provee una forma de relacionar los métodos de análisis de sistemas para se-
ñales discretas en el dominio del tiempo, con aquéllos en el dominio de la frecuencia. Conforma la base de to-
dos los métodos de transformadas descritos en este texto, y su papel en la vinculación de los dominios del
tiempo y de la frecuencia está íntimamente ligado al concepto de eigenseñales y eigenvalores.

7.7.1 Armónicos discretos en tiempo, eigenseñales y transformadas discretas

Tal como el armónico analógico de duración infinita é^1^ es una eigenseñal de un sistema analógico, el armó-
nico de duración infinita discreto en tiempo eÍ2mF es una eigenseñal de un sistema discreto en tiempo. La res-
puesta de un sistema lineal a un armónico también es un armónico a la misma frecuencia pero con magnitud y
fase cambiados. Este importante concepto conduce a la idea de transformadas discretas en analogía a las
transformadas de Fourier y de Laplace.

RECUADRO DE REPASO 7.10

La exponencial de duración infinita zn es una eigenseñal de sistemas lineales discretos en tiempo
En esta exponencial compleja zn, la cantidad z tiene la forma general z — ré^2nF.
La respuesta de un sistema lineal a zn es Czn, en donde C es una constante (posiblemente compleja).
184 Capítulo 7 Convolución discreta

7.7.2 La transformada de Fourier discreta en tiempo

Para la entrada armónica x[n] = e?2miF, la respuesta y[n] es

(7.16)

Esta sólo es la entrada modificada por la función del sistema H'(F), en donde

(7.17)

La cantidad H (F) describe la transformada de Fourier discreta en tiempo (DTFT) o la respuesta de la

frecuencia discreta en tiempo de h[n]. De manera distinta a la función sistema analógica H(f), la función
sistema discreta en tiempo H (F) es periódica con un periodo igual a la unidad porque e~J2jlkF = e~^^F +l\
Esta periodicidad también es una consecuencia directa de la naturaleza discreta de h[n].
Así como la respuesta al impulso h[n], que simplemente es una señal, cualquier señal x[n] puede similar-
mente ser descrita por su DTFT X (F). La respuesta y[n] = x[n]H [F\ puede ser entonces transformada a su
DTFT Yp[n] para dar

(7.18)

Una vez más, la convolución en el dominio del tiempo corresponde a multiplicar en el dominio de la frecuencia.

7.7.3 Transformada z
Para una entrada x[n] = rneP2mF = (r^2nF)n = zn, donde z es compleja, con magnitud | z \ = r, la respuesta pue-
de escribirse como

(7.19)

La respuesta es igual a la entrada (eigenseñal) modificada por la función sistema H(z), donde

(transformada z bilateral) (7.20)

La cantidad compleja H(z) describe la transformada z de h[n] y no es, en general, periódica en z. Denotando la
transformada z de x[n] y y[n] por X(z) y Y(z), puede escribirse

(7.21)

Por lo tanto, la convolución en el dominio del tiempo corresponde a una multiplicación en el dominio de z.
Si r = 1, x[n] = (é¡2nF)n = eP2imF, y la transformada z se reduce a la DTFT. Por lo tanto, puede obtenerse la
DTFT de x[n] a partir de su transformada z, X(z), haciendo z = e?2nF o | z \ = 1 para dar

(7.22)

La DTFT por lo tanto es la transformada z evaluada en el círculo unitario | z \ = 1.

7.8 Convolución inversa 185

7.7.4 Maestreo y extensión periódica

Otro concepto clave es que el muestreo en el dominio del tiempo conduce a una extensión periódica en el dominio
de la frecuencia y viceversa. Esto implica que el espectro (DTFT) de una señal discreta en tiempo es periódico.
Mientras un espectro discreto (la serie de Fourier) corresponde a una señal periódica en el tiempo. Si se mues-
trea la DTFT, se obtiene la transformada discreta de Fourier (DFT), que corresponde a una señal periódi-
ca discreta en el tiempo. Si se muestrea una señal periódica en el tiempo, se obtiene la serie discreta de
Fourier (DFS), que también es discreta y periódica.

RECUADRO DE REPASO 7.11

El muestreo en un dominio conduce a la extensión periódica en el otro dominio

7.7.5 Lo que debe mantenerse en mente

La convolución juega un papel central en el procesamiento de señales y el análisis de sistemas. La principal
razón para la popularidad de los métodos de dominio transformado en el análisis de sistemas es que la convo-
lución en un dominio corresponde a la multiplicación en el otro. El tipo de convolución requerida depende del ti-
po de señales bajo consideración. Por ejemplo, se utiliza la convolución discreta cuando se trata con señales
discretas en el tiempo, y la convolución periódica cuando se trata con señales periódicas. La representación en
el dominio del tiempo de tales señales da origen al espectro periódico y requiere convolución periódica en el do-
minio de la frecuencia.

RECUADRO DE REPASO 7.12

El tipo de convolución depende del método de la transformada
Método de la transformada Convolución en el dominio Convolución en el dominio
del tiempo de la frecuencia
DTFT x[n] * h[n] (regular, discreta) X(F)®H(F) (periódica, compleja)
DFT x[n] ®h[n] (periódica, discreta) ^[k] * HT[k] (periódica, discreta)
Transformada z x[n] * h[n] (regular, discreta) X(z)®H(z) (regular, compleja)

7.8 Convolución inversa

Dada la respuesta al impulso de un sistema h[n], la respuesta y[n] del sistema a una entrada x[n] simplemen-
te es la convolución de x[n] y h[ri\. Si por el contrario se dan x[n] y y[n], ¿cómo se encuentra h[n]? Esta situa-
ción se presenta muy frecuentemente en la práctica y se conoce como convolución inversa o identificación
del sistema.
Para sistemas discretos en tiempo, se tiene una solución parcial al problema. Ya que la convolución discre-
ta puede considerarse como una multiplicación polinomial, la convolución discreta inversa puede considerarse
como una división polinomial. Una aproximación a la convolución inversa discreta es usar la idea de la divi-
sión larga, un proceso familiar ilustrado en el ejemplo siguiente.

RECUADRO DE REPASO 7.13

La convolución inversa puede considerarse como una división polinomial o inversión matricial

EJEMPLO 7.13 (Convolución inversa por división polinomial)

U U
Considere x[n] = {2, 5, O, 4} y y[n] = {8, 22, 11, 31, 4, 12}. Estos son considerados como los coeficientes, en or-
den descendente, de los polinomios
x(w) = 2w3 + 5w2 + Qw + 4 y(w) = Sw5 + 22w4 + llw3 + 31 w2 + 4w + 12
7.9 Correlación discreta 187

7.9 Correlacióndiscreta
La correlación es una medida de la similitud entre dos señales y se encuentra usando un proceso parecido a la
convolución. La correlación cruzada discreta (denotada por **) de x[n] y h[n] se define por:

(7.27)

(7.28)

Algunos autores prefieren intercambiar las definiciones de rxh[n] y Tkx[n].

Para encontrar rxh[n], se alinean el último elemento de h[n] con el primero de x[n] y se inicia un desplaza-
miento de h[n] hasta recorrer toda x[n], un índice a la vez. Se suman los productos de cada par de valores que
se alian para generar la correlación en cada índice. Esto es equivalente a obtener la convolución de x[n] y la se-
ñal reflejada h[-ri\. El índice de inicio de la correlación es igual a la suma de los índices de inicio de x[n] y
h[-n].
Similarmente, rhx[n] es igual a la convolución de x[-n] y h[n], y su índice de inicio es igual a la suma de los ín-
dices de inicio de x[-n] y h[ri\. Sin embargo, rxh[n] no es igual a rhx[ri\. Ambos son las versiones reflejada de ca-
da uno y están relacionados por rxh[n] = ^[—n].

RECUADRO DE REPASO 7.14

La correlación es la convolución de una señal con las versiones reflejadas de la otra
rxh[n] = x[n] **h[n] = x[n] * h[—n] ^[n] = h[n] **x[n] = h[n] *x[—n]
Longitud de la correlación: Nx + Nh - 1 Suma de la correlación: ]£ rN = (!C XN)(Z! MnD

7.9.1 Autocorrelación
La correlación r^M de una señal x[n] con ella misma se conoce como autocorrelación. Es una función simétri-
ca par (rxx[n] = r^-n]) con un máximo en n = O y satisface la desigualdad \rxx[n]\ < rxx[Q].
La correlación es un método eficaz para detectar señales ocultas entre el ruido. Esto significa que si se
correlaciona una señal ruidosa con ella misma, la correlación se deberá sólo a la señal presente (si hay alguna)
y exhibirá un pico agudo en n = 0.

RECUADRO DE REPASO 7.15

La autocorrelación siempre es simétrica y par con un máximo en el origen
r

EJEMPLO 7.15 (Autocorrelación discreta y correlación cruzada)

(a) Considere x[n] = anu[n], \ a \ < 1. Ya que x[k - n] = ak~nu[k - n] empieza en k = n, obtenemos la autoco-
rrelación r [n] para n > O como

Ya que la autocorrelación es una función simétrica par, tenemos

188 Capítulo 7 Convolución discreta

(b) Considere x[n] = anu[n]9 \a\ < 1 y y[n] = rect(n/2N). Para encontrar r [n], desplazamos y[k] y sumamos
los productos sobre diferentes intervalos. Ya que y[k - n] desplaza el pulso hacia la derecha sobre los lí-
mites (-N + n, N + n), la correlación r [n] es igual a cero hasta n = -N. Entonces, obtenemos

(alias parcial):

(alias total):

7.9.2 Correlación discreta periódica

Para secuencias periódicas con periodo idéntico N, la correlación discreta periódica se define por analogía con
la correlación continua periódica como

(7.29)

Tal como en la convolución discreta periódica, en ocasiones se incluye un factor de promedio de l/N en la su-
matoria. También podemos encontrar la correlación periódica rxh[n] usando la convolución y la envolvente, y,
usando un periodo de la extensión periódica reflejada de la secuencia h[n],

7.9.3 Aplicaciones de la correlación

La correlación encuentra un uso muy amplio en aplicaciones tales como la determinación de la distancia de
blancos y en la estimación de señales contaminadas con ruido. Para la determinación de la distancia de blancos,
una señal de muestra interrogante x[n] se envía hacia el blanco. La señal reflejada desde el blanco es s[n] =
ax[n- D] + p[n], una versión retrasada (por D) y atenuada (por o) de x[n], contaminada con el ruido p[n]. Si el
ruido no está correlacionado con la señal x[n], su correlación con x[n] es esencialmente cero. La correlación cru-
zada de x[n] y su versión retrasada ax[n - D] produce un resultado con un pico en n = D. Por lo tanto, es muy
sencillo identificar el índice D usando la correlación (en vez de la señal reflejada directamente), aun en presen-
cia de ruido. El índice de retraso D (del viaje redondo) se puede entonces relacionar con la distancia al blanco d,
con d = 0.5vZ>/S, en donde v es la velocidad de propagación y S es la tasa a la cual se muestrea la señal.
Los métodos de correlación se pueden utilizar también para identificar la presencia de una señal periódica
x[n] oculta en una señal ruidosa s[n] = x[n] + p[n], en donde p[n] es la componente del ruido (supuestamente
no correlacionada con la señal), y para extraer a la señal misma. La idea es identificar primero el periodo de la
señal usando la autocorrelación periódica de la señal con ruido. Si la señal con ruido contiene una componente
periódica, la autocorrelación mostrará picos en los múltiplos del periodo N. Una vez que se establece el perio-
do, podemos recuperar x[n] como la correlación cruzada periódica de un tren de impulsos i[n] = 5(n - kN), con
periodo N, y la señal con ruido s[n]. Ya que i[n] no está correlacionada con el ruido, la correlación cruzada pe-
riódica de i[n] y s[n] produce (una versión con amplitud escalada) la señal periódica x[n].

\ RECUADRO DE REPASO 7.16 |

¿Cómo identificar una señal periódica x[n] oculta en una señal ruidosa s[w]?
Encuentre el periodo N usando la autocorrelación periódica de la señal ruidosa s[n],
Encuentre la señal x[n] como la correlación cruzada periódica de s[n] y un tren de impulsos con periodo N.
Capítulo 7 Problemas 189

CAPÍTULO? PROBLEMAS
EJERCICIOS Y REFORZAMIENTO
7.1 (Reflexión) Para cada señal x[n], esboce g[k] = x[3 - k] vs. k y h[k] = x[2 + k] en función de k.

(a) x[n] = {1, 2, 3, 4} (b) x[n] = {3, 3, 3, 2, 2, 2}

7.2 (Convolución con formas cerradas) Encuentre la convolución y[n] = x[n] * h[n] para los siguientes
datos:

7.3 (Convolución de secuencias finitas) Encuentre la convolución y[n] = x[n] * h[n] para los siguientes
pares de datos. Use un marcador para indicar el origen n = 0.

U
7.4 (Propiedades) Usando x[n] = h[n] = {3, 4, 2, 1}. Calcule lo siguiente:

U
7.5 (Propiedades) Usando x[n] = h[n] = {2, 6, O, 4}. Calcule lo siguiente:
(a) y[n] = x[2n] * h[2n]
(b) Encuentre gr[%] = x[n/2] * A[n/2], suponiendo interpolación cero.
(c) Encuentre p[n] = x[n/2] * h[n]9 suponiendo interpolación de escalón donde sea necesario.
(d) Encuentre r[n] = x[n] * h[n/2], suponiendo interpolación lineal donde sea necesario.

7.6 (Aplicación) Considere un filtro promediador de 2 puntos cuya salida presente es igual al promedio de
las entradas presente y previa.
(a) Plantee una ecuación de diferencias para este sistema.
(b) ¿Cuál es la respuesta al impulso de este sistema? ,,
(c) ¿Cuál es la respuesta de este sistema a la secuencia {1, 2, 3, 4, 5}?
(d) Use la convolución para mostrar que el sistema efectúa la operación de promediado requerida.
190 Capítulo 7 Convolución discreta

7.7 (Estabilidad) Investigue la causalidad y estabilidad de los siguientes sistemas.

(a) h[n] = (2)nu[n - 1] (b) y[n] = 2x[n + 1] + 3x[n] - x[n - 1]
n
(c) h[n] = (-0.5) u[n] (d) h[n] = {3,2,1,1,2}
(e) h[n] = (0.5)-nu[-n] (f) h[n] = (0.5)W

7.8 (Convolución periódica) Encuentre la convolución regular y[n] = x[n] * h[n] de un periodo de cada
par de señales periódicas. Después, use la envolvente para calcular la convolución periódica yp[n] = x[n]®
h[ri\. En cada caso, especifique el número mínimo de ceros de relleno que debemos usar si deseamos en-
contrar la convolución regular partiendo de la convolución periódica de las señales rellenadas con ceros.

(a) *[!»] = {}, 2,0,1} h[n] = {2,2,3,0}

(b) z[n] = {0,2,4,6} h(n] = {6,4,2,0}
(c) x[n] = {-3, -2, -1,0,1} h[n] = {4,3,2,0,0}
(d) x[n] = {3,2,1,1,2} h[n] = {4,2,3,2,0}

7.9 (Convolución periódica) Encuentre la convolución periódica yp[n] = x[n] ®fe[n] para cada par de se-
ñales usando la matriz circulante para x[n].

(a) x[n] = {1,2,0,1} h[n] = {2,2,3,0}

(b) x[n] = {0,2,4,6} h[n] = {6,4,2,0}
J|

7.10 (Convolución e interpolación) Considere el siguiente sistema con x[n] = {O, 3, 9,12,15, 18}.

U
(a) Encuentre la respuesta y[n] si N = 2 y la respuesta al impulso del filtro es h[n] = {1, 1}. Muestre
que, excepto por los efectos de terminación, la salida describe una interpolación de escalón entre las
muestras de x[n]. ^
(b) Encuentre la respuesta y[n] si N = 3 y la respuesta al impulso del filtro es h[n] = {1,1, 1}. ¿La sali-
da describe una interpolación de escalón entre las muestras de x[n]7
(c) Determine N y h[n] si el sistema debe efectuar una interpolación de escalón por 4.

7.11 (Convolución e interpolación) Considere el siguiente sistema con x[n] = {O, 3, 9, 12, 15, 18}.

(a) Encuentre la respuesta y[n] si N = 2 y la respuesta al impulso del filtro es h[n] = tri(n/2). Muestre
que, excepto por los efectos de terminación, la salida describe una interpolación lineal entre las
muestras de x[ri\.
(b) Encuentre la respuesta y[n] si N = 3 y la respuesta al impulso del filtro es h[n] = tri(w/3). ¿La sali-
da describe una interpolación lineal entre las muestras de #[w]?
(c) Determine N y h[n] si el sistema debe efectuar una interpolación de escalón por 4.

7.12 (Correlación) Para cada par de señales, calcule la autocorrelación ^[w], la autocorrelación f^[n], la
correlación cruzada rxh[ri\ y la correlación cruzada ^hx[n]. Para cada resultado, indique la posición del
origen n = O con un marcador.
Capítulo 7 Problemas 191

7.13 (Correlación) Considere x[n] = rect[(n - 4)/2] y h[n] = rect [n/4].

(a) Encuentre la autocorrelación ^[n].
(b) Encuentre la autocorrelación rhh[ri\.
(c) Encuentre la correlación cruzada Txh[n].
(d) Encuentre la correlación cruzada Thx[n].
(e) ¿Cómo se relacionan los resultados de los incisos (c) y (d)?
7.14 (Correlación periódica) Para cada par de señales periódicas descritas por un periodo, calcule las au-
tocorrelaciones periódicas rxx[n] y rhh[n], y las correlaciones cruzadas periódicas rxh[n] y rhx[n]. Para ca-
da resultado indique la posición del origen n - O con un marcador.

REPASO E INVESTIGACIÓN
7.15 (Convolución con impulsos) Encuentre la convolución y[n] = x[n] * h[n] de las siguientes señales.

7.16 (Convolución ) Encuentre la convolución y[n] = x[n] * h[n] para cada par de señales.

7.17 (Respuesta al escalón) Dada la respuesta al impulso h[n], encuentre la respuesta al escalón s[n] de
cada sistema.

7.18 (Convolución y respuesta del sistema) Considere el sistema y[n] - Q.5y[n] = x[n].
(a) ¿Cuál es la respuesta al impulso h[n] de este sistema?
(b) Encuentre la salida usando convolución si x[n] = (Q.S)nu[ri\.
192 Capítulo 7 Convolución discreta

(c) Encuentre su salida si x[n] = (O.S)nu[n] y y[-l] = O resolviendo la ecuación de diferencias.

(d) Encuentre su salida si x[n] = (Q.S)nu[ri\ y y[—l]= 2 resolviendo la ecuación de diferencias.
(e) ¿Son algunas de las salidas idénticas? ¿Deberían serlo? Explique.
7.19 (Convolución de secuencias simétricas) La convolución de secuencias que son simétricas respecto
a su punto medio también está dotada de simetría (respecto a su punto medio). Calcule y[n] = x[n] *
h[n] para cada par de señales y use los resultados para establecer el tipo de simetría de la convolución
(respecto al punto medio), si ambas señales involucradas poseen simetría par (respecto al punto medio),
si ambas poseen simetría impar (respecto al punto medio) y si una es de cada tipo.
(a) x[n] = {2, 1, 2} h[n] = {1, O, 1}
(b) x(n] = {2, 1, 2} h[n] = {1, 1}
(c) x[n] = {2, 2} h[n] = {1, 1}
(d) x[n] = {2, O, -2} h[n] = {1, O, -1}
(e) x[n] - {2, O, -2} h[n] = {I, -1}
(f)*[n] = {2, -2} h[n] = {l, -1}
(g) x[n] = {2, 1, 2} h(n] = {1, O, -1}
(h) x[n] - {2, 1, 2} h[n] = {I, -1}
(i) x[n] = {2, 2} h[n] = {1, -1}
-U-
7.20 (Convolución e interpolación) Tomando x[n] = {2,4, 6, 8}.
(a) Encuentre la convolución y[n] = x[n] * x[n].
(b) Encuentre la convolución y^n] - x[2n] * x[2n]. ¿Está y^n] relacionada con y[n]? ¿Debería estarlo?
Explique.
(c) Encuentre la convolución y2[n] = x[n/2] * x[n/2], suponiendo interpolación cero. ¿Está y2[^] rela-
cionada con 2/1X1? ¿Debería estarlo? Explique.
(d) Encuentre la convolución y%[n] = x[n/2] * x[n/2], suponiendo interpolación de escalón. ¿Está y3[n]
relacionada con y[n]? ¿Debería estarlo? Explique.
(e) Encuentre la convolución y± = x[n/2] * x[n/2], suponiendo interpolación lineal. ¿Está y4[n] relacio-
nada con y[n]? ¿Debería estarlo? Explique.

7.21 (Interpolación lineal) Considere un sistema que efectúa interpolación lineal por un factor de N. Una
manera de construir tal sistema, como se muestra, es realizar muéstreos por N (con interpolación cero
entre muestras de la señal) y pasar la señal muestreada a través de un filtro con respuesta al impulso
h[n] cuya salida y[n] es la señal linealmente interpolada.

(a) ¿Cuál debe ser h[n] para la interpolación lineal por un factor de N?
(b) Sea#[w] = 4tri(0.25w). Encuentre y^n] = [n/2] por interpolación lineal.
(c) Encuentre la salida del sistema y[n] para N = 2. ¿Es y[n] igual a y^n]!

7.22 (Causalidad) Argumente por qué la respuesta al impulso h[n] de un sistema causal debe ser cero para
n < 0. Con base en este resultado, si la entrada a un sistema causal empieza en n = nQ, ¿cuándo comien-
za la respuesta?

7.23 (Convolución numérica) La convolución y(f) de dos señales analógicas x(t) y h(t) puede aproximarse
tomando muestras de la señal a intervalos tg para obtener las señales x[n] y h[n]9 y reflejando y despla-
zando las muestras de una función a todo lo largo de la otra en pasos de ts (para alinear las muestras).
En cada instante kts, la convolución es igual a la suma de los productos de las muestras multiplicados
por tg. Esto es equivalente a usar la regla del rectángulo para aproximar el área. Si se obtiene la convo-
lución de x[n] y h[n] usando el método de suma por columnas, las columnas conforman el producto, y su
suma multiplicada por t aproxima y(t) a t = kt .
Capítulo 7 Problemas 193

(a) Sea x(f) = rect(¿/2) y h(t) = rect(£/2). Encuentre y(f) = x(t) * h(f) y calcule y(t) a intervalos de ts = 0.5 s.
(b) Tome muestras de x(t) y h(t) a intervalos de ts = 0.5 s para obtener x[n] y h[ri\. Calcule y[n] = x[ri\*
h[n] y el estimado de la convolución yR(nts) = tsy[ri\. ¿Coinciden con el resultado exacto de y(f) los
valores de yR(nts) en t = nts? Si no, ¿cuáles son las fuentes posibles de error?
(c) Discuta por qué la regla trapezoidal para aproximar la convolución es equivalente a sustraer, del
resultado de la convolución discreta, la mitad de la suma de las dos muestras extremas de cada co-
lumna, y multiplicar por ts. Use esta regla para el estimado de la convolución y^nt^. ¿Coinciden
con el resultado exacto de y(t) los valores de yj(nts) en t - nt¿í Si no, ¿cuáles son las fuentes posibles
de error?
(d) Obtenga estimaciones basadas en la regla del rectángulo y en la regla trapezoidal para la convolu-
ción y(t) de x(t) = 2 tri(t) y h(t) = rect(¿/2) tomando muestras de las señales en intervalos de ts = 0.5 s.
¿De cuál regla esperaría usted obtener una mejor aproximación, y por qué?
7.24 (Convolución) Sea x[n] = rect(w/2) y h[n] = rect(w/4).
(a) Encuentre f[n] = x[n] * x[n] y g[n] = h[n] * h[n],
(b) Exprese estos resultados como/[n] = A tri(n/M) y g[n] = B tri(n/K) seleccionando valores apropia-
dos para las constantes A, Af, B, y K.
(c) Generalice los resultados de la parte superior para mostrar que rect(n/2N) * rect(n/2N) = (2N
+ l)tri( 2¿Vr).
7.25 (Respuesta al impulso de algoritmos de diferencias) Dos sistemas para calcular las diferencias
hacia atrás y hacia adelante son:
Diferencia hacia adelante: yF[n] = x[n + 1] - x[n] Diferencia hacia atrás: yB[n] = x[n] - x[n -1]
(a) ¿Cuál es la respuesta al impulso de cada sistema?
(b) ¿Cuál de estos sistemas es estable? ¿Cuál de los sistemas es causal?
(c) Encuentre la respuesta al impulso de su conexión en paralelo. ¿Es estable el sistema en paralelo?
¿Es causal?
(d) ¿Cuál es la respuesta al impulso de su conexión en cascada? ¿Es estable el sistema en cascada? ¿Es
causal?
7.26 (Respuesta del sistema) Encuentre la respuesta de los siguientes filtros al escalón unitario x[n] =
u[ri\, y al escalón unitario alternante x[n] = (—l)nu[n]9 utilizando conceptos de convolución.
(a) h[n] = ó[n] - 6[n - 1] (operación de diferencia)
U
(b) h[n] = {0.5, 0.5} (promedio de 2 puntos)

(promedio móvil)

(promedio móvil ponderado)

(promedio exponencial)

7.27 (Eigenseñales) ¿Cuál de las siguientes puede ser una eigenseñal de un sistema LTI?

7.28 (Sistemas interconectados) Considere dos sistemas descritos por:

Encuentre la respuesta a la entrada x[n] = (Q.5)nu[ri\ si

194 Capítulo 7 Convolución discreta

(a) Los dos sistemas son conectados en paralelo con a = 0.5.

(b) Los dos sistemas son conectados en paralelo con a = -0.5.
(c) Los dos sistemas son conectados en cascada con a = 0.5.
(d) Los dos sistemas son conectados en cascada con a = -0.5.

7.29 (Sistemas en cascada y en paralelo) Considere el diagrama de la figura P7.29.

Figura P7.29 Diagrama del sistema para el problema 7.29

(a) Encuentre su respuesta al impulso si a =£ /?. ¿Es el sistema total FIR o IIR?
(b) Encuentre su respuesta al impulso si a = /J. ¿Es el sistema total FIR o IIR?
(c) Encuentre su respuesta al impulso si a = j3 = 1. ¿Qué representa el sistema completo?

7.30 (Sistemas en cascada) La respuesta al impulso de dos sistemas en cascada es igual a la convolución
de sus respuestas al impulso. ¿Es la respuesta al escalón sc[n] de dos sistemas en cascada igual a s^n] *
s2[ri\, la convolución de sus respuestas de escalón? Si no, ¿cómo se relaciona sc[n] con s^n] y s2[n]t

7.31 (Sistemas en cascada) El sistema 1 es un circuito que eleva al cuadrado, y el sistema 2 es un prome-
diador exponencial descrito por h[n] = (Q.5)nu[ri\. Encuentre la salida de cada combinación en cascada.
¿Será su salida idéntica? ¿Debería ser? Explique.
(a) 2(0.5)nu[n] —
(b) 2(0.5)nw[n] —

7.32 (Sistemas en cascada) El sistema 1 es un filtro IIR con la ecuación de diferencias y[n] = Q.5y[n - 1]
+ x[n], y el sistema 2 es un filtro con respuesta al impulso h[n] = 8[ri\ - 8[n - 1]. Encuentre la salida de
cada combinación en cascada. ¿Será su salida idéntica? ¿Debería ser? Explique.

(a) 2(0.5)*fi[n; 2/N

(b) 2(0.5)nu[n >y[n]
7.33 (Sistemas en cascada) El sistema 1 es un filtro IIR con la ecuación de diferencias y[n] = 0.5y[n - 1]
+ #M, y el sistema 2 es un filtro con respuesta al impulso h[n] = 8[n] - (O.S)nu[n\.
(a) Encuentre la respuesta al impulso hp[n] de su conexión en paralelo.
(b) Encuentre la respuesta al impulso hl2[n] de la cascada del sistema 1 y el sistema 2.
(c) Encuentre la respuesta al impulso h2l[n] de la cascada del sistema 2 y el sistema 1.
(d) ¿Son idénticos hl2[n] y h2l[ri\t? ¿Deberían ser? Explique.
(e) Encuentre la respuesta al impulso hj[n] de un sistema cuya conexión en paralelo con hl2[n] da
hp[n].
Capítulo 7 Problemas 195

7.34 (Sistemas en cascada) El sistema 1 es un filtro pasa-bajas descrito por y[n] = Q.5y[n - 1] + x[n], y el
sistema dos es descrito por h[n] = S[n] - Q.58[n - 1].
(a) ¿Cuál es la salida del sistema en cascada a la entrada x[n] = 2(Q.5)nu[n]f?
(b) ¿Cuál es la salida del sistema en cascada a la entrada x[n]= 5[^]?
(c) ¿Cómo se relacionan los dos sistemas?

7.35 (Convolución periódica) Considere un sistema cuya respuesta al impulso es h[n] = (O.S)nu[n\. Mues-
tre que un periodo de su extensión periódica con periodo N está dado por
N-l.
Use este resultado para encontrar la respuesta de este sistema a las siguientes entradas periódicas.
(a) x[n] = cos(nTr) (b) x[n] = {l, 1, O, 0}, con N = 4
(c) x[n] = cos(0.5n7r) (d) x[n] = (0.5)n, O < n < 3, con N = 4

7.36 (Convolución en la práctica) Frecuentemente, la convolución de una secuencia larga x[n] y una secuen-
cia corta h[n] se efectúa partiendo la secuencia larga en partes más cortas, encontrando la convolución de
cada parte corta con h[n], y "pegando" los resultados. Sea x[n] - {1,1, 2, 3, 5, 4, 3,1} y h[n] - {4, 3, 2,1}.
(a) Parta x[n] en dos secuencias iguales x^n] - {1, 1, 2, 3} y x2[n] = {5, 4, 3, 1}.
(b) Encuentre la convolución y^n] = h[n] * xl\n[.
(c) Encuentre la convolución y2[n] = h[n] * x2[ri¡.
(d) Encuentre la convolución y[n] = h[n] * x[ri\.
(e) ¿Cómo puede encontrar y[n] de y^n] y y2[n]? (Sugerencia: desplace y2M y use superposición. Esto
forma la base para el método de convolución de alias y suma que se discute en el capítulo 16.)

7.37 (Correlación) Encuentre la correlación rxh[n] de las siguientes señales.

(a) x[n] = anu[n] h[n] = anu[n]
(b) x[n] = nanu[n] h[n] = anu[n]
(c) x[n] = rect(n/2AO h[n] = iect(n/2N)

7.38 (Media y varianza usando la autocorrelación) El valor medio mx de una señal aleatoria x[n] (con un
valor medio distinto de cero) puede calcularse de su función de autocorrelación rxx[n] como m2x = lím ^[n],
|w|—> 00
La varianza de x[n] está entonces dada por o2x = rxx(0) - m2x. Encuentre la media, varianza y potencia
promedio de una señal aleatoria cuya función íde autocorrelación es

COMPUTO Y DISEÑO
dtcongui Una GUI para la visualización de la convolución discreta
La interfaz gráfica para usuarios dtcongui permite visualizar una película de la convolución o corre-
lación de dos señales discretas en tiempo.
Usted puede seleccionar las señales y la operación (convolución o correlación).
La interfaz presenta una película de cómo la función producto y los resultados de la convolución o
correlación cambian mientras una función se desliza a lo largo de la otra.
Use el ratón para deslizar manualmente una función a lo largo de la otra y vea cambiar los resultados.
Para explorar esta rutina, teclee dtcongui en la línea de comandos de MATLAB.
196 Capítulo 7 Convolución discreta

7.39 (Forma no recursiva de filtros IIR) Un filtro FIR siempre puede representarse exactamente en for-
ma recursiva, pero un filtro IIR sólo puede representarse aproximadamente por un filtro FIR truncando
su respuesta al impulso a N términos. Mientras mayor sea el índice de truncado N, la aproximación será
mejor. Considere el filtro IIR descrito por y[ri\- O.Sy[n - 1] = x[n]. Encuentre su respuesta al impulso
h[n] y trúnquela a 20 términos para obtener hA[ri\, la respuesta al impulso del FIR equivalente aproxi-
mado. Si se tienen entradas idénticas, ¿para qué valores de n, altos o bajos, esperaría la mayor discre-
pancia en la respuesta de los dos filtros?
(a) Use la rutina f ilter de MATLAB para encontrar y comparar la respuesta al escalón de los dos fil-
tros hasta n = 15. ¿Hay algunas diferencias? ¿Debería haberlas? Repita el ejercicio extendiendo la
respuesta hasta n = 30. ¿Hay algunas diferencias? ¿Por cuántos términos permanece idéntica
la respuesta de los dos sistemas, y por qué?
(b) Use la rutina f ilter de MATLAB para encontrar y comparar la respuesta a x[n] = 1, O < n < 10 pa-
ra cada filtro hasta n = 15. ¿Hay algunas diferencias? ¿Debería haberlas? Repita el ejercicio exten-
diendo la respuesta hasta n = 30. ¿Hay algunas diferencias? ¿Por cuántos términos permanece
idéntica la respuesta de los dos sistemas, y por qué?

7.40 (Convolución de secuencias simétricas) La convolución de secuencias que son simétricas respecto
a su punto medio también está dotada de simetría (respecto a su punto medio). Use el comando conv de
MATLAB para encontrar la convolución de las secuencias siguientes y establecer el tipo de simetría (res-
pecto a su punto medio) en la convolución.
(a) x[n] = sen(0.2n7r), -10 < n < 10 h[n] = sen(0.2n7r), -10 < n < 10
(b) x[n] = sen(0.2n7r), -10 < n < 10 h[n] = cos(0.2n7r), -10 < n < 10
(c) x[n] = cos(0.2n7r), -10 < n < 10 h[n] = cos(0.2n?r), -10 < n < 10
(d) x[n] = senc(0.2n), -10 < n < 10 h[n] = senc(0.2n), -10 < n < 10

7.41 (Extrayendo señales periódicas ocultas entre ruido) La extracción de señales periódicas ocultas
en ruido requiere de la autocorrelación (para identificar el periodo) y de la correlación cruzada (para re-
cuperar la señal misma).
(a) Genere la señal x[n] = sen(0.1w7r), O < n < 499. Agregue algo de ruido aleatorio uniforme (con una
amplitud de ruido de 2 y una media de 0) para obtener la señal ruidosa s[n]. Grafique cada señal.
¿Se puede identificar alguna periodicidad de la gráfica de x[ri\? Si es así, ¿cuál es el periodo AT? ¿Se
puede identificar alguna periodicidad de la gráfica de s[w]?
(b) Obtenga la autocorrelación periódica r [n] de x[n] y grafique. ¿Se puede identificar alguna periodi-
cidad de la gráfica de r [n]? Si es así, ¿cuál es el periodo N? ¿Es el mismo que el periodo de x[n]?
(c) Use el valor de N encontrado arriba (o identifique N de x[ri\, si no lo encontró) para generar el tren
de impulsos de 500 muestras i[n] = Z<5[w - kN], O < n < 499. Encuentre la correlación cruzada pe-
riódica y[n] de s[n] e i[ri\. Escoja un factor de normalización que haga al valor pico de y[n] la uni-
dad. ¿Cómo se relaciona el factor de normalización con la longitud de la señal y el periodo AT?
(d) Grafique y[n] y x[n] en la misma gráfica. ¿Es y[n] una buena aproximación de #[w]? Explique cómo
puede mejorar sus resultados.