Medición e Instrumentación, 2015.

División de Ciencias e Ingenierías. Campus León. Universidad de Guanajuato.

Practica 3: Espectro de Frecuencias de una señal periódica

Farías González Fernanado Javier

Sanchez Villanueva Juan Diego
Segoviano Arias Paola

Docente: Dr. J. Alberto Aguilar Mora

División de Ciencias e Ingenierías, Campus León. Universidad de Guanajuato
Lomas del Bosque 103, Frac. Lomas del Campestre, León GTO., México

Introducción.
El propósito u objetivo de este esta sesión fue observar y determinar el espectro de frecuencia de una señal
periódica usando la serie de Fourier.

Muchas ecuaciones de las ciencias se formulan con derivadas parciales y se resuelven, en ocasiones,
descomponiendo la incógnita en series (sumas infinitas). Las series más interesantes son las de potencias y
por supuesto las de Fourier. Dado el carácter periódico de tales sumas, las series de Fourier se aplican, por
ejemplo, donde surgen procesos oscilantes, como ocurre en las series temporales de naturaleza económica,
en electrónica (se aplican por ejemplo en teoría de señales), en acústica o en óptica. Los problemas teóricos
relacionados con la convergencia de las series de Fourier han impulsado avances fundamentales en distintos
ámbitos de las matemáticas y siguen siendo considerados hoy como problemas muy difíciles.

Las series de Fourier son de gran importancia ya que tienen muchas aplicaciones dentro de los campos de la
física y de la matemática entre otros. La idea básica de las series de Fourier es que toda función periódica de
periodo T puede ser expresada como una suma trigonométrica de senos y cosenos del mismo periodo T
(ecuacion 1). Este problema aparece por ejemplo en astronomía en donde Neugebauer (1952) descubrió que
los Babilonios utilizaron una forma primitiva de las series de Fourier en la predicción de ciertos eventos
celestiales.

(1)

1
 Fig. 1 Ejemplo de una function periodica.

Metodologia e implementación.

Para llevar a cabo esta práctica se usó el siguiente material y equipo

1.- Material:
 Osciloscopio digital Tektronix-TBS1102.
 Plug de 3.5mm doble.
 Matlab.

2. Encuentrar la descomposición en series de Fourier para las siguientes funciones

a. Tren de pulsos unitario, con una frecuencia de 8000 Hz

b. Función diente de sierra a una frecuencia de 8000 Hz

3. Una vez calculados los coeficientes de la serie de Fourier desarrolle un programa en Matlab, que sea
capaz de hacer la reconstrucción de la forma de la señal original hasta el k-esimo armónico.

4. Graficar el espectro de frecuencias de las señales hasta el 9 armónico

Fig. 2

5. Usando el comando de Matlab “wavplay” despliegue desde la computadora, como se muestra en la Figura
2, la reconstrucción de las señales para 2, 4, 8 y 32 armónicos. (Tenga mucho cuidado de no hacer corto con
la conexión del Jack, recuerde que el interno es tierra y el externo o superior es el voltaje)

6. Usando la función de FFT del osciloscopio capture los espectros de frecuencia de la señal y compare los
resultados obtenidos.

7. Grabe la frase “Esto es parte de la primera práctica del laboratorio de la materia de medción e
instrumentacón” usando el comando audiowrite o wavrite, dependiendo de su versión de matlab. La frase
debe ser grabada por ambos miembros del equipo de laboratorio.

2
8. Analice el espectro de frecuencia de las señales de la misma manera que lo hizo en el punto 5, capture el
espectro de frecuencia y observe las frecuencias máximas de la señal. Observe la diferencia entre el tono de
voz y el espectro observado.

Codigo Matlab

clc
close all
clear all
f=8000;
%Fs = 44100;
T=1/f;

%ts=1/Fs
%t=0:ts:10;
t=linspace(0,10*T,1024);
Vm=1;
N=30;
f=zeros(size(t));
a0=1;

for n=1:N
an=((8000*16000)/((16000*pi*n)^2))*((cos(2*pi*n)-1)+((2*pi*n)*sin(2*pi*n)));
An=an*cos(2*pi*n*t/T);
bn=((8000*16000)/((16000*pi*n)^2))*(sin(2*pi*n)-((2*pi*n)*cos(2*pi*n)));
Bn=bn*sin(2*pi*n*t/T);

f=f+An+Bn;
E(n)=sqrt(an^2+bn^2); %para el espectro
P(n)=atan(bn/an);
end
f1=f+a0;

THD=(sum(E) -E(1))/E(1);
Edb=abs(E);
figure(1);
plot(t,f1); %Fenomeno de Gibbs cuando hay oscilaciones en la grafica, se reduce si
aumentas el numero de armonicos
title('Dientes de Sierra');
figure(2)
subplot(2,1,1);
stem(E);
xlabel('Frecuencia Hz');
ylabel('Magnitud');
title('Analisis espectral de la sierra');
subplot(2,1,2);
stem(P);
xlabel('Frecuencia (Hz)');
ylabel('Phase');
title('Diagrama de fase');

%parecida a una senoidal entonces se debe alimentar con otra

% y = wavrecord(2*Fs,Fs,1);
% sound(f1,Fs);
% wavwrite(f1,Fs);

3
Análisis e Interpretación de los resultados Obtenidos

A continuacion se presentan los resultados obtenidos, de acuerdo a la metodologia seguida.

1.- Se calcularon los coeficientes de la serie de Fourier para un tren de pulsos unitarios y para la grafica de
dientes de sierras, se uso el siguiente código en Matlab para reconstruir las señales y realizar el análisis
espectral hasta el 9no armonico resultando lo siguiente:

Coeficientes:

a0=1;
an=((8000*16000)/((16000*pi*n)^2))*((cos(2*pi*n)-1)+((2*pi*n)*sin(2*pi*n)));
bn=((8000*16000)/((16000*pi*n)^2))*(sin(2*pi*n)-((2*pi*n)*cos(2*pi*n)));

Fig. 3 Reconstruccion de la señal con los coeficientes calculados de las serie de Fourier.

4
 Fig. 4

Coeficientes de la segunda función:

a0=0;
an=0;
bn=(2-2*(-1)^n)/(pi*n);

Fig.5 Donde se muestra la reconstrucción del tren de pulsos.

5
 Fig. 6

2.- Se uso el comando wavrecord y wavplay para ver las señales en el osciloscopio:

Funcion Tren de pulsos. 2 Armónicos

Función tren de Pulsos

Señal Reconstruida en osciloscopio FFT

6
Funcion Tren de pulsos. 4 Armónicos

Funciòn tren de Pulsos

Señal Reconstruida en osciloscopio FFT

Funcion Tren de pulsos. 8 Armónicos

Funciòn tren de Pulsos

Señal Reconstruida en osciloscopio FFT

7
Funcion Tren de pulsos. 32 Armónicos

Funciòn tren de Pulsos

Señal Reconstruida en osciloscopio FFT

Funciòn Dientes de Sierra. 2 Armónicos

Función Dientes deSierra

Señal Reconstruida en osciloscopio FFT

8
Función Dientes de Sierra. 4 Armónicos

Función Dientes deSierra

Señal Reconstruida en osciloscopio FFT

Función Dientes de Sierra. 8 Armónicos

Función Dientes deSierra

Señal Reconstruida en osciloscopio FFT

9
Función Dientes de Sierra. 32 Armónicos

Función Dientes deSierra

Señal Reconstruida en osciloscopio FFT

3.- Ahora se hizo para las voces de los miembros del equipo:

Sujeto 1: Paola

Señal Reconstruida en osciloscopio FFT

10
 Sujeto 2: Diego

Señal Reconstruida en osciloscopio FFT

Sujeto 3: Fernando

Señal Reconstruida en osciloscopio FFT

11
Conclusiones

Sanchez Villanueva Juan

Las series de Fourier son de gran utilidad sobre todo en nuestra carrera ya que asi podemos entender mejor
como se procesan las señales y como se envía la información a través de estas.

Farías Gonzalez Fernando

Segoviano Arias Paola

Referencias
[1] A student’s guide to Fourier transforms with applications in phisics and engineering, J. F. James, Third
edition.
[2] http://abcmatematico.blogspot.mx

12