Primer ejercicio de evaluación

El propósito de este ejercicio es implementar en Matlab el desarrollo en serie de Fourier de una

señal periódica dada, así como realizar el proceso inverso: a partir de los coeficientes de Fourier,
recuperar la señal en el tiempo original. Dicha señal se adjunta y lleva por nombre “periodic”.
Para conocer su forma, podemos plotearla en Matlab, y veremos una gráfica del tipo de la
siguiente.

La obtención del espectro discreto de tal señal se llevará a cabo mediante el desarrollo en series
de Fourier:

1
Ck = X ( k ) = ∫ x p ( t ) ⋅ exp ( − jk 2π F0t ) dt (1)
T0 T0

Como hay que integrar en un periodo, lo primero que tenemos que hacer es encontrar dicho
periodo. Pero hay que tener en cuenta que, aunque la señal representada es continua,
realmente Matlab nos da una señal discreta; esto es, periodic es una secuencia numérica. Por
tanto, tenemos que averiguar cuál es el periodo (cuál es el número N de muestras que tiene
cada periodo), cosa que no es difícil pues consiste en ver cada cuánto se repiten los mismos
valores. A continuación, debemos aislar un periodo para realizar la integración.

Por otra parte, hay que determinar el tiempo que dura cada periodo, esto es, debemos elegir el
periodo de la señal. En efecto, al tratarse de una secuencia numérica de N elementos por
periodo, no tenemos información acerca de su duración. Para conocerla, nos deberían dar algún
dato más como, por ejemplo, cuál es el periodo de muestreo (distancia entre dos muestras en
el tiempo), de forma que, si Ts es el periodo de muestreo, el periodo completo sería To=NTs.
Pero en realidad, nuestro proceso va a ser el mismo sea cual fuere la duración. Si se pide elegir
una duración, es para poder poner en la realidad nuestro caso, ya que de ella depende el rango
de frecuencias en el que la señal es significativa. Por ejemplo, si decidimos que el periodo de
muestreo de la señal de la gráfica de la figura anterior es Ts=2 µs, y hemos averiguado que cada
periodo contiene N=200 muestras, sabremos que el periodo de la señal dura To=N·Ts=400 µs.
Al mismo tiempo sabremos que la frecuencia Fo=1/To=2.5 KHz. Y la frecuencia Fo es la distancia
en frecuencia entre los elementos del espectro (las componentes Ck).

El caso de la figura presenta un muestreo demasiado grueso para realizar una integral, pero se
trata de visualizar lo que acabamos de decir: si ahora To=50 ms, como el número de muestras
por periodo es de N=20, el periodo de muestreo Ts=To/N=50/20=2.5 ms.
Corresponde ahora realizar la integral de ( 1 ). Tenemos que tener en cuenta que aunque
estemos considerando una señal continua, realmente lo que estamos procesando es una señal
discreta, y aunque fuera realmente continua, si queremos resolver la integral de una función
que no tiene expresión analítica, no nos queda otro remedio que realizarla numéricamente. Para
ello, es necesario muestrear la función a integrar con un muestreo lo suficientemente fino como
para que el resultado se ajuste a la realidad. Si tomamos una función cualquiera como la de la
figura siguiente, donde el muestreo se ha puesto de forma visible, la integral en el intervalo
consistirá en la suma de todos los valores de las muestras, multiplicada por la diferencial de t
(dt) que evidentemente coincide con el periodo de muestreo Ts, como se indica en la figura. En
efecto, el valor de una muestra multiplicado por la dt es el área del rectángulo definido por la
muestra y el diferencial.

Es bien conocido que la integral propiamente dicha es esta suma cuando dt → 0, de ahí que el
muestreo tenga que ser lo suficientemente fino. No obstante, cuando profundicemos en el
tratamiento de señal, veremos que la única condición es muestrear por encima de la frecuencia
de Nyquist. En la secuencia numérica periodic, que no es otra cosa que una secuencia de
muestras de la señal, se da por hecho que el muestreo es suficientemente fino. En nuestro caso,
sin embargo, la función a integrar es compleja, no real (ver ( 1 )), pero el procedimiento sigue
siendo exactamente el mismo.

En definitiva, la obtención del espectro se realizará numéricamente con arreglo a la siguiente

expresión:

1 1  N −1 
=Ck
T0 ∫ T0
x p ( t ) ⋅ exp ( − jk Ω0t ) dt ⇒  ∑
T0  n =0
x p ( nTs ).exp ( − j 2π kF0 ·nTs
= )·Ts

(2)
 Ts 1  1  N −1  k 
=  F0 ·T=
s = =  ∑
T0 N  T0  n =0
x p ( nTs ).exp  − j 2π n  ·Ts
 N 

donde x p ( nTs ) no es otra cosa que la secuencia propuesta (periodic). La solución se puede
encontrar, tanto mediante la primera sumatoria como con la segunda en ( 2 ). Ambas son
igualmente válidas y depende de cómo lo vea mejor cada uno. Solamente conviene comentar
que con la segunda sumatoria hemos llegado sin proponérnoslo a la transformada discreta de
Fourier, aunque dicha transformada se verá en clase de una manera más formal. Por otra parte,
a partir de ( 2 ) debemos obtener todos los coeficientes que sean significativos. Obviamente, no
van a ser significativos hasta el infinito, aunque la expresión formal esté extendida hasta el
infinito para poder ser totalmente genérica. La mejor forma de asegurarnos de ello, como se
verá más adelante en el curso, es obtener un número de coeficientes igual a N, y no más, es
decir, si N es par, podríamos obtener los coeficientes Ck con k entre –N/2 y +N/2-1.

Una vez conseguido esto, solamente nos queda realizar el proceso inverso para recuperar la
señal original. Como es sabido,

∞
xp (t )
= ∑C
k = −∞
k ⋅ exp ( jk 2π F0t ) (3)

Ya tenemos todos los valores significativos de Ck, de forma que la operación ( 3 ) no debería
revestir dificultad.

El programa a realizar deberá dar como resultado una figura como la siguiente,
independientemente de que se generen figuras adicionales si uno lo considera conveniente.