Академический Документы
Профессиональный Документы
Культура Документы
PRESENTADO POR:
JUAN FERNANDO CASTRILLON
CÓD.: 71293505
LEONARDOQUINTERO
CÓD.:
JULIÁN ANDRÉS TORO
CÓD.: 14801079
ALEXIS PEDROZA
COD: 67032716
JAIME ANDRES PEREA
COD.: 1113667509
CURSO
203042_34
TUTOR:
FREDDY VALDERRAMA
Con la misma premisa anterior, es necesario estudiar señales desde el punto de vista de
la frecuencia, dominio de frecuencia, perspectiva un poco diferente a lo que se ha
estudiado en cursos anteriores donde el análisis se desarrolla desde el dominio del
tiempo, las series de Fourier permiten matemáticamente realizar esta conversión de
dominio de manera tal que es posible realizar análisis y tratamiento a las señales desde el
dominio de frecuencia.
Objetivos
• Comprender el concepto de convolución entre señales, de igual
manera la técnica para determinarla analíticamente.
• Determinar mediante el método de tabulación o lápiz y papel la
respuesta de un sistema, apropiándose del procedimiento para
aprenderlo.
• Estudiar y entender las series de Fourier a través de los conceptos
y demostraciones matemáticas de la manera como se llevan a cabo.
ACTIVIDADES A DESARROLLAR
Ejemplos:
- Señales de audio en equipos electrónicos
- Señales electrónicas en todo tipo de dispositivos.
EJERCICIO:
Ítem grupal
𝑥(𝑡) = (𝑎 − 𝑒 −𝑎𝑡 )𝑢(𝑡)
ℎ(𝑡) = 𝑒 −𝑎𝑡 𝑢(𝑡 − 𝑎)
convolución analítica
𝛼
𝑦(𝑡) = 𝑥(𝑡) 𝑥 ℎ(𝑡) ∫ 𝑥(𝜆). ℎ(𝑡 − 𝜆)𝑑𝜆
−𝛼
Remplazando
𝛼
𝑦(𝑡) = ∫ (4 − 𝑒 −4𝜆 )𝑢(𝜆) ∗ 𝑒 −4𝑡+4𝜆 𝑢(𝑡 − 𝜆 − 4) 𝑑𝜆
−𝛼
Organizando
𝛼
𝑦(𝑡) = ∫ (4 − 𝑒 −4𝜆 ) ∗ 𝑒 −4𝑡+4𝜆 ∗ 𝑢(𝜆) ∗ 𝑢(𝑡 − 𝜆 − 4) 𝑑𝜆
−𝛼
Distribuyendo
𝑡−4 𝑡−4
−4𝑡+4𝜆
𝑦(𝑡) = 4 ∫ 𝑒 𝑑𝜆 − ∫ 𝑒 −4𝜆 𝑒 −4𝑡+4𝜆 𝑑𝜆
0 0
Entonces
𝑡−4 𝑡−4
−4𝑡 4𝜆 −4𝑡
𝑦(𝑡) = 4𝑒 ∫ 𝑒 𝑑𝜆 − 𝑒 ∫ 𝑒 −4𝜆 𝑒 4𝜆 𝑑𝜆
0 0
Dando
𝑡−4 𝑡−4
𝑦(𝑡) = 4𝑒 −4𝑡 ∫ 𝑒 4𝜆 𝑑𝜆 − 𝑒 −4𝑡 ∫ 1 𝑑𝜆
0 0
integrando
𝑒 4𝜆 𝑡 − 4 𝑡−4
𝑦(𝑡) = 4𝑒 −4𝑡 ∗ ( )| − 𝑒 −4𝑡 (𝜆)|
4 0 0
evaluando
−4𝑡
𝑒 4(𝑡−4) 𝑒 4(0)
𝑦(𝑡) = 4𝑒 ∗( − ) − 𝑒 −4𝑡 ∗ (𝑡 − 4)
4 4
Simplificando
𝑒 4𝑡−16 1
𝑦(𝑡) = 4𝑒 −4𝑡 ∗ ( − ) − 𝑒 −4𝑡 ∗ (𝑡 − 4)
4 4
Desarrollando
𝑒 4𝑡 𝑒 −16 1
𝑦(𝑡) = 4𝑒 −4𝑡 ∗ ( − ) − 𝑒 −4𝑡 ∗ (𝑡 − 4)
4 4
4𝑒 −4𝑡 𝑒 4𝑡 𝑒 −16 4𝑒 −4𝑡
𝑦(𝑡) = ( )−( ) − 𝑒 −4𝑡 𝑡 + 4𝑒 −4𝑡
4 4
números a trabajar
𝑥[𝑛] = [−1,4, 2̌, 4,5,4]
ℎ[𝑛] = [ 2.5,5,0.5]
𝑖𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑖𝑛𝑖𝑐𝑖𝑜 = −2 − 1 = −3
𝑖𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑐𝑖𝑜𝑛 = 3 + 1 = 4
𝐿𝑜𝑛𝑔𝑖𝑡𝑢𝑑: 𝐿𝑥 + 𝐿𝑦 − 1 = 6 + 3 − 1 = 8
n = -2 -1 0 1 2 3
x[n] -1 4 2 4 5 4
=
h[n] 2,5 5 0,5
=
-2,5 10 5 10 12,5 10
-5 20 10 20 25 20
-0,5 2 1 2 2,5 2
-2,5 5 24,5 22 33,5 37 22,5 2
ConDis=conv(Xn,Hn);
ncon=(-4:1:6);
subplot(3,1,3)
stem(ncon,ConDis,'b')
grid
title ('convolución discreta x[n]*h[n] - Juan Fernando Castrillón')
xlabel ('n')
ylabel ('Amplitud')
xlim([-4,5])
2.4. Ejercicio 4 – Transformada de Fourier: Usando como guía los ejemplos 9.5
de las páginas 259 del libro Ambardar y las tablas 9.1 y 9.2, determine la
transformada de Fourier de las señales 𝑥(𝑡) y 𝑦(𝑡), usando pares de
transformadas y propiedades reconocibles. Posteriormente verifique su
respuesta diseñando un script con la combinación lineal de señales usadas
para obtener x(t) y y(t), en Matlab u Octave y anexe el resultado junto con
el script (práctica):
X(t)
1
+5 +10 t
-1
La Señal
𝑥(𝑡) = −𝑢(𝑡) + 𝑢(𝑡 − 5) + 𝑢(𝑡 − 5) − 𝑢(𝑡 − 10)
La transformada de Fourier es
1 1 −5𝑗𝑤 1 −5𝑗𝑤 1 −10𝑗𝑤
𝑥(𝑓) = −𝜋𝛿(𝑤) − + 𝜋𝛿(𝑤) + 𝑒 + 𝜋𝛿(𝑤) + 𝑒 − 𝜋𝛿(𝑤) − 𝑒
𝑗𝑤 𝑗𝑤 𝑗𝑤 𝑗𝑤
Queda
1 1 −5𝑗𝑤 1 −10𝑗𝑤
𝑥(𝑓) = −𝜋𝛿(𝑤) − + 2 (𝜋𝛿(𝑤) − 𝑒 ) − 𝜋𝛿(𝑤) − 𝑒
𝑗𝑤 𝑗𝑤 𝑗𝑤
En términos de Laplace
1 𝑒 −5𝑠 𝑒 −10𝑠
𝑥(𝑓) = − + 2 −
𝑠 𝑠 𝑠
clear all
clc
syms t
rect_1=-heaviside(t)+heaviside(t-5);
rect_2=heaviside(t-5)-heaviside(t-10);
rect_3=rect_1+rect_2;
fplot(rect_1,'m','linewidth',2)
hold on
fplot(rect_2,'y','linewidth',2)
hold on
fplot(rect_3,'r','linewidth',1)
grid on
title('señal x(t) - Juan Fernando Castrillón ')
xlabel ('Tiempo')
ylabel ('Amplitud')
xlim ([-1 11]);
TL=laplace(rect_3)
2.4. Ejercicio 4 – Transformada de Fourier: Usando como guía los ejemplos 9.5
de las páginas 259 del libro Ambardar y las tablas 9.1 y 9.2, determine la
transformada de Fourier de las señales 𝑥(𝑡) y 𝑦(𝑡), usando pares de
transformadas y propiedades reconocibles. Posteriormente verifique su
respuesta diseñando un script con la combinación lineal de señales usadas
para obtener x(t) y y(t), en Matlab u Octave y anexe el resultado junto con
el script (práctica):
0 +8 t
La Señal
2𝜋𝑡 𝑡
𝑦(𝑡) = sin ( ) ∗ (𝑟𝑒𝑐𝑡 ( − 4) )
16 8
La transformada de Fourier
𝑤
1 1 𝑠𝑒𝑛𝑐 𝜋
𝑦(𝑓) = 𝑗𝜋 [𝛿 (𝑤 + 2𝜋 ∗ ) − 𝛿 (𝑤 − 2𝜋 ∗ )] ∗ [ ∗ 𝑒 −4𝑗𝑤 ]
16 16 8
clc
clear all
% señal senoidal
syms t
sen=sin(2*t*pi/16);
fplot(sen,'c','linewidth',1)
grid on
hold on
%señal escalones
%señal rect (t)
rect=rectangularPulse((1/8)*(t-4));
fplot(rect,'r','linewidth',1)
hold on
y=rect.*sen;
%señal solicitada
fplot(y,'b','linewidth',3)
hold on
title('señal x(t) - Juan Fernando Castrillón ')
xlabel ('Tiempo')
ylabel ('Amplitud')
xlim ([-1 9]);
TL=laplace(y)
pretty(TL)
Imagen tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:Z361zPMM@4/Convoluci%C3%B3n-
de-Tiempo-Continuo
Reflejada y Desplazada
Ahora tomemos una de las funciones y los reflejos a través del eje de la y.
Después de que podamos desplazar la función, así como el origen,
el punto de la función que originalmente estaba en el origen, está marcada
como el punto τ. Este paso se muestra en la siguiente figura, h( t - τ). Sin
embargo, esta función no se refleja, no importa qué función se ha reflejado
y desplazado, sin embargo, se ha confirmado que las funciones son más
complicadas.
Imagen tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:Z361zPMM@4/Convoluci%C3%B3n-
de-Tiempo-Continuo
Resultados de la convolución:
Imagen tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:Z361zPMM@4/Convoluci%C3%B3n-
de-Tiempo-Continuo
Convolución discreta:
Su finalidad es igual a la Convolución continua, el movimiento a través de la
señal es una manera común de presentar la convolución, ya que se
demuestra como la convolución construye el resultado a través del eje del
tiempo. Se define como:
Ejemplo
Imagen tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:mpDxJkZ7@4/Convoluci%C3%B3n-
Discreta
Imagen tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:mpDxJkZ7@4/Convoluci%C3%B3n-
Discreta
Imagen tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:mpDxJkZ7@4/Convoluci%C3%B3n-
Discreta
Imagen tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:mpDxJkZ7@4/Convoluci%C3%B3n-
Discreta
Imagen tomada de
http://www6.uniovi.es/vision/intro/node31.html#SECTION0035100000000000
0000
1.4 Explique qué es auto correlación y de un (1) ejemplo de uso y/o
aplicación en la ingeniería.
Autocorrelación: Es la correlación de una señal consigo misma.
Ejemplo: En el procesado de señal, la autocorrelación proporciona
información sobre las periodicidades de la señal y sus frecuencias
características como los armónicos de una nota musical producida por un
instrumento determinado (tono y timbre).
1.5 ¿Cuál es la diferencia de correlación continua y correlación discreta?
La correlación continua es una operación que aplica para dos señales
idénticas en cambio la correlación discreta es una medida de similitud entre
dos señales.
1.6 ¿Qué son las series de Fourier?
Las series de Fourier son series de términos coseno y seno mucho más simples
que surgen en la tarea práctica de representar funciones periódicas
generales.
Fourier demostró que una señal de este tipo es equivalente a una colección
de funciones senos y cosenos cuyos frecuencias son múltiplos del recíproco
del periodo de la señal de tiempo.
1.7 ¿Qué es la transformada Continua de Fourier? De dos (2) ejemplos de uso
y/o aplicación en la ingeniería.
Es una transformación matemática empleada para transformar señales
entre el dominio del tiempo (o espacial) y el dominio de la frecuencia, que
tiene muchas aplicaciones en la física y la ingeniería.
Aplicaciones:
La transformada de Fourier se utiliza en el ámbito del tratamiento digital de
imágenes, como por ejemplo para mejorar o definir más ciertas zonas de
una imagen fotográfica o tomada con una computadora,
Para el diseño de filtros de radiotransistores.
1)
𝑥(𝑡) = (𝑎 − 𝑒 −𝑎𝑡 )𝑢(𝑡)
ℎ(𝑡) = 𝑒 −𝑎𝑡 𝑢(𝑡 − 𝑎)
Re expresamos las ecuaciones como:
𝑥(𝜆) = (𝑎 − 𝑒 −𝑎𝜆 )𝑢(𝜆)
ℎ(𝑡 − 𝜆) = 𝑒 −𝑎(𝑡−𝜆) 𝑢(𝑡 − 𝜆 − 𝑎)
Hacemos la convolución,
−∞
𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡) = ∫ (𝑎 − 𝑒 −𝑎𝜆 ) ⋅ 𝑒 −𝑎(𝑡−𝜆) 𝑢(𝜆)𝑢(𝑡 − 𝜆 − 𝑎) 𝑑𝜆
∞
1
𝑎0 = ∫ 𝑥(𝑡)𝑑𝑡
𝑇 ⟨𝑇⟩
3 𝑡=0.5+𝑏
𝑎0 = 𝑡|
4 𝑡=−0.5+𝑏
3
𝑎0 =
4
2
𝑎𝑘 = ∫ 𝑥(𝑡)𝑐𝑜𝑠(2𝜋𝑘𝑓0 𝑡)𝑑𝑡
𝑇
1 1
𝑇= ∴ 𝑓0 =
𝑓0 4
3 0.5+𝑏
𝑎𝑘 = ∫ 𝑐𝑜𝑠 (0.5𝜋𝑘𝑡)𝑑𝑡
2 −0.5+𝑏
3
𝑎𝑘 = 𝑠𝑖𝑛(0.5𝜋𝑘𝑡)|𝑡=0.5+𝑏
𝑡=−0.5+𝑏
𝜋𝑘
En nuestro caso b=2
3
𝑎𝑘 = [𝑠𝑖𝑛(0.5𝜋𝑘(0.5 + 2)) − 𝑠𝑖𝑛(0.5𝜋𝑘(−0.5 + 2))]
𝜋𝑘
3 5𝜋𝑘 3𝜋𝑘
𝑎𝑘 = [𝑠𝑖𝑛 ( ) − 𝑠𝑖𝑛 ( )]
𝜋𝑘 4 4
2
𝑏𝑘 = ∫ 𝑥(𝑡)𝑠𝑖𝑛(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
𝑇
3 0.5+𝑏
𝑏𝑘 = ∫ 𝑠𝑖𝑛 (0.5𝜋𝑘𝑡)𝑑𝑡
2 −0.5+𝑏
3
𝑏𝑘 = − 𝑐𝑜𝑠(0.5𝜋𝑘𝑡)|𝑡=0.5+𝑏
𝑡=−0.5+𝑏
𝜋𝑘
3
𝑏𝑘 = − [𝑐𝑜𝑠(0.5𝜋𝑘(0.5 + 2)) − 𝑐𝑜𝑠(0.5𝜋𝑘(−0.5 + 2))]
𝜋𝑘
3 5𝜋𝑘 3𝜋𝑘
𝑏𝑘 = − [𝑐𝑜𝑠 ( ) − 𝑐𝑜𝑠 ( )]
𝜋𝑘 4 4
4)
a)
Esta señal se puede construir a partir de una señal triangular invertida, esta
señal además se le hace un desplazamiento, una contracción y una
amplificación. Posteriormente se deriva
𝑑 𝑡−𝑏
𝑥(𝑡) = (−𝑏 ∗ 𝑡𝑟𝑖 ( ))
𝑑𝑡 𝑏
𝑡−𝑏
𝑠(𝑡) = −𝑏 ∗ 𝑡𝑟𝑖 ( )
𝑏
La señal triangular se debe derivar para obtener la señal original, por ende,
𝑋(𝑓) = −𝑗2𝜋𝑏 2 𝑓𝑠𝑒𝑛𝑐 2 (𝑏𝑓)𝑒 −𝑗2𝜋𝑓𝑏
En nuestro caso b=2, por ende,
𝑋(𝑓) = −𝑗8𝜋𝑓𝑠𝑒𝑛𝑐 2 (2𝑓)𝑒 −𝑗4𝜋𝑓
b)
𝜋𝑡 𝑡−𝑎
𝑦(𝑡) = 𝑠𝑖𝑛 ( ) ⋅ 𝑟𝑒𝑐𝑡 ( )
2𝑎 2𝑎
𝜋𝑡
𝑥(𝑡) = 𝑠𝑖𝑛 ( )
2𝑎
Aplicando las tablas de propiedades, vemos que la transformada de Fourier
es,
𝜋 𝜋
𝑋(𝑓) = 𝑗0.5 [𝛿 (𝑓 + ) − 𝛿 (𝑓 − )]
4𝑎 4𝑎
𝜋 𝜋
𝑌(𝑓) = 𝑗𝑎𝑠𝑒𝑛𝑐(2𝑎𝑓)𝑒 −𝑗2𝜋𝑓𝑎 [𝛿 (𝑓 + ) − 𝛿 (𝑓 − )]
4𝑎 4𝑎
En nuestro caso a=4, por ende,
𝜋 𝜋
𝑌(𝑓) = 𝑗4𝑠𝑒𝑛𝑐(8𝑓)𝑒 −𝑗8𝜋𝑓 [𝛿 (𝑓 + ) − 𝛿 (𝑓 − )]
16 16
Código y gráficas
b)
Aporte por: Julián Andrés Toro
Señales y sistemas continuos y discretos
1.Definición de conceptos: estudiando el libro de (Ambardar), El estudiante
investiga de manera individual y da respuesta a las siguientes preguntas
teóricas:
A. Explique qué es convolución continua y discreta. De cuatro (4)
ejemplos de usos y/o aplicaciones en la ingeniería.
La convolución puede considerarse como un método para encontrar la
respuesta de estado cero de un sistema LTI relajado, El método de
convolución para encontrar la respuesta de estado cero y(t) se aplica a
sistemas lineales invariantes en el tiempo (LTI). Se asume que el sistema es
descrito por medio de su respuesta al impulso h(t).
La convolución es una herramienta muy importante que es representada
por el símbolo *, y puede ser escrita como
y(t)=x(t)*h(t)
La integral de convolución nos da una manera matemática fácil de
expresar la salida de un sistema LTI basado en una señal arbitraria, x(t)x t,y
la respuesta al impulso, h(t)h t. La integral de convolución es expresada
como
∞
𝑦(𝑡) = ∫ 𝑥(𝜏)ℎ(𝑡 − τ)dτ
−∞
∞ ∞
∑|ℎ[𝑛]| < ∞ ∫ |ℎ(𝑡)|𝑑𝑡 < ∞
−∞ −∞
Autocorrelación:
La autocorrelación puede verse como una medida de similitud,
o coherencia, entre una función x(t)y su versión de desplazamiento.
Claramente, bajo ningún desplazamiento, las dos funciones se “igualan” y
resultan en un máximo para la autocorrelación. Mas con un desplazamiento
creciente, sería natural esperar la similitud y, por consiguiente, la reducción
de la correlación entre x(t) y su versión desplazada. Conforme el
desplazamiento se aproxima a infinito, toda traza de similitud se desvanece
y la autocorrelación decae a cero.
Una de las aplicaciones de la autocorrelación es la medida de espectros
ópticos y en especial la medida de pulsos muy cortos de luz.
Ejemplo 1
a) La autocorrelación del pulso rectangular x(t) = rect(t - 0.5) es igual a la
convolución de x(t) y x(-t) y se ilustra en la figura 1.
∞
1
𝑔(𝜉) = = ∫ 𝑓(𝑥)𝑒 −𝑖𝜉𝑥 𝑑𝑥
√2𝜋 −∞
Aplicaciones:
La transforma de Fourier sirve en la ingeniería, especialmente para la
caracterización frecuencial de señales y sistema lineales. Es decir, la
transforma de Fourier se utiliza para conocer las características frecuenciales
de las señales y el comportamiento de los sistemas lineales ante estas
señales.
• Generación de formas de onda de corriente o tensión eléctrica por
medio de la superposición de senoides generados por osciladores
electrónicos de amplitud variable cuyas frecuencias ya están
determinadas.
• Análisis en el comportamiento armónico de una señal.
• Aplicaciones en la medicina:
Diagnostico automático: la ecografía permite registrar la vibración de cada
una de las membranas del corazón, proporcionando una curva periódica.
Un programa de ordenador calcula los primeros términos de las sucesiones
(coeficientes de Fourier).
2. Ejercicios: Cada estudiante de manera individual debe resolver los
siguientes cuatro (4) ejercicios.
Nota: la constante “a” corresponde al último digito del número de su
grupo, y la constante “b” corresponde con el último dígito de su
código universitario (documento de identidad), si “a” es cero, o “b”
es cero utilice a=3, o b=3 según sea el caso.
Enlace del libro- Nota: Para poder ingresar al enlace del libro de
Ambardar, debe estar registrado en campus y no debe superar los 5
minutos de ingreso. Después de los 5 minutos le pedirá contraseña y
deberá salir del campus y volver a ingresar.
2.1 Ejercicio 1- Convolución continua (analítica): usando como guía el
ejemplo 6.2 de la página 134 del libro guia Ambardar y teniendo en
cuenta las propiedades de dicha operación determine la convolución
entre 𝑥(𝑡) y ℎ(𝑡) descritas a continuación:
Ítem grupal
𝒂=𝟒
Remplazamos la constante
❖ 𝑥(𝑡) = (𝑎 − 𝑒 −𝑎𝑡 )𝑢(𝑡)
Remplazo 𝑥(𝑡) → 𝑥(𝜆)
𝑥(𝜆) = (4 − 𝑒 −4𝜆 )𝑢(𝜆)
❖ ℎ(𝑡) = 𝑒 −𝑎𝑡 𝑢(𝑡 − 𝑎)
Remplazo ℎ(𝑡) → ℎ(𝑡 − 𝜆)
ℎ(𝜆) = 𝑒 −4(𝑡−𝜆) 𝑢((𝑡 − 𝜆) − 4)
Ecuación de la convolución:
∞
𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡) = ∫ 𝑥( 𝜆)ℎ(𝑡 − 𝜆) 𝑑𝜆
−∞
Se reemplaza
∞
𝑦(𝑡) = ∫ (4 − 𝑒 −4𝜆 )𝑢(𝜆) ∗ 𝑒 −4(𝑡−𝜆) 𝑢((𝑡 − 𝜆) − 4) 𝑑𝜆
−∞
Organizamos
∞
𝑦(𝑡) = ∫ (4 − 𝑒 −4𝜆 )𝑒 −4(𝑡−𝜆) 𝑢(𝜆) 𝑢((𝑡 − 𝜆) − 4) 𝑑𝜆
−∞
Límites de la integral
𝑢(𝜆) = 0 𝑢((𝑡 − 𝜆) − 4) = 0
𝜆=0 𝑡−𝜆−4=0
𝜆=0 𝜆 =𝑡−4
Reemplazamos los límites:
∞
❖ 𝑦(𝑡) = ∫−∞(4 − 𝑒 −4𝜆 )𝑒 −4(𝑡−𝜆) 𝑑𝜆
𝑡−4
𝑦(𝑡) = ∫ (4 − 𝑒 −4𝜆 )𝑒 −4(𝑡−𝜆) 𝑑𝜆
0
𝑡−4
𝑦(𝑡) = ∫ 4𝑒 −4(𝑡−𝜆) − 𝑒 −4𝜆 𝑒 −4(𝑡−𝜆) 𝑑𝜆
0
𝑡−4
𝑦(𝑡) = ∫ 4𝑒 −4𝑡+4𝜆 − 𝑒 −4𝜆 𝑒 −4𝑡+4𝜆 𝑑𝜆
0
Propiedades de la exponencial
𝑡−4
𝑦(𝑡) = ∫ 4𝑒 −4𝑡 𝑒 4𝜆 − 𝑒 −4𝜆 𝑒 −4𝑡 𝑒 4𝜆 𝑑𝜆
0
𝑡−4 𝑡−4
𝑦(𝑡) = ∫ 4𝑒 −4𝑡 𝑒 4𝜆 𝑑𝜆 − ∫ 𝑒 −4𝜆 𝑒 −4𝑡 𝑒 4𝜆 𝑑𝜆
0 0
Propiedades de la exponencial
𝑡−4 𝑡−4
−4𝑡 4𝜆 −4𝑡
𝑦(𝑡) = 4𝑒 ∫ 𝑒 𝑑𝜆 − 𝑒 ∫ 𝑒 −4𝜆+4𝜆 𝑑𝜆
0 0
𝑡−4 𝑡−4
𝑦(𝑡) = 4𝑒 −4𝑡 ∫ 𝑒 4𝜆 𝑑𝜆 − 𝑒 −4𝑡 ∫ 𝑒 0 𝑑𝜆
0 0
𝑡−4 𝑡−4
𝑦(𝑡) = 4𝑒 −4𝑡 ∫ 𝑒 4𝜆 𝑑𝜆 − 𝑒 −4𝑡 ∫ 1 𝑑𝜆
0 0
𝑒 4𝜆 𝑡 − 4 𝑡−4
𝑦(𝑡) = 4𝑒 −4𝑡 ∗ ( ) | − 𝑒 −4𝑡 ∗ 𝜆 |
4 0 0
𝑒 4(𝑡−4) 𝑒 4(0)
𝑦(𝑡) = 4𝑒 −4𝑡 ∗ ( − ) − 𝑒 −4𝑡 ∗ (𝑡 − 4 − 0)
4 4
Propiedad Distributiva
−4𝑡
𝑒 4𝑡−16 𝑒 0
𝑦(𝑡) = 4𝑒 ∗( − ) − 𝑒 −4𝑡 ∗ (𝑡 − 4)
4 4
−4𝑡
𝑒 4𝑡 𝑒 −16 1
𝑦(𝑡) = 4𝑒 ∗( − ) − 𝑒 −4𝑡 ∗ (𝑡 − 4)
4 4
4 −4𝑡 4𝑡 −16 4 −4𝑡
𝑦(𝑡) = 𝑒 𝑒 𝑒 − 𝑒 − 𝑒 −4𝑡 𝑡 + 4𝑒 −4𝑡
4 4
𝑦(𝑡) = 𝑒 −4𝑡+4𝑡 𝑒 −16 − 𝑒 −4𝑡 − 𝑡𝑒 −4𝑡 + 4𝑒 −4𝑡
𝑦(𝑡) = 𝑒 0 𝑒 −16 − 𝑡𝑒 −4𝑡 + 3𝑒 −4𝑡
𝑦(𝑡) = 𝑒 −16 − 𝑡𝑒 −4𝑡 + 3𝑒 −4𝑡
1
𝑦(𝑡) = −𝑡𝑒 −4𝑡 + 3𝑒 −4𝑡 +
𝑒 16
2.2 Ejercicio 2 – Convolución discreta (tabular y gráfica): Usando
como guía el ejemplo 7.3 de la página 173 del libro Ambardar,
determine la respuesta de un filtro FIR (ℎ[𝑛]), a la entrada 𝑥[𝑛].
Posteriormente verifique su respuesta diseñando un script con el
método gráfico de convolución, en Matlab u Octave y anexe el
resultado junto con el script (práctica):
Índice de inicio: -2 -1 = -3
Índice de terminación: 3 + 1 = 4
Longitud: L = Lx + Ly - 1 = 6 + 3 -1 = 8
n= -3 -2 -1 0 1 2 3
x[n]= -1 4 2 4 9 4
h[n]= 2,5 9 0,5
-
2,5 10 5 10 22,5 10
-9 36 18 36 81 36
-0,5 2 1 2 4,5 2
-
2,5 1 40.5 30 59.5 93 40.5 2
Eje h -3 -2 -1 0 1 2 3 4
𝑦[𝑛] = {−2.5,1,40.5,30,59.5,93,40.5,2}
Ejercicio 3 – Series de Fourier: Usando como guía el capítulo 8 de la página 197
del libro Ambardar, dibuje tres (3) periodos de la siguiente señal 𝑥(𝑡) y
calcule los coeficientes trigonometricos de la serie de Fourier.
Nota: Para encontrar los coeficientes de la serie de Fourier, se tienen las siguientes
expresiones matemáticas:
“Para la solución de este ejercicio, se deben repasar los métodos de integración vistos
en el curso de cálculo integral.
Coeficientes
1 9.5
❖ 𝑎𝑜 = ∫8.5 𝑥(𝑡)𝑑𝑡
𝑇
1 9.5 3 9.5
𝑎𝑜 = ∫ 3𝑑𝑡 = ∫ 𝑑𝑡
4 8.5 4 8.5
3
𝑎𝑜 = 𝑡
4
3
𝑎𝑜 = (9.5 − 8.5)
4
3
𝑎𝑜 = (1)
4
3
𝑎𝑜 =
4
1 9.5
❖ 𝑎𝐾 = 4 ∫8.5 3cos(2𝜋𝑘𝑓𝑜𝑡)𝑑𝑡
3 9.5
𝑎𝐾 = ∫ cos(2𝜋𝑘𝑓𝑜𝑡)𝑑𝑡
4 8.5
3 9.5 𝑑𝑢
𝑎𝐾 = ∫ cos(𝑢)
4 8.5 2𝜋𝑘𝑓𝑜
9.5
3
𝑎𝐾 = ∫ cos(𝑢)𝑑𝑢
4 ∗ 2𝜋𝑘𝑓𝑜 8.5
9.5
3
𝑎𝐾 = ∫ cos(𝑢)𝑑𝑢
8𝜋𝑘𝑓𝑜 8.5
3
𝑎𝐾 = 𝑠𝑒𝑛(8𝜋𝑘𝑓𝑜𝑡)
8𝜋𝑘𝑓𝑜
3 1
𝑎𝐾 = 𝑠𝑒𝑛(2𝜋𝑘 𝑡)
1 𝑇
8𝜋𝑘 𝑇
3 1
𝑎𝐾 = 𝑠𝑒𝑛(2𝜋𝑘 𝑡)
1 4
8𝜋𝑘 4
3 1
𝑎𝐾 = 2𝜋𝑘 𝑠𝑒𝑛(𝜋𝑘 2 𝑡)
3 1 1
𝑎𝐾 = 2𝜋𝑘 (𝑠𝑒𝑛 (𝜋𝑘 2 ∗ 9.5) − 𝑠𝑒𝑛 (𝜋𝑘 2 ∗ 8.5)
3 19 17
𝑎𝐾 = (𝑠𝑒𝑛 (𝜋𝑘 ) − 𝑠𝑒𝑛 (𝜋𝑘 ))
2𝜋𝑘 4 4
19 17
3𝑠𝑒𝑛 (𝜋𝑘 4 ) − 3𝑠𝑒𝑛 (𝜋𝑘 4 ))
𝑎𝐾 =
2𝜋𝑘
1 9.5
❖ 𝑏𝐾 = 4 ∫8.5 3sen(2𝜋𝑘𝑓𝑜𝑡)𝑑𝑡
3 9.5
𝑏𝐾 = ∫ sen(2𝜋𝑘𝑓𝑜𝑡)𝑑𝑡
4 8.5
3 9.5 𝑑𝑢
𝑏𝐾 = ∫ sen(𝑢)
4 8.5 2𝜋𝑘𝑓𝑜
9.5
3
𝑏𝐾 = ∫ sen(𝑢)𝑑𝑢
4 ∗ 2𝜋𝑘𝑓𝑜 8.5
9.5
3
𝑏𝐾 = ∫ sen(𝑢)𝑑𝑢
8𝜋𝑘𝑓𝑜 8.5
3
𝑏𝐾 = − 𝑐𝑜𝑠(2𝜋𝑘𝑓𝑜𝑡)
8𝜋𝑘𝑓𝑜
3 1
𝑏𝐾 = − 𝑐𝑜𝑠(2𝜋𝑘 𝑡)
1 𝑇
8𝜋𝑘 𝑇
3 1
𝑏𝐾 = − 𝑐𝑜𝑠(2𝜋𝑘 𝑡)
1 4
8𝜋𝑘 4
3 1
𝑏𝐾 = − 𝑐𝑜𝑠(𝜋𝑘 𝑡)
2𝜋𝑘 2
3 1 1
𝑏𝐾 = − (𝑐𝑜𝑠 (𝜋𝑘 ∗ 9.5) − 𝑐𝑜𝑠 (𝜋𝑘 ∗ 8.5))
2𝜋𝑘 2 2
19 17
−3𝑐𝑜𝑠 (𝜋𝑘 4 ) + 𝑐𝑜𝑠 (𝜋𝑘 4 )
𝑏𝐾 =
2𝜋𝑘
2.2 2.4. Ejercicio 4 – Transformada de Fourier: Usando como guía los ejemplos
9.5 de las páginas 259 del libro Ambardar y las tablas 9.1 y 9.2, determine
la transformada de Fourier de las señales 𝑥(𝑡) y 𝑦(𝑡), usando pares de
transformadas y propiedades reconocibles. Posteriormente verifique su
respuesta diseñando un script con la combinación lineal de señales
usadas para obtener x(t) y y(t), en Matlab u Octave y anexe el resultado
junto con el script (práctica):
Constante = 9
a. X(t)
1
+9 +18 t
-1
Se tiene que:
𝑥(𝑡) = −𝑢(𝑡) + 2𝑢(𝑡 − 9) − 𝑢(𝑡 − 18)
1 1 1
𝑋(𝑤) = −𝜋𝛿(𝑤) + + 2 (𝑒 −𝑗𝑤2 (𝜋𝛿(𝑤) + )) − 𝑒 −𝑗𝑤4 (𝜋𝛿(𝑤) + )
𝑗𝑤 𝑗𝑤 𝑗𝑤
Resultados:
1 1 1
𝑋(𝑤) = −𝜋𝛿(𝑤) + + 2 (𝑒 −𝑗𝑤2 (𝜋𝛿(𝑤) + )) − 𝑒 −𝑗𝑤4 (𝜋𝛿(𝑤) + )
𝑗𝑤 𝑗𝑤 𝑗𝑤
1 𝑒 −𝑠9 𝑒 −𝑠18
𝑋(𝑠) = − + 2 ( )−
𝑠 𝑠 𝑠
1 2𝑒 −9𝑠 𝑒 −18𝑠
𝑋(𝑠) = − + −
𝑠 𝑠 𝑠
0 +2a t
CONVOLUCIÓN DISCRETA:
https://www.youtube.com/watch?v=MWOfQwM7Pvk
1
Tomado de http://www4.tecnun.es/asignaturas/tratamiento%20digital/tema2.pdf
Propiedades:
CONVOLUSION CONTINUA:
https://www.youtube.com/watch?v=KSsPzpqTKHo
USOS.
2
TOMADO DE https://es.wikipedia.org/wiki/Convoluci%C3%B3n
c- EXPLIQUE QUE ES CORRELACIÓN Y DE UN (1) EJEMPLO DE USO Y/O
APLICACIÓN EN LA INGENIERÍA.
https://www.youtube.com/watch?v=HZC6HLkL1wc
donde .
Al igual que la convolución, la correlación es una operación básica del
procesamiento de imágenes digitales. La correlación es la operación básica
en los procesos de búsqueda de patrones por emparejamiento. Por tanto,
disponer de algoritmos que calculen de una forma eficiente estas
operaciones es del mayor interés La figura muestra el resultado de
correlacionar dos funciones.
CORRELACIÓN Es frecuentemente necesario tener la posibilidad de
cuantificar el grado de interdependencia de un proceso por encima de otro,
o establecer la similitud entre un conjunto de datos y otro. La correlación
puede ser definida matemáticamente y por ende cuantificada. Su rango de
aplicación en el análisis de señal es vasto, por ejemplo, en el radar cuando
se desea encontrar el rango y la posición en la cual las formas de onda son
transmitidas y comparadas. También se puede encontrar como parte
integral de la técnica de estimación de los mínimos cuadrados, en el cálculo
de la potencia promedio de señales. El proceso de convolución es en
esencia una correlación en la cual una de las señales ha sido invertida con
relación al eje de las abscisas.
d- EXPLIQUE QUÉ ES AUTOCORRELACIÓN Y DE UN (1) EJEMPLO DE USO Y/O
APLICACIÓN EN LA INGENIERÍA.
3
Tomado de http://www.ehu.eus/Procesadodesenales/tema8/corre1.html
4
4
Tomado de https://es.slideshare.net/crico89/correlaciondesenales
CORRELACION:
f- ¿QUÉ SON LAS SERIES DE FOURIER?
https://www.youtube.com/watch?v=8L7haNjw1Pw
5
Tomado de https://es.wikipedia.org/wiki/Serie_de_Fourier
g- ¿QUÉ ES LA TRANSFORMADA CONTINUA DE FOURIER? DE DOS (2) EJEMPLOS DE
USO Y/O APLICACIÓN EN LA INGENIERÍA.
EJERCICIOS ALEXIS PEDROZA
a= 4 b=6
Ejercicio 1_ ALEXIS PEDROZA.
Siendo a = 4.
Se tiene:
x(t) = (4 − e−4t )u(t)
h(t) = e−4t u(t − 4)
Entonces:
Remplazamos la constante λ por t, se tiene:
𝑥(𝑡) = (𝑎 − 𝑒 −𝑎𝑡 )𝑢(𝑡)
𝑥(𝑡) = (4 − 𝑒 −4𝑡 )𝑢(𝑡)
Remplazo 𝑥(𝑡) → 𝑥(𝜆)
Formula de Convolución:
∞
𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡) = ∫ 𝑥( 𝜆)ℎ(𝑡 − 𝜆) 𝑑𝜆
−∞
Límites de la integral
𝑢(𝜆) = 0 𝜆<0 𝑢((𝑡 − 𝜆) − 4) = 0 𝜆 > 0
𝜆=0 𝑡−𝜆−4=0
𝜆=0 𝜆<0 𝜆 =𝑡−4 λ> t – 4
𝑡−4
𝑦(𝑡) = ∫ (4 − 𝑒 −4𝜆 )𝑒 −4(𝑡−𝜆) 𝑢(𝜆) 𝑢((𝑡 − 𝜆) − 4) 𝑑𝜆
0
𝑡−4
𝑦(𝑡) = ∫ (4 − 𝑒 −4𝜆 )𝑒 −4(𝑡−𝜆) 𝑑𝜆
0
𝑡−4
𝑦(𝑡) = ∫ (4 − 𝑒 −4𝜆 )𝑒 −4𝑡+4𝜆) 𝑑𝜆 𝑦(𝑡)
0
𝑡−4
𝑦(𝑡) = ∫ 4𝑒 −4𝑡+4𝜆) − 𝑒 −4𝜆 ∗ 𝑒 −4𝑡+4𝜆) 𝑑𝜆
0
Por la propiedad de los exponenciales se tiene:
𝑡−4
𝑦(𝑡) = ∫ 4𝑒 −4𝑡+4𝜆) − 𝑒 −4𝜆 ∗ 𝑒 −4𝑡+4𝜆) 𝑑𝜆
0
𝑡−4
𝑦(𝑡) = ∫ 4𝑒 −4𝑡 4𝑒 4𝜆 − 𝑒 −4𝜆 ∗ 𝑒 −4𝑡 𝑒 4𝜆 𝑑𝜆
0
𝑡−4
𝑦(𝑡) = ∫ 4𝑒 −4𝑡 4𝑒 4𝜆 − 𝑒 −4𝜆 ∗ 𝑒 −4𝑡 𝑒 4𝜆 𝑑𝜆
0
𝑡−4 𝑡−4
−4𝑡 4𝜆 −4𝑡
𝑦(𝑡) = 4𝑒 ∫ (𝑒 )𝑑𝜆 − 𝑒 ∫ 1 𝑑𝜆
0 0
𝑒 𝑛𝑥
Siendo ∫ 𝑒 𝑛𝑥 𝑑𝑥 = y como la ∫ 1 = 𝜆 se tiene:
𝑛
−4𝑡
𝑒 4𝜆
𝑦(𝑡) = 4𝑒 ∗ ( ) − 𝑒 −4𝑡 𝜆
4
𝑒 4𝜆
𝑦(𝑡) = 4𝑒 −4𝑡 ∗ − 𝑒 −4𝑡 𝜆
4
𝑡−4 𝑡−4
𝑦(𝑡) = 𝑒 −4𝑡 ∗ 𝑒 4𝜆 { − 𝑒 −4𝑡 𝜆 {
0 0
Simplificando:
4𝜆
Aplicando propiedad de las potenciaciones 𝑒 4𝜆−4𝜆 = 𝑒 4𝜆 = 𝑒 0 = 1
1 𝑡 3
𝑦(𝑡) = − +
𝑒 16 𝑒 4𝑡 𝑒 −4𝑡
1 𝑡 3
𝑦(𝑡) = − + −4𝑡
𝑒 16 𝑒 4𝑡 𝑒
EJERCICIO 2 ALEXIS PEDROZA
EJERCICIO 2
https://www.youtube.com/watch?v=4dShGBHDM3Y
𝑛=0
𝑚=0
a=4yb=6
Índice de inicio = n= -2
Índice de inicio = n= -1
Números de elementos:
La entrada como 𝒙[𝒏] = 𝟐𝜹[𝒏] − 𝜹[𝒏 − 𝟏] + 𝟑𝜹[𝒏 − 𝟐] tabula la respuesta a cada impulso y la
respuesta total como:
x[n] -1 4 2 4 6 4
h[n] 2,5 6 0,5
ENTRADA SALIDA
2Ᵹ[n] 2h[n] -2,5 10 5 10 15 10
- Ᵹ[n-1] - h[n-1] -6 24 12 24 36 24
3Ᵹ[n-2] 3h[n-2] -0,5 2 1 2 3 2
𝑛=0
Graficando en Matlab.
Programa en Matlab
clear all;
a=4;
b=6;
%%Grafica X[n]- Alexis Pedroza
Xn=[-1,a,2,a,b,4];
n=[-2,-1,0,1,2,3];
subplot(3,1,1);
stem(n,Xn,'r');
grid;
title("señal discreta X[n] - Alexis Pedroza");
xlabel("n");
ylabel("Amplitud");
xlim([-4,4]);
https://www.youtube.com/watch?v=Qt4Bu1xTlR4
https://www.youtube.com/watch?v=60thSFL1wjs
https://www.youtube.com/watch?v=19gfvVf9Oys
𝑥(𝑡) = 3 ∗ 𝑟𝑒𝑐(𝑡 − 𝑏)
Con la siguiente grafica podemos determinar que x(t)=3 para (6.5 , 5.5)
Frecuencia fundamental
1 2π
𝑓0 = 𝑤0 = 𝑠𝑖𝑒𝑛𝑑𝑜 𝑇 = 4𝑠
𝑇 T
Se tiene
1
𝑥𝑝(𝑡) = 𝑎 + ∑ an cos(nw0 t) + ∑ bn sen(𝑛𝑤0 𝑡)
2 0
𝑛=1 𝑛=1
Siendo:
1
a0 = ∫ x(t)dt
T T
2
ak = ∫ x(t)cos(2xkf0 )dt
T T
2
bk = ∫ x(t)sen(2xkf0 )dt
T T
1 6.5
ao = ∫ x(t)dt
T 5.5
3
𝑎𝑜 = 𝑡
4
3
𝑎𝑜 = (6.5 − 5.5)
4
3
𝑎𝑜 = (1)
4
𝟑
𝐚𝐨 =
𝟒
1 6.5
𝑎𝐾 = ∫ 3cos(2𝜋𝑘𝑓𝑜𝑡)𝑑𝑡
4 5.5
3 6.5
𝑎𝐾 = ∫ cos(2𝜋𝑘𝑓𝑜𝑡)𝑑𝑡
4 5.5
𝜋𝑘
𝑢 = 2𝜋𝑘𝑓𝑜𝑡 𝑢= 2
𝑡 ∫ 𝐜𝐨𝐬(𝒖) 𝒅𝒖 = 𝒔𝒆𝒏(𝒖) + 𝒄
𝑑𝑢 = 2𝜋𝑘𝑓𝑜𝑑𝑡
𝑑𝑢 𝑑𝑢 𝑑𝑢
= 𝑑𝑡 1 = 𝑑𝑡 𝜋𝑘 = 𝑑𝑡
2𝜋𝑘𝑓𝑜 2𝜋𝑘
4 2
3 6.5 𝑑𝑢
𝑎𝐾 = ∫ cos(𝑢)
4 5.5 2𝜋𝑘𝑓𝑜
6.5
3
𝑎𝐾 = ∫ cos(𝑢)𝑑𝑢 ∫ 𝐬𝐞𝐧(𝒖) 𝒅𝒖 = −𝒄𝒐𝒔(𝒖) + 𝒄
𝜋𝑘
4 ∗ 2 5.5
6.5
3
𝑎𝐾 = ∫ cos(𝑢)𝑑𝑢
2𝜋𝑘 5.5
3 𝜋𝑘 6.5
𝑎𝐾 = 𝑠𝑒𝑛 ( 𝑡) {
2𝜋𝑘 2 5.5
3 𝜋𝑘 6.5
𝑎𝐾 = 𝑠𝑒𝑛 ( 𝑡) {
2𝜋𝑘 2 5.5
3 𝜋𝑘 6.5
𝑎𝐾 = 𝑠𝑒𝑛 ( 𝑡) {
2𝜋𝑘 2 5.5
3 1 6.5
𝑎𝐾 = 2𝜋𝑘 𝑠𝑒𝑛 (𝜋𝑘 2 𝑡) {
5.5
3 1 1
𝑎𝐾 = 2𝜋𝑘 (𝑠𝑒𝑛 (𝜋𝑘 2 ∗ 6.5) − 𝑠𝑒𝑛 (𝜋𝑘 2 ∗ 5.5)
3 13 11
𝑎𝐾 = (𝑠𝑒𝑛 (𝜋𝑘 ) − 𝑠𝑒𝑛 (𝜋𝑘 ))
2𝜋𝑘 4 4
13 11
3𝑠𝑒𝑛 (𝜋𝑘 ) − 3𝑠𝑒𝑛 (𝜋𝑘 4 ))
4
𝑎𝐾 =
2𝜋𝑘
3 6.5 𝑑𝑢
𝑏𝐾 = ∫ sen(𝑢)
4 5.5 2𝜋𝑘𝑓𝑜
6.5
3
𝑏𝐾 = ∫ sen(𝑢)𝑑𝑢
𝜋𝑘
4 ∗ 2 5.5
6.5
3
bK = ∫ sen(u)du
2πk 5.5
3 πk 6.5
bK = − cos ( t) {
2πk 2 5.5
3 πk 6.5
bK = − cos ( t) {
2πk 2 5.5
3 πk 6.5
bK = − cos ( t) {
2πk 2 5.5
3 1 6.5
bK = − cos (πk 2 t) {
2πk 5.5
3 1 1
bK = − 2πk
(cos (πk 2 ∗ 6.5) + cos (πk 2 ∗ 5.5)
3 13 11
bK = − (cos (πk ) + cos (πk ))
2πk 4 4
13 11
−3cos (πk ) + 3cos (πk 4 ))
4
aK =
2πk
Para
𝑥(𝑡) = 3 ∗ 𝑟𝑒𝑐(𝑡 − 6)
Las series de Fourier son:
1 𝟑
a0 = ∫ x(t)dt =
T T 𝟒
𝟏𝟑 𝟏𝟏
2 𝟑𝐬𝐞𝐧 (𝛑𝐤 ) − 𝟑𝐬𝐞𝐧 (𝛑𝐤 ))
𝟒 𝟒
ak = ∫ x(t)cos(2xkf0 )dt = 𝑎𝐾 =
T T 𝟐𝛑𝐤
𝟏𝟑 𝟏𝟏
2 −𝟑𝐜𝐨𝐬 (𝛑𝐤 ) + 𝟑𝐜𝐨𝐬 (𝛑𝐤 ))
𝟒 𝟒
bk = ∫ x(t)sen(2xkf0 )dt =
T T 𝟐𝛑𝐤
Conclusiones
El desarrollo de este trabajo ha permitido fortalecer los conocimientos de conceptos acerca de señales
y sistemas.
Se logro concluir que con la convolucion entre señales y teneniendo operaciones matematicas definimos
la integral de un producto a ambas direcciones desplazando una de ellas .
Con las series de Fourier logramos concluir que una funsion continua y periodica por metodos
matematicas se da a partes , obteniendo combinacion de senos y cosenos
Interactuar con el programa Matlab para el uso de señales y sus graficas
Analizar las señales y sistemas, convolución continua y discretaAprender a realizar ejercicios con series
de Fourier
Aprender a realizar ejercicios con Transformada de Fourier
Obtener señales de forma grafica por medio del programa matlab
Como resultado de este trabajo es posible concluir que la aplicación y valoración de los conceptos de
señales y sistemas se logra desarrollar los problemas expuestos por la guía y que hacen parte de la vida
cotidiana.
REFERENCIAS BIBLIOGRÁFICAS
Convolución Continua:
Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Convolución.
Cengage Learning, (2nd ed, pp. 130-155). Recuperado
de http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?resultListType=RELATED_D
OCUMENT&userGroupName=unad&inPS=true&contentSegment=&prodId=GVRL&isET
OC=true&docId=GALE|CX4060300056
Correlación Continua:
Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Correlación.
Cengage Learning, (2nd ed, pp. 156-159). Recuperado
de http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?tabID=&userGroupName
=unad&inPS=true&prodId=GVRL&contentSet=GALE&docId=GALE|CX4060300067
Convolución Discreta:
Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Convolución
Discreta. Cengage Learning, (2nd ed, pp. 169-183). Recuperado
de http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?resultListType=RELATED_D
OCUMENT&userGroupName=unad&inPS=true&contentSegment=&prodId=GVRL&isET
OC=true&docId=GALE|CX4060300069