Se nales y Sistemas

Jorge Valero
3 de noviembre de 2010
2

Indice general
1. Representacion de se nales 5
1.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2. Se nales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3. Clasicacion de se nales . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.1. Se nales continuas y discretas . . . . . . . . . . . . . . . . 6
1.3.2. Se nales periodicas y no periodicas . . . . . . . . . . . . . 7
1.3.3. Se nales de energa y de potencia . . . . . . . . . . . . . . 7
1.3.4. Se nales pares e impares . . . . . . . . . . . . . . . . . . . 9
1.4. Funciones singulares . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4.1. Funcion signo . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4.2. Funcion delta de Dirac . . . . . . . . . . . . . . . . . . . . 10
1.4.3. Funcion Escalon . . . . . . . . . . . . . . . . . . . . . . . 10
1.5. Operaciones con se nales . . . . . . . . . . . . . . . . . . . . . . . 11
1.5.1. Escalamiento . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.5.2. Corrimiento . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6. Sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.7. Clasicacion de sistemas . . . . . . . . . . . . . . . . . . . . . . . 13
1.7.1. Sistemas lineales y no lineales . . . . . . . . . . . . . . . . 13
1.7.2. Sistemas variantes e invariantes en el tiempo . . . . . . . 14
1.7.3. Sistema causal y no causal . . . . . . . . . . . . . . . . . . 14
1.7.4. Sistemas con memoria y sin memoria . . . . . . . . . . . . 14
1.7.5. Sistemas invertibles y no invertibles . . . . . . . . . . . . 14
2. Convolucion 15
2.1. Denicion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2. Convolucion en tiempo contnuo . . . . . . . . . . . . . . . . . . 15
2.3. Convolucion en tiempo discreto . . . . . . . . . . . . . . . . . . . 19
3. Representacion de se nales por series de Fourier 27
3.1. Series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.1.1. Representacion exponencial de se nales periodicas en Fourier 27
3.1.2. Representacion trigonometrica de se nales periodicas en
Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.2. La transformada de Fourier . . . . . . . . . . . . . . . . . . . . . 33
3
4

INDICE GENERAL
3.2.1. Teorema de Parseval . . . . . . . . . . . . . . . . . . . . . 34
3.2.2. Propiedades de la transformada de Fourier . . . . . . . . 35
3.2.3. Pares basicos de transformada de Fourier . . . . . . . . . 37
4. Modulacion y ltros 39
4.1. Modulacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.1.1. Modulacion por onda corta . . . . . . . . . . . . . . . . . 40
Captulo 1
Representaci on de se nales
1.1. Introducci on
El ser humano condicionado por su naturaleza e inteligencia es capaz de or-
ganizar grandes cantidades de informacion de una manera rapida y ecaz. Es
por esto, que es muy importante saber interpretar todas las clases de informa-
cion que se puedan recibir, ya sea hablada o escrita, pues es necesario tener
una buena comprension para un mejor manejo de esta. Pero la informacion no
siempre se presenta en forma la forma tradicional humana (oral o escrita) sino
que muchas se veces se presenta de forma abstracta, lo cual implica una mayor
complejidad en la forma de recepcion. Las se nales son ejemplos ya que para
poder comprenderlas efectivamente y adquirir el maximo conocimiento de ellas
es necesario saber que las origina, que aportan, entre otras cosas. En la vida
cotidiana, las se nales juegan un papel muy importante pues, la informacion que
contienen nos ayuda a tomar muchas decisiones. Son ejemplos claros de se nales,
los informes del traco que indican la variacion del ujo vehicular en las calles y
asi poder calcular en que momento seria prudente pasar por alguna o los datos
estadisticos que se obtienen de determinada situacion.
1.2. Se nales
En nuestro contexto cientico, una se nal se dene formalmente como una fun-
cion que depende de una o mas variables (por lo general varian en funcion del
tiempo) que transporta informaci on sobre un fenomeno fsico. Las se nales que
estan en funcion del tiempo tienden a tener patrones de variacion, es decir, ele-
mentos que son inuyentes en la determinacion de que tanto varan en el tiempo
determinado. Las se nales pueden representarse cuantitativamente mediante una
funcion continua o discreta. En la graca, se puede apreciar un circuito RC
(gura 1.1), un bonito ejemplo de se nal. En este caso en la graca de tension
contra tiempo se obtiene informacion de como el capacitor se carga y descarga
a medida que el tiempo pasa.
5
6 CAP

ITULO 1. REPRESENTACI

ON DE SE

NALES
Figura 1.1: circuito RC
(a) Carga de un capacitor (b) Descarga de un capacitor
1.3. Clasicaci on de se nales
1.3.1. Se nales continuas y discretas
De acuerdo al dominio de la amplitud y al comportamiento de la variable inde-
pendiente (tiempo por lo general) las se nales se clasican en:
Continuas: Si la se nal esta denida para todos los puntos de un intervalo
determinado del conjunto de los n umeros reales. Por ejemplo, la funcion coseno
o la funcion exponencial. Dicho en otras palabras, el dominio de una se nal
continua son los reales tanto para la amplitud como para el tiempo y que exista
para cada valor de la variable un valor. Se denota la funcion como x(t)
Discretas: A diferencia de una se nal continua, el dominio para los valores
de la amplitud y del tiempo se restringe unicamente para los n umeros enteros.
Una se nal discreta estara denida para intervalos nitos de tiempo. Para las
1.3. CLASIFICACI

ON DE SE

NALES 7
se nales discretas se usa la notacion x[n]
Figura 1.2: Se nal continua y discreta
1.3.2. Se nales peri odicas y no peri odicas
Periodica: Una se nal de este tipo cumple con la condicion x(t) = x(t + T) y
para discretas x[n] = x[n + N] donde T o N es un numero positivo para cada
una el cual es el periodo de la funcion. Se puede presentar el caso de una se nal
que es producto de la suma de 2 o mas se nales periodicas, en este caso
x(t) = x
1
(t) + x
2
(t)
con periodos T
1
y T
2
se debe cumplir que:
x(t + T) = x
1
(t + T
1
) + x
2
(t + T
2
)
Se tiene que el periodo fundamental de la se nal es el mnimo com un m ultiplo
de dichos periodos.
No periodica: En una se nal aperiodica simplemente no hay valores de T que
cumplen con la condicion x(t) = x(t + T) o para discretas x[n] = x[n + N]
1.3.3. Se nales de energa y de potencia
Energa: Una se nal se considera de energa si satisface la condicion:
0 < E <
La energa de una se nal esta dada por:
E =

|x(t) |
2
dt
Ejemplo: Determinar la energa de la se nal:
x(t) = e
2t
u(t)
Tenemos que la energa queda determinada por:
8 CAP

ITULO 1. REPRESENTACI

ON DE SE

NALES
E =

_
0
e
4t
dt
Como se puede observar, el lmite inferior es 0 ya que la se nal esta limitada por
un escalon unitario que vale 1 a partir de 0 y para valores negativos no tiene
ningun valor.
E = 0 (
1
4
) =
1
4
Para el dominio discreto:
E =

n=
|x[n ]|
2
En el siguiente ejemplo se calculara la energa de:
x[n] =
_
1
2
_
n
u[n]
Aplicando la denici on de energa para discretas y luego propiedades de las
sumatorias, el resultado es:
E =

n=0
_
1
4
_
n
=
4
3
Potencia: Este tipo de se nal tiene una magnitud nita para la potencia (mayor
a 0 pero menor que innito) pero el valor de la energa tiende a innito. La
potencia de una se nal se determina como:
P = lm
T
1
2T
T
_
T
|x(t)|
2
Y en discretas:
P = lm
N
1
2N + 1
N

N
|x[n]|
2
Por ejemplo, la se nal de dominio contnuo
x(t) = cos 3t
siendo periodica se deduce que es de potencia, entonces para calcularla se pro-
cede como se ha indicado anteriormente.
P = lm
T
1
2
2
_
0
|cos 3t|dt
1.4. FUNCIONES SINGULARES 9
Los lmites de la integral vienen dados por el periodo de la se nal, es decir, una
revolucion completa (de 0 a pi). Para resolver la integral, primero aplicamos
identidades trigonometricas para obtener una funcion mas sencilla al momento
de integrar:
P = lm
T
1
2
2
_
0
1 + cos 6t
2
dt
Una vez resuelta la integral se reemplazan los limites:
P =
1
2
_
t
2
+
sin 6t
12
_
P =
1
2
[ + 0] =
1
2
En el ejemplo que sigue a continuacion se calculara la potencia para una se nal
de dominio discreto:
x[n] = e
j(

2n
+

8
)
En el caso especial del euler elevado a una constante imaginaria, tenemos que
su valor absoluto elevador al cuadrado es igual a 1, por esta razon:
P = lm
N
1
2N + 1
N

N
1
1.3.4. Se nales pares e impares
Par: Una se nal es par si es igual a su contraparte invertida en el tiempo.
x(t) = x(t)
o para dominio dicreto
x[n] = x[n]
Impar: Una se nal impar debe ser 0 para cuando el tiempo, ya sea en continua
o discreta, es 0 tambien.
x(t) = x(t)
x[n] = x[n]
1.4. Funciones singulares
Constituyen modelos matematicos idealizados que no se dan fsicamente, pero
sirven como aproximaciones de sistemas fsicos que tiene ciertas restricciones
que no hacen posible la evaluacion de expresiones mas complicadas.
10 CAP

ITULO 1. REPRESENTACI

ON DE SE

NALES
1.4.1. Funcion signo
Esta se nal se expresa de la siguiente manera:
sgn(t t
0
) =
_
_
_
1, t < t
0
0, t = t
0
1, t > t
0
_
_
_
La funcion signo es una funcion matematica especial, denida a trozos, que
obtiene el signo de cualquier n umero real que se tome por entrada.
Figura 1.3: Funcion Signo
1.4.2. Funcion delta de Dirac
Tambien conocidad como impulso unitario es una se nal con una duracion que
tiende a 0 y cuya amplitud tiende a innito, en otras palabras, innitamente
angosta y alta, donde toma el valor de 0 en todos los lugares excepto en el punto
en el cual se hace innita. El delta de Dirac es muy util como aproximacion para
una funcion estrecha alta del punto ( impulso). Es el mismo tipo de abstraccion
como punto carga, punto masa o electron punto. Se denota con el smbolo (t)
y su forma es:
(t t
0
) =
_
, t = t
0
0, t = t
_
Figura 1.4: Delta de Dirac
1.4.3. Funcion Escal on
Es una funcion continua cuyo valor es 0 para cualquier argumento negativo, y 1
para cualquier argumento positivo. Tiene aplicaciones en ingeniera de control y
1.5. OPERACIONES CON SE

NALES 11
procesamiento de se nales, representando una se nal que se enciende en un tiempo
especco, y se queda prendida indenidamente. Es la integral de la funcion delta
de Dirac (gura 1.5).
u(t t
0
) =
_
1, t t
0
0, t < t
0
_
Figura 1.5: Funcion Escalon
1.5. Operaciones con se nales
Las transformaciones tanto en se nales continuas como en discretas se pueden
dar en forma de:
1.5.1. Escalamiento
Consiste en hacer una expansion o una reduccion de la se nal sobre el eje hori-
zontal, es decir, en el tiempo. Para realizar un escalamiento se debe hacer una
multiplicacion al valor de t dentro de la se nal.
x(at)
Si a es menor a 0 se produce una expansion en la graca de la se nal. Si a es
mayor a 0 se obtiene una compresion de la graca. En el caso discreto, si la
magnitud del escalamiento no es entera la posicion por la cual fue multiplicada
se borrara de la graca de la se nal. Ejemplo de un escalamiento en el tiempo
continuo(gura 1.6):
Figura 1.6: Escalamiento de una se nal contnua
12 CAP

ITULO 1. REPRESENTACI

ON DE SE

NALES
En el ejemplo de escalamiento para se nales discretas se tiene una expansion
ya que a = 1/3.
Figura 1.7: Escalamiento de una se nal discreta
1.5.2. Corrimiento
Un corrimiento consiste en rodar la graca de la se nal sobre el eje del tiempo,
sin ninguna alteracion en su amplitud y tampoco expandirla o comprimirla.
x(t + b)
Si b es menor que 0 la se nal se correra b unidades hacia la derecha. Esto se
conoce como retardo en el tiempo si b es mayor a 0 la se nal se va a desplazar
hacia la izquierda. El movimiento es un adelanto en el tiempo. Tomaremos como
ejemplo la siguiente se nal rectpuls, a la cual se la a asignado un escalamiento
x(t + 4).
Figura 1.8: Corrimiento de una se nal
1.6. SISTEMAS 13
Debido a que el valor de b es positivo se realiza el corrimiento hacia la
izquierda.
Para el caso de se nales de discretas, el valor de b se le suma o resta a la
posicion que tenga el impulso y si da como resultado un n umero fraccionario
este inmediatamente se elimina de la graca ya que estas se nales tienen como
dominio solamente a los enteros, eliminando asi cualquier racional.
1.6. Sistemas
Partiendo del concepto de se nales, llegamos a lo que se dene como sistema,
que formalmente se dene como un mecanismo que maneja de cierta manera
una se nal o un grupo de ellas para crear a partir de estas, se nales nuevas. En
otras palabras es una relacion funcional entre una entrada x(t)(excitacion del
sistema) y una salida y(t)(respuesta del sistema), un procesador de se nales.
1.7. Clasicaci on de sistemas
1.7.1. Sistemas lineales y no lineales
Lineales: Son los que cumplen con el principio de superposicion. Es decir:
x(t) = x
1
(t) + x
2
(t) + ... + x
k
(t)
dado x(t), la salida sera igual a:
y(t) = [x
1
(t) + x
2
(t) + ... + x
k
(t)]
y(t) = x
1
(t) + x
2
(t) + ... + x
k
(t)
Se considera no lineal si no cumple con el principio de superposicion. Ejemplo:
Determinar si el sistema es lineal o no lineal.
y(t) = t
2
x(t 1)
Aplicando el principio de superposicion tenemos que:
x
1
(t) y
1
(t) = t
2
x
1
(t)
x
2
(t) y
2
(t) = t
2
x
2
(t)
Luego, sumando y
1
y y
2
se obtiene a y
3
de tal forma.
y
3
(t) = t
2
x
3
(t 1) = t
2
(x
1
(t) + x
2
(t))
Por otro lado la suma de x
1
y x
2
es x
3
, el cual al pasar por el sistema se
convierte en y
3
.
y
3
(t) = t
2
x
3
(t 1) = t
2
(x
1
(t) + x
2
(t))
De esta manera se demuestra que el sistema es lineal.
14 CAP

ITULO 1. REPRESENTACI

ON DE SE

NALES
1.7.2. Sistemas variantes e invariantes en el tiempo
Un sistema es invariante en el tiempo si al producirse un retardo o un adelanto
en la entrada tambien se produce en la salida, y si dado el corrimiento de la
entrada no se da en la salida, el sistema se determina variante.
x(t) x(t) = y(t)
x(t t
0
) x(t t
0
) = y(t t
0
)
1.7.3. Sistema causal y no causal
Un sistema se considera causal si el valor de la salida depende solo de un valor
presente o pasado de la entrada, en otras palabras, que la salida nunca se de
primero que la entrada. Se denomina no causal cuando la salida depende de
valores futuros de la entrada, osea que la salida existe antes de la excitacion en
la entrada. Por ejemplo:
y(t) = x(t) ya que el valor de la salida nunca se anticipara al de la entrada.
El sistema y(t) = x(t + 1) es no causal ya que se da la salida antes de la
excitacion en la entrada.
1.7.4. Sistemas con memoria y sin memoria
Un sistema sin memoria se caracteriza porque para cualquier valor del tiempo
la salida depende unicamente del valor de la entrada en ese mismo instante
de tiempo, es decir, del valor presente de la entrada. Y tiene memoria cuando
depende de valores pasados de la entrada.
1.7.5. Sistemas invertibles y no invertibles
Se llama sistema invertible a aquel que a partir de la salida se puede obtener la
entrada, de lo contrario es no invertible y se genera perdida de informacion.
Por ejemplo el sistema:
y [n] = x[2n 1]
Es invertible ya que al tener una compresion de 1/2 los valores en posiciones im-
pares van a desaparecer de la graca, lo cual implica una perdida de informacion
y por ende nunca se obtendra la entrada a partir de este punto.
Captulo 2
Convoluci on
2.1. Denici on
La convolucion nos ayuda a determinar el efecto que tiene el sistema en la se nal
de entrada. Puede ser visto que el sistema lineal invariante en el tiempo es
completamente caracterizado por su respuesta al impulso. A primera vista, esto
puede parecer de peque no uso, ya que las funciones de impulso no estan bien
denidas en aplicaciones reales. Sin embargo la propiedad de desplazamiento del
impulso nos dice que una se nal puede ser descompuesta en una suma innita
(integral) de impulsos escalados y desplazados. Conociendo como un sistema
afecta un impulso simple, y entendiendo la manera en que una se nal es abarcada
por impulsos escaldos y sumados, suena razonable que sea posible escalar y
sumar la respuesta al impulso a un sistema en para poder determinar que se nal
de salida resultara de una entrada en particular. Esto es precisamente lo que la
convolucion hace, determinar la salida del sistema por medio del conocimiento
de la entrada y la respuesta al impulso del sistema.
Vamos a examinar exactamente como la convolucion es denida a partir del
razonamiento anterior. Esto resultara en la integral de convolucion (siguiente
seccion) y sus propiedades. Estos conceptos son muy importantes en la Ingeniera
y haran la vida de los ingenieros mas sencilla si se invierte el tiempo en entender
que es lo que esta pasando. Para entender completamente la convolucion, sera de
utilidad tambien ver la convolucion de tiempo discreto
2.2. Convoluci on en tiempo contnuo
La respuesta y(t) de un sistema lineal y estacionario en tiempo continuo a una
entrada arbitraria x(t) viene dada por la integral de convolucion:
y(t) =
_

h() x(t )d
donde h(t), que se asume como la respuesta del sistema a un impulso unitario
15
16 CAP

ITULO 2. CONVOLUCI

ON
en la entrada. Para realizar convolucion en se nales de tiempo continuo se tienen
en cuenta los siguientes pasos:
Reemplazar t por tanto en la entrada como en la respuesta al impulso.
Se hace girar x() o h() (se gira la mas sencilla) alrededor del eje vertical.
Se hace un corrimiento de t unidades a la funcion que se ha girado.
x() x(t )
Por ultimo, multiplicar las funciones a convolucionar y hallar el area (in-
tegrar).
y(t) =
_

h() x(t )d
Por ejemplo, dada la entrada y la respuesta al impulso:
x(t) = 2e
2t
u(t)
h(t) = e
t
u(t)
Si corremos la funcion mas sencilla, tenemos que:
x() = 2e
2
u()
h(t ) = e
(t)
u(t )
La convolucion queda denida como:
y(t) =

[2e
2
u()] [e
(t)
u(t )d]
Pero para encontrar el verdadero valor de la salida de una convolucion
cualquiera, la cual depende de la variable t y no de la integral debe tener
lmites denidos para cada intervalo en los que las gracas de las se nales se
intersectan, es decir, en los espacios de tiempo donde hay multiplicacion. Por
ejemplo:
x(t) = e
3
u(t)
h(t) = 2u(t) 3u(t 3) + u(t 5)
Entonces tenemos la salida como:
y(t) =

[2u() 3u( 3) + u( 5)] [e

3(t)
u((t 1) )d]
2.2. CONVOLUCI

ON EN TIEMPO CONT

INUO 17
Ahora se procede a gracar la funcon que quedo ja, h():
Figura 2.1: Gracas de la funcion ja
Una vez obtenida la graca de la funcion estatica, se procede a correr la
funcion girada buscando los lugares en los que hay multiplicacion y de esta
manera poder establecer los limites de las integrales.
Para el desplazamiento t 1 < 0, y(t) es nula ya que no se da multiplicacion
entre las funciones. En el caso de que 0 < t 1 < 3 hay multiplicacion para la
primera parte de la funcion ja, pues esta antes de 3 pero despues de 0.
Figura 2.2: Convolucion en el intervalo [0,t-1]
La salida y(t) es:
18 CAP

ITULO 2. CONVOLUCI

ON
y(t) =
t1
_
0
2e
3(t)
d
Por otra parte, cuando tenemos que el desplazamiento esta entre 3 y 5, es
decir, 3 < t 1 < 5
Figura 2.3: Convolucion en el intervalo [3,t-1]
En este intervalo, la salida queda denida como:
y(t) =
t1
_
0
2e
3(t)
d +
t1
_
3
3e
3(t)
d + 0
Luego, cuando el desplazamiento es mayor a 5:
2.3. CONVOLUCI

ON EN TIEMPO DISCRETO 19
Figura 2.4: Convolucion cuando el desplazamiento es mayor a 5
y(t) =
t1
_
0
2e
3(t)
d +
t1
_
3
3e
3(t)
d +
t1
_
5
e
3(t)
d
Una vez se hayan resuelto las integrales, se expresa y(t) como una funcion a
trozos denida para cada uno de los intervalos ya establecidos.
2.3. Convoluci on en tiempo discreto
La respuesta y[n] de un sistema lineal y estacionario en tiempo discreto a una
entrada arbitraria x[n]. Como ya ha sido mencionado, la suma de convolucion
provee una manera matematicamante concisa para expresar el resultado de un
sistema LTI, basado en una entrada arbitraria para una se nal discreta y tambien
el saber la respuesta del sistema. La suma de convolucion es expresada como
y[n] =

k=
x[n] h[n k]
Para obtener la salida y[n] en un instante de tiempo n determinado, primero
se resuelve los productos h[k].x[n-k] como una funcion de la variable discreta k.
Luego se realiza la sumatoria innita de los mismos respecto a k obteniendose
y[n].
Estas operaciones matematicas tienen una interpretacion graca muy sencilla.
Primero se traza h[k] y una versi on invertida temporalmente
2
desplazada de
la entrada (x[n]) dada por x[n-k] ambas en un eje k, donde n pasa a ser un
parametro jo.
Luego se multiplican estas dos se nales obteniendose la secuencia de sumandos.
Sumando los valores de esta secuencia con respecto al ndice k se alcanza el
20 CAP

ITULO 2. CONVOLUCI

ON
valor de la salida y[n] en el instante n correspondiente. Esta ultima operacion
se repite para cada valor de n requerido.
Tenemos la entrada x[n] y la respuesta al impulso h[n]:
x[n] = [2,

1, 1]
h[n] = [

1, 2, 2]
Figura 2.5: Entrada arbitraria
Figura 2.6: Respuesta al impulso
2.3. CONVOLUCI

ON EN TIEMPO DISCRETO 21
Girando x[k] tenemos que:
Figura 2.7: Entrada arbitraria
Ahora se corre la se nal girada unidad a unidad de la siguiente manera
deniendo a x[n k] en negro y a h[k] en rojo:
Para un corrimiento de -1 unidades hay multiplicacion en 0 con amplitud
de 2, por lo que la salida tendra un valor de 2.
Figura 2.8: Salida
22 CAP

ITULO 2. CONVOLUCI

ON
Para un corrimiento de 0 hay multiplicacion desde 0 hasta 1 con ampli-
tudes de 1 y 2 respectivamente, dando a la salida un valor de 5.
Figura 2.9: Salida
Para un corrimiento de 1 hay multiplicacion desde 0 hasta 2, es decir, hay
convolucion en toda la respuesta , por lo que el valor de la salida es 7.
Figura 2.10: Salida
Para un corrimiento de 2 unidades en el tiempo hay convolucion desde
1 hasta 2, con amplitudes de 2 para la respuesta al impulso y 1 para la
entrada , dando a la salida un valor de 4.
2.3. CONVOLUCI

ON EN TIEMPO DISCRETO 23
Figura 2.11: Salida
Para un corrimiento de 3 solo hay convolucion en 2, con amplitudes de 2
para la respuesta al impulso y 1 para la entrada , dando a la salida un
valor de 2.
Figura 2.12: Salida
Para un corrimiento de 4 unidades no hay convolucion ya que la se nal que
se estaba moviendo sale de la que quedo ja en el tiempo.
Una vez haya terminado de pasar toda la se nal y obtenidos los valores se procede
a gracar la nueva se nal de salida.
y[n] = {2,

5, 7, 4, 2}
24 CAP

ITULO 2. CONVOLUCI

ON
Figura 2.13: Salida
A continuacion se realizara un ejemplo un poco mas complejo que el anterior
pues ya no se denen las se nales de entrada y respuesta al impulso como una
serie de numeros en un intervalo de tiempo, sino esta vez estara denida en
forma de funcion limitada por escalones.
x[n] =
_
0 otro caso
_
n
3
_
0 n 6
h[n] =
_
1 2 n 2
0 otro caso
El siguiente paso es gracar ambas se nales, en muchos casos es necesario tener
una muy buena interpretacion de la forma de la se nal, ser capaz de imaginar
como se mueven.
Figura 2.14: Salida
2.3. CONVOLUCI

ON EN TIEMPO DISCRETO 25
Deniendo la se nal de entrada y la respuesta al impusloo, es mas facil mover
a h[n] porque tiene un intervalo mas peque no.
x[k] =
_
n
3
_
(u[k] u[k 7])
h[n k] = u[k + (n + 3)] u[k + (n 3)]
Una vez denida la se nal a desplazar y los intervalos se procede a denir los
lmites con los que se haran las sumatorias.
El primer intervalo de convolucion se da cuando (n+2) es mayor a 0. La
salida se determina como:
y[n] =
n+3

k=0
n
3
Como la fraccion es constante se puede sacar de la sumatoria y se aplican
las propiedades de la sumatoria quedando asi:
y[n] =
n
3
n+2

k=0
1
y[n] =
n
3
(n + 3)
El segundo intervalo de convolucion se da cuando (n+2) es mayor a
0 y menor a 6 y (n-2) es mayor o igual a 0. La salida se determina
como:
y[n] =
n
3
n+2

k=n2
1
y[n] =
5n
3
El tercer intervalo de convolucion se da cuando (n+2) es mayor a
6, es decir, sale de la funcion ja y (n-2) es menor a 6. La salida se
determina como:
y[n] =
n
3
6

k=n2
1
y[n] =
n(9 n)
3
Este es el ultimo intervalo de convolucion porque cuando (n-2) es
mayor a 6 ya ha salido totalmente de la funcion ja.
26 CAP

ITULO 2. CONVOLUCI

ON
Captulo 3
Representaci on de se nales
por series de Fourier
3.1. Series de Fourier
En 1807, Fourier, establece en los trabajos presentados en el instituto de
Francia que: cualquier se nal periodica puede ser representada por una serie
de sumas trigonometricas en senos y cosenos relacionadas armonicamente.
Los argumentos establecidos por Fourier eran imprecisos y en 1829 Dirich-
let proporciono las condiciones precisas para que una se nal periodica pue-
da ser representada por una serie de Fourier. Fourier obtuvo ademas, una
representacion para se nales no periodicas, no como suma de senoides rela-
cionadas armonicamente, sino como integrales de senoides, las cuales no
todas estan relacionadas armonicamente. Al igual que las series de Fouri-
er, la integral de Fourier, llamada Transformada de Fourier, es una de
las herramientas mas poderosas para el analisis de sistemas LTI (Sistema
Lineal Invariante en el Tiempo).
3.1.1. Representaci on exponencial de se nales periodi-
cas en Fourier
Para que una se nal periodica pueda representarse por una serie de Fourier,
debe respetar las condiciones de Dirichlet:
Que tenga un n umero nito de discontinuidades en el periodo T, en
caso de ser discontinua.
Que tenga un n umero nito de maximos positivos y negativos.
27
28CAP

ITULO3. REPRESENTACI

ONDE SE

NALES POR SERIES DE FOURIER

El valor medio en el periodo T, sea nito. Que la se nal sea absoluta-
mente integrable.
Si se satisfacen estas condiciones, existe la serie de Fourier y puede es-
cribirse en la forma exponencial como:
x(t) =

n=
x
n
(t)
Donde xn es una constante compleja y se calculan con (t) que es una fun-
cion de base ortogonal. Teniendo esto es posible hacer una aproximacion
muy buena de la se nal original, representada como:
x(t) =
N

n=0
x
n

n
(t)
Los valores de x
n
son linealmente independientes, llamados tambien coe-
cientes armonicos de se nal calcula:
x
n
=
1
kn
t2
_
t1
x(t)

n
(t)dt
t
1
y t
2
son los lmites del periodo, en otras palabras, la diferencia de estos
valores es igual al periodo de la funcion y

n
es la conjugada de la funcion
ortogonal.
Ejemplo, sea la se nal periodica determinar su representacion en Fourier:
Figura 3.1: Se nal rectangular periodica
3.1. SERIES DE FOURIER 29
Teniendo el periodo T y el ancho de cada rectangulo la se nal se dene
as:
x(t) =
_
A < t <
0 < t < T
Siendo x
n
los coecientes armonicos y denimos nuestra funcion base or-
togonal con una funcion exponencial, entonces la serie de Fourier que da
una buena aproximacion a la se nal anterior viene dada as:
x(t) =

n=
x
n
e
jnt
Para comenzar, se hallan los coecientes armonicos a partir de la deni-
cion, utilizando la misma base. Entonces:
x
n
=
1
T

2
_

2
Ae
jnwot
dt
Luego de resolver la integral y reemplazar los lmites obtenemos la sigu-
iente expresion a la cual se le multiplicara y dividira entre 2 y por para
poder usar la identidad y transformar la diferencia de los exponenciales
en una funcion senoidal, tal como se requiere en el analisis de series de
Fourier:
x
n
=
2A
T
e
jnwo

/
2
e
jnwo

/
2
2jnw
o
Y de esta expresion podemos llegar a la funcion seno antes mencionada, la
cual se puede tambien escribir como una funcion Sa por su denominador:
x
n
=
2A
T
sin nw
o
nw
o
Y la funcion Sa es:
x
n
=
2A
T
Sa(nw
o
)
2
Esta nueva reconstruccion que se hace de la se nal es una aproximacion
bastante precisa a la original, basados en el n umero de armonicos de la
misma y donde la mayor cantidad de energa se encuentra concentrada en
el lobulo principal.
30CAP

ITULO3. REPRESENTACI

ONDE SE

NALES POR SERIES DE FOURIER

Figura 3.2: Se nal rectangular periodica reconstruida en series de Fourier
3.1.2. Representaci on trigonometrica de se nales peri odi-
cas en Fourier
Partiendo de la representacion exponencial, podemos obtener su parte
imaginaria y real expresando la se nal como una sumatoria de estas partes
de la siguiente manera:
Re {x(t)} = Re
_

n=
x
n
e
jntw0
_
Expresado luego como la sumatoria de su parte real e imaginaria:
x
r
(t) =

n=
Re {x
n
}Re
_
e
jntw0
_
Im{x
n
} Im
_
e
jntw0
_
Y de esta manera podemos aplicar la propiedad trigonometrica para trans-
formar los euler:
x
r
(t) =

n=
Re {x
n
} cos njtw
0
Im{x
n
} sin njtw
0
x
n
= Re {x
n
} + jIm{x
n
}
Hasta el momento tenemos una nueva representacion para se nales period-
icas en series de Fourier, pero expresada de esta manera es un bastante
3.1. SERIES DE FOURIER 31
incomodo y complejo trabajar, por esto es necesario hacer un par de ar-
reglos matematicos mas, por ejemplo, si tomamos la conjugada del x
n
y
se la sumamos y restamos al mismo obtendremos que:

n
+ x
n
= 2Re {x
n
}

n
x
n
= 2jIm{x
n
}
De esta manera le damos una variable a la suma y resta del x
n
y su
conjugada:
a
n
= 2Re {x
n
}
b
n
= 2jIm{x
n
}
Con a
0
= x
0
reemplazamos los nuevos coecientes en la ecuacion principal
de la representacion:
x(t) = a
0
+

n=
a
n
cos njtw
0
+ b
n
sin njtw
0
A esta nueva representacion se le denomina trigonometrica en series de
Fourier.Pero en esta representacion hay que tener mucho cuidado al mo-
mento de calcular los coecientes a
n
y b
n
, pues para funciones pares sola-
mente existen a
n
y para las impares b
n
, sino clasica en ninguna, ambos
coecientes tendran que ser calculados. Para una mejor comprension de
esta nueva representacion, se resolvera un ejemplo a continuacion:
Dada la se nal periodica, denida a trozos:
Figura 3.3: Se nal rectangular
32CAP

ITULO3. REPRESENTACI

ONDE SE

NALES POR SERIES DE FOURIER

x(t) =
_
1 0 < t <
T
2
0
T
2
< t < T
calculando a
0
con w
0
=
2
T
a
0
=
1
T
T
2
_
0
1 dt
a
0
=
1
T
T
2
a
0
=
1
2
Ahora se procede a calcular los coecientes como se ha denido anterior-
mente:
a
n
=
2
T
T
2
_
0
1 cos ntw
0
dt
Resolviendo la integral y reemplazando los lmites, tenemos que:
a
n
=
2
T
sin ntw
0
nw
0
T
2
0
a
n
=
sin n
n
= 0
Ahora se calculan los b
n
:
b
n
=
2
T
T
2
_
0
1 sin ntw
0
dt
Resolviendo la integral y reemplazando los lmites:
b
n
=
2
T
cos ntw
0
nw
0
T
2
0
3.2. LA TRANSFORMADA DE FOURIER 33
b
n
=
2
nw
0
T
_
cos n
n

1
n
_
En este caso particular, para valores pares de n el coeciente b
n
seria 0
porque el coseno de un multplo par de 2 sera 1 y se restarian ambos.
Para valores impares.
b
n
=
4
n
De esta manera tenemos que la representacion trigonometrica de la se nal
dada en series de Fourier es:
Para n par.
x(t) =
1
2

n=2
2
n
sin ntw
0
Para n impar.
x(t) =
1
2
3.2. La transformada de Fourier
El desarrollo de esta representacion para las sedales aperiodicas continuas
es una de las contribuciones mas importantes de Fourier. y nuestro de-
sarrollo de la transformada de Fourier es muy similar al que el uso en su
trabajo original. En particular, Fourier razono que una se nal aperiodica
puede considerarse como una se nal periodica con un periodo innito. De
manera mas precisa, en la representacion en serie de Fourier de una se nal
periodica, conforme el periodo se incrementa. la frecuencia fundamental
disminuye y las componentes relacionadas armonicamente se hacen mas
cercanas en frecuencia. A medida que el periodo se hace innito. Las com-
ponentes de frecuencia forman un contnuo y la suma de la serie de Fourier
se convierte en una integral. La transformada de Fourier es una particu-
larizacion de la transformada de Laplace con S = jw (siendo w = 2 f),
y se usa con se nales aperiodicas donde se pasa del dominio del tiempo al
dominio de la frecuencia que simboliza el espectro de esta. Se dene como:
x(jw) =

x(t)e
jwt
dt
34CAP

ITULO3. REPRESENTACI

ONDE SE

NALES POR SERIES DE FOURIER

As como podemos cambiar el dominio de la se nal en su espectro en fre-
cuencia mediante la transformada de Fourier, se puede obtener la se nal
original aplicando el concepto de la antitransformada de Fourier que se
dene como:
x(t) =
1
2

x(jw)e
jwt
dw
3.2.1. Teorema de Parseval
la Relacion de Parseval demuestra que la Transformada de Fourier es uni-
taria; es decir, que la suma (o la integral) del cuadrado de una funcion
es igual a la suma (o a la integral) del cuadrado de su transformada. Es-
ta relacion procede de un teorema de 1799 sobre series, cuyo creador fue
Marc-Antoine Parseval. Esta relacion se aplico mas tarde a las Series de
Fourier.
Aunque la Relacion de Parseval se suele usar para indicar la unicidad
de cualquier transformada de Fourier, sobre todo en fsica e ingeniera,
la forma generalizada de este teorema es la Relacion de Plancherel. La
interpretacion de esta formula es que la energa total de la se nal x(t) es
igual a la energa total de su transformada de Fourier X(f) a lo largo
de todas sus componentes frecuenciales. Esta relacion se obtiene de de la
aplicacion directa de la transformarla de Fourier. Especcamente:

|x(t)|
2
dt =

x(t)x(t)

dt

x(t)
_
_
1
2

X(jw)

e
jwt
dw
_
_
dt
Ahora invertimos el orden de integracion.

|x(t)|
2
dt =
1
2

X(jw)

_
x(t)e
jwt
dt
_
dw
Y analizando esa expresion nos damos cuenta de que lo que esta dentro
del parentesis es en verdad la transformada de Fourier de la se nal original.

|x(t)|
2
dt =
1
2

|X(jw)|
2
dw
3.2. LA TRANSFORMADA DE FOURIER 35
3.2.2. Propiedades de la transformada de Fourier
La transformada de Fourier cuenta con las siguientes propiedades teniendo
en cuenta que:
x(t) X(jw)
y(t) Y (jw)
Linealidad
F{ax
1
(t) + bx
2
(t)} = F {ax
1
(t)} + F {bx
2
(t)}
Corrimiento en el tiempo. Implica una multiplicacion por el exponen-
cial en frecuencia.
x(t t
0
) = e
jwt0
X(jw)
Corrimiento en frecuencia. Implica una multiplicacion por el expo-
nencial en tiempo.
x(j(w y)) = e
jyt0
x(t)
Escalamiento.
x(at) =
1
|a|
X(
jw
a
)
Diferenciacion en tiempo.
dx(t)
dt
= jwX(jw)
Diferenciacion en frecuencia.
dX(jw)
dw
= jtx(t)
Integracion.
36CAP

ITULO3. REPRESENTACI

ONDE SE

NALES POR SERIES DE FOURIER

t
_

x(t)dt =
x(jw)
jw
+ X()(w)
Donde
X() =

x(t)dt
Convolucion en tiempo es multiplicacion en frecuencia y viceversa.
x(t) h(t) = X(jw)H(jw)
x(t)h(t) =
1
2
X(jw) H(jw)
Dualidad.
x(t) X(jw)
X(t) 2x(jw)
Teorema de Parseval

|x(t)|
2
dt =
1
2

|X(jw)|
2
dw
3.2. LA TRANSFORMADA DE FOURIER 37
3.2.3. Pares basicos de transformada de Fourier
Figura 3.4: Pares basicos de transformada
38CAP

ITULO3. REPRESENTACI

ONDE SE

NALES POR SERIES DE FOURIER

Captulo 4
Modulacion y ltros
4.1. Modulacion
Se denomina modulacion, a la operacion mediante la cual ciertas carac-
tersticas de una onda denominada portadora, se modican en funcion de
otra denominada moduladora, que contiene informacion, para que esta
ultima pueda ser transmitida. La onda en condiciones de ser transmitida.
Se denomina se nal modulada.
Estas tecnicas permiten un mejor aprovechamiento del canal de comuni-
cacion lo que posibilita transmitir mas informacion en forma simultanea
ademas de mejorar la resistencia contra posibles ruidos e interferencias.
Basicamente, la modulacion consiste en hacer que un parametro de la on-
da portadora cambie de valor de acuerdo con las variaciones de la se nal
moduladora, que es la informacion que queremos transmitir. El proceso
inverso, que consiste en separar de la se nal modulada, la onda que contiene
solamente la informacion, se llama demodulacion.
La modicacion debe hacerse de tal forma, que la informacion no se altere
en ninguna parte del proceso. Seg un la portadora sea una se nal del tipo
analogico o del tipo digital, las diferentes formas de modulacion pueden
clasicarse en dos grandes grupos:
Modulacion por onda continua.
Modulacion por pulsos.
La causas por la cual casi siempre un proceso de modulacion, es que todas
las se nales que contienen informacion, deben ser transmitidas a traves de
un medio fsico (cable multipar,bra optica, el espectro electromagnetico,
etc.) que une al transmisor con el receptor. A excepcion de que dicha
transmision sea efectuada en la modalidad de banda base (en cuyo caso no
39
40 CAP

ITULO 4. MODULACI

ON Y FILTROS
es necesario el proceso de modulacion), para llevarla a cabo, es necesario,
en la mayora de los casos, que la informacion sea modicada o procesada
de alguna manera antes de ser transmitida por el medio fsico elegido.
Es decir, debe existir una adaptacion entre la se nal moduladora a ser
transmitida con la informacion y el canal. A su vez la se nal moduladora
puede tener caractersticas analogicas o digitales.
4.1.1. Modulacion por onda corta
Se denomina modulacion por onda continua al proceso por el cual una
onda denominada portadora, cuya forma de onda es sinusoidal, modi-
ca su amplitud, frecuencia o fase, en funcion de la se nal moduladora, la
cual contiene la informacion a transmitir. La potencia de la portadora se
caracteriza por la expresion:
p(t) = Asin wt +
Se puede observar que en dicha funcion existen tres parametros que pueden
ser modicados, de acuerdo con el parametro que se modique se tendran
tres tipos de modulacion diferentes, ya sea por su amplitud, frecuencia o
por su fase.
1. Modulacion por amplitud Aquella en que el parametro de la
se nal de la portadora que se va a variar, es la amplitud. Cuando
la se nal moduladora es de origen digital, la modulacion de la por-
tadora esta representada por corrientes de amplitudes distintas y se
denomina modulacion por desplazamiento de amplitud (ASK). Exis-
ten dos tipos de modulacion en amplitud: Por variacion de nivel de
la onda portadora y por supresion de onda la misma.
Variacion del nivel de la onda portadora: En este caso la fase y
la frecuencia de la se nal, quedan constantes antes y despues de
ser moduladas.
4.1. MODULACI

ON 41
Figura 4.1: Modulacion por amplitud con variacion de nivel de onda
Por supresion de la onda portadora: Este caso es el que usa un
sistema telegraco, donde los valores de la se nal modulada varan
entre un valor de amplitud A para el digito 1 y la directa supre-
sion de la portadora para la transmision del dgito 0.
2. Modulacion por frecuencia Es una modulacion angular que trans-
mite informacion a traves de una onda portadora variando su frecuen-
cia (contrastando esta con la amplitud modulada o modulacion de
amplitud (AM), en donde la amplitud de la onda es variada mientras
que su frecuencia se mantiene constante). En aplicaciones analogi-
cas, la frecuencia instantanea de la se nal modulada es proporcional
al valor instantaneo de la se nal moduladora. Datos digitales pueden
ser enviados por el desplazamiento de la onda de frecuencia entre un
conjunto de valores discretos, una modulacion conocida como FSK.
Aplicaciones.
La frecuencia modulada es usada com unmente en las radiofrecuencias
de muy alta frecuencia por la alta delidad de la radiodifusion de la
m usica y el habla. El sonido de la television analogica tambien es
difundido por medio de FM. Un formulario de banda estrecha se
utiliza para comunicaciones de voz en la radio comercial y en las
conguraciones de acionados. El tipo usado en la radiodifusion FM
es generalmente llamado amplia-FM o W-FM (de la siglas en ingles
Wide-FM). En la radio de dos vas, la banda estrecha o N-FM
(de la siglas en ingles Narrow-FM) es utilizada para ahorrar banda
estrecha. Ademas, se utiliza para enviar se nales al espacio.
La frecuencia modulada tambien se utiliza en las frecuencias inter-
medias de la mayora de los sistemas de vdeo analogico, incluyendo
VHS, para registrar la luminancia (blanco y negro) de la se nal de
video. La frecuencia modulada es el unico metodo factible para la
42 CAP

ITULO 4. MODULACI

ON Y FILTROS
grabacion de video y para recuperar de la cinta magnetica sin la dis-
torsion extrema, como las se nales de vdeo con una gran variedad de
componentes de frecuencia - de unos pocos hercios a varios megaher-
cios, siendo tambien demasiado amplia para trabajar con equalisers
con la deuda al ruido electronico debajo de -60 dB. La FM tambien
mantiene la cinta en el nivel de saturacion, y, por tanto, act ua como
una forma de reduccion de ruido del audio, y un simple corrector
puede enmascarar variaciones en la salida de la reproduccion, y que
la captura del efecto de FM elimina a traves de impresion y pre-eco.
Existen 2 tipos de modulacion en frecuencia:
En banda angosta. Con el FM convencional de banda angosta,
el ancho de banda es una funcion de indice de modulacion . En
el FSK binario el se mantiene en 1 produciendo un espectro de
banda angosta ( << /2). El minimo ancho de banda necesario
para propagar una senal se llama ancho de banda de Nyquist fN.
Al comparar este espectro con el de Amplitud la diferencia mas
signicativa esta en las bandas laterales en cuadratura de fase con
respecto a la portadora en la modulacion de frecuencia. El ancho
de banda en terminos generales para la modulacion de frecuencia
en banda angosta, en terminos generales es igual a la de amplitud,
2f
m
, siendo f
m
la maxima componente de frecuencia de la senal
modulante.
Figura 4.2: Modulacion por frecuencia, banda angosta
En banda ancha. Las ventajas de modulacion FSK sobre ASK
se hacen importantes cuando el indice de modulacion se hace
mucho mayor que 1, con lo que se incrementa el ancho de banda
y con ello el nivel de proteccion contra ruido e interferencia.
4.1. MODULACI

ON 43
Figura 4.3: Modulacion por frecuencia, banda ancha