You are on page 1of 6

Anlisis temporal

de seales y
sistemas discretos.
Procesado Digital de Seales.
4 Ingeniera Electrnica, Universitat de Valncia, Profesor Emilio Soria

OBJETIVOS DEL TEMA.


En este tema se analizarn las seales y sistemas discretos desde el punto de
vista temporal; son conceptos BSICOS E IMPRESCINDIBLES a la hora de
trabajar con dichos sistemas.

Seales discretas. Tipos.


Energa y potencia de una seal discreta
Sistema lineal, invariante temporal.
Respuesta impulsional.
Convolucin. Propiedades
Estabilidad. Causalidad
Correlacin.
Procesado Digital de Seales.
4 Ingeniera Electrnica, Universitat de Valncia, Profesor Emilio Soria

n
ales elementales en tiempo discreto:

SY ( w) = H ( j " w) " SX ( w)

Impulso unitario:

1, para n = 0

x(n) = A " e# " n

(n) =
0, para n != 0
n
ales elementales en tiempo
discreto:

!
x(n) = A " sin(# " n + $ )
Seales discretas. Tipos principales

Impulso
Impulso unitario
unitario:desplazado:

...

Impulsounitario

Unit sample

...

Unit sample
1

j
A = |A|e
Exponencial
compleja.

...

...

From Discrete-Time Signal Processing, 2e by Oppenheim, Schafer, and Buck 1999-2000 Prentice Hall, Inc.
From Discrete-Time Signal Processing, 2e by Oppenheim, Schafer, and Buck 1999-2000 Prentice Hall, Inc.

Discrete-Time
Signal Processing,
byBuck
Oppenheim,
Schafer,
and Buck
Prentice Hall, Inc.
From Discrete-Time SignalFrom
Processing,
2e by Oppenheim,
Schafer,2e
and
1999-2000
Prentice
Hall, 1999-2000
Inc.

Unit sample !
j" ( w" n + # )

10
1, para n = ...
... n
n0
n "je
x(n)nen
Unit sample
0A

x(n)
= |A|||
e=jwtiempo
e = discreto:
|A|||nej(w0n+)
Se
nales
elementales
0 (a)
n
...
(n n0) = 1, para n = 0 ...
(n) = 0, para n != n0
(a)
0
n
0, para n != 0
!Impulso
Unit step
Si ||
=n 1 unitario:
x(n) = |A|ej(w0n+) hablamos de una Secuen
0
(a)
Adems de estas seales
1
Escal
on unitario:
Unit
step
(a)
Exponencial
Compleja quepuede descomponerse en los corr
Impulso unitario
desplazado:
1
...
...
Escaln
unitario.
discretas bsicas se tienen
Unit step
1, para n = 0

...!
...
pondientes
fasores:
1
Unit step
sus
versiones
retardadas;
1, para n 0
(n)
=
0
n
1
...
...

0, para
n != 0 el
u(n) =
1, para n =...n0
0 (b)
a modo0nde
... n x(n) = |A|[cos(w
+
)ejemplo
+ jsin(w
0 n + )],
(n n0)
=0, para n < 0
(b)
0
n
0, para n != n0
impulso
unitario
retardado
Impulso unitario desplazado:
0
(b)
donde wn0 es la frecuencia
de la sinusoide.
Rampa unitaria:
queda definido
como
Real exponential
(b)
Escal
on unitario:

...
Exponencial
real.
Real exponential

1, para
Descomposici
on: Toda secuencia
se puede
como u
n = nexpresar
...
0

Real exponential
0
...
(n

n
)
=
n, para n
0
combinaci
on de s.
...
0, para n != n0
ur (n)
Real exponential
...
0
n
x =n=0,1,Apara
" # nnn<0 0
para
...
n
0 (c)
T
xu(n)
n =
=
A"#
... n
Por ejemplo:
Escal
on unitario:
(c)
0,
para
n
<
0
Sinusoidal ...
n
0
n
Exponencial: ue(n) = A , n y , A C. En funcion del vaUna ltima definicin es la de
Sinusoidal
0
n 3, 4, ...} x(n) = (n) + 2(n 1) + 3(n 2) +
(c)
x(n) = {1, 2,
Sinusoide
peridica que
lor de yunitaria:
A se tratar
a de una exponencial creciente/decreciente (c)
Rampa
...
seal discreta
Sinusoidal
1, para n 0
...
compleja o real.
y(
cumple
x(n+N)=
x(n)
Sinusoidal
u(n)
=
El
escal
o
n
unitario
se
puede
expresar
as
: " n;
n
0
x n= A=" cos
A " cos
#+ $" n + $...
...
x
n
#
"
n

!
para n <
n
0
!
aqu N es el0,nperiodo
de0la !
n, para n 0
...
...
!
ur (n) =
n
0 n de Seales.
=
||ejwDigital
(2.1)0 (d)
...
Rampa unitaria:u(n) = seal.(k)
Procesado
N 2Emilio
4 Ingeniera Electrnica,
0,Universitat
parade Valncia,
nN<2 0Profesor
n
% a...NSoria +% aaNN(d)0 (+ a N (
x(
k=
1
21 basic sequences.
3
2
Figure
2.3
Some
a
=
a
#
a
=
+
N
+
N
"1
(d)
'
*

n +d+
a
=
a
d
#
a
=
+
N
+
N
"1
k
k"1
n
1
2
The
sequences
shown
play
important
'
*
!
Exponencial: ue(n) =
n y , A C. En funci
o2
nin del
vak A31 ,k"1
1
2
Figure
Some
sequences.
roles2.3
the
analysis
and
representation
n, para n 0
(d)
& nThe
)basic
De forma general:
2
shown
play and
important
&
)
ofsequences
discrete-time
signals
systems.
k=N 1 creciente/decreciente
! y A se tratara de una exponencial
lor !
de
in the
representation
Figure
2.3analysis
Someand
basic
sequences.
ur (n) =
k=N 1 roles
ofThe
discrete-time
sequencessignals
shownand
playsystems.
important
0, para n < 0
Figure 2.3 Some basic sequences.
N2

compleja o real.
roles in the analysis and representation
y
!
sequences
shown
play important
(
N 2 % a N ofThe
+
r
"
a
discrete-time
signals
and
systems.
N
in
the
analysis
and
representation
2 roles
1
% a N +signals
( x(n)
=
x(k)(n
k) n, n y , A C. En funcion del var* "andasystems.
ak = a k"1 + r #
an = '
of discrete-time
Exponencial:
ue(n)
= A
N1
2
k=
ak = a k"1 jw
+ r0k=N
#
a
=
r
"1
!
*
& n ' (2.1))
lor de y A se tratara de una exponencial creciente/decreciente
= ||e n 1
r
"1
&
)
compleja o real.
k=N 1
y(

()

()

( )( )

( (

$$

( )

$$

Clasificaci
de se
nales en tiempo discreto:
Seales discretas. Energa
yonpotencia.
!

T {a " x1 (31
n) + b " x 2 (n)} = a "T {x1 (n)} + b "T {x 2 (nEnerg
)} a y potencia:
La T
energa
queda
forma
+ bseal
" x 2 (ndiscreta
n)} + b de
"Tla
)} = a "T
{a " x1 (den)una
{x1 (definida
{xsiguiente
2 (n)}

!
!
!

Energia : E
Si este valor es finito se dice que la seal es una seal de energa
31
M

$M

|x(n)|2

La potencia
ak " y(n #media
k) = debsuna
" x(nseal
# s) discreta queda definida de la siguiente forma
k=0

s=0

Si la potencia media es finita y diferente de


ak " y(n
# k) = bs " x(n # s)
se denomina
seal de potencia

N
!
1
P otencia
media : P lm
|x(n)|2
cero
la seal
N 2N + 1
n=N

A modo
ak " y Hde(nejemplo
# k) = 0 es inmediato
!
potencia (su energa es infinita) y el impulsoPodemos
unitariollegar
es una
a: funcin energa (su potencia
k=0M
media
es 0).
M
N =0
ak " y H (n # k)
1
EN jwn tiene
Pcompleja
lm
A modo
de
ejercicio
intenta
demostrar
que
la
seal
discreta
x(n)=
N

2N
+ 1 A!e
a
"
y
(n
#
k)
=
b
"
x(n
#
s)
s
k=0k P
!
energa
infinita y potencia
media igual a A ydonde
queEla
seal rampa
ni esN
seal
a de lax(n)=n!u(n)
senal en el intervalo
n N.
N es la energ
k=0
s=0

$a

$ b " x(n # s)

" y P (n # k) =

Simetricas y antisimetricas:

Procesado Digital de Seales.


4 Ingeniera Electrnica, Universitat de Valncia, Profesor Emilio Soria

k=0

y(

h(

Muchas senales con energa infinita poseen potencia media finicomprobar


ta. que el escaln unidad es una seal de

s=0

M
de energa
ni de potencia.N

!
!

n=

(2.1)

32

Mk=0

Si E es finita se habla de x(n) como una se


nal de energa.

= ||ejw0n

s=0

Simetrica (par) : x(n) = x(n)

y(

y(

k=

Types of discrete systems


A causal system cannot look into the future:
A causal system cannot look into the future:
y = f (xn , x,n1
, x , . . .)
yn = f (xn ,nxn1 , xn2
. . .) n2
A memory-less
system only
depends
only
on the
current
A memory-less
system depends
on the
current
input
value:input value:

Sistemas discretos.
y = f (x y)

nn

= f (xn )

Se define un sistema discreto como aquel que transforma


T { }
A delayshifts
system
shifts a sequence
in time:
A delay system
a sequence
time:
una seal
discreta
originalinx(n)
a otra final y(n)
x [n]
y[n]
yn = xndyn = xnd
Un sistema discreto es invariante temporal si desplazamientos temporales de la
T is a time-invariant
for any d
T isentrada
a time-invariant
system
if system
for
any ifd desplazamientos
se traducen
en los
mismos
temporales a la salida del
sistema {yn } = T{y
{xnn}}= T
T {x
{xn } {y
} }.
= T {xnd }.
nd } = {y
nd
nd

T is a linear
for any ifpair
sequences
{xn } and {x
T is system
a linearifsystem
for ofany
pair of sequences
{xn"Figure
{xn"Representation
}
n}} and
2.6
Un sistema discreto es lineal si para cualquier par de constantes a y b se cumple la of a
discrete-time
system, i.e., a
"
siguiente igualdad.
T {a xn T
+{a
b xxn" n} +
= ba xTn" {x
+ bT{x
T {x
}. b Ttransformation
n} a
}=
{xn" }.
that maps an input
n }n+

sequence x [n ] into a unique output


7 y [n ].
7
La propiedad de linealidad permite aplicar el principiosequence
de superposicin
en

procesado digital de seales. Las dos propiedades, linealidad e invarianza temporal


son claves para definir la convolucin (SI NO SE DAN ESTAS DOS
PROPIEDADES NO SE PUEDE DEFINIR LA CONVOLUCIN).

Types of discrete s

A causal system cannot look into the future

Procesado Digital de Seales.


4 Ingeniera Electrnica, Universitat de Valncia, Profesor Emilio Soria

yn = f (xn , xn1 , xn2

From Discrete-Time Signal Processing, 2e

by Oppenheim, Schafer, and Buck


A memory-less
system depends only on the
1999-2000 Prentice Hall, Inc.

Can all LTI systems be represented by convolution?


yn = f (xn )
Can
LTI systems
be represented
Any sequence {xn } can
be all
decomposed
into a weighted
sum of shiftedby convo

Respuesta
impulsional.
Convolucin.
impulse sequences: Any A
delay {x
system
shifts
a sequence
in time:sum
sequence
decomposed
into a weighted
be represented
by convolution?
n } can be

Tenemos un sistema discreto L.T.I (lineal e invariante temporal) y estamos interesados en determinar la
#
1
= xnd
RkXX {
(m)
=}
SX ( w) " eyjmw
n dw
{x
}
=
x
n
nk

Aqu hay tres cuestiones clave, la primera consiste


en que cualquier seal
#
2"# !
$#
1
k=
xk {nk }
se puede poner como combinacin
RXX (m) = lineal deSXuna
" e jmwde
dwimpulsos {xn } =
( w) serie

T
is
a
time-invariant
system
if for any d
!
2
"
#
k=
unitarios
$#
()
()
}=
xk {nk }
2
Lets see what happens if we apply a Slinear
time-invariant
system
Y ( w) = H ( j " w) " S X ( w)
Si
queremos
determinar
la
salida
de
la
seal
discreta
{x
}
aplicaremos
k=
T to such a decomposed
{ynif}we
=apply
T {xanlinear
} ()

{ynd(
!
Letsnsequence:
see what happens
time-invariant
2
#
"
n
SY ( w) = H ( j " w)" "
STX (to
w)such a decomposed
# x(n)
= A " sequence:
e
!
!
()
()
!
()
Aqu
se aplicaiflafor
2 cuestin
we apply a linear
time-invariant
system
"
#
T
is
a
linear
system
T {xn }se tiene
=# " n T
xk {nk } = xk T {nk
} any pair of seque
Recordando la expresin anterior
!
!
clave
el "sistema
es
lineal
x(n) = A " e
x(n)
=
A
sin
#
"
n
+
$()
(
) !
equence:
k=
k=
T {xn } = T
x

{
}
=
xk T {nk }
k
nk
"
#"

#
!
!
T
{a

x
+
b

x
}
=
a T {xn }
!
k=
Sex(n)
tiene= la
actuacin
del
seal impulso
retardado.

! sobre la k=
j" ( w"nnunitario
+#
n
A "()
sin # " n +
$ sistema
= (
xk) {nk } T {n
} = = A "e x
{)nk } "T {
}
x(n)
() !
n
k
la
impulsional
de un
!sistema discreto, hk , como!
{nk } =
xk T {nk } Definimos la respuesta
()
k=
k=
=
x

{
}

T
{
}
=
!
j" w" n + # )
! es el impulso kunitario
$ nkesto es hn =T{# }.
$ xk {nk }
k=
salida
la{
entrada
x(n)del
= sistema
A "=
e ( cuando
{xn } T
q.e.d.
n}
k
k
"
#
k=
x k " hn# k & y(n)k=
=
x(k) " h(n #
{ yn } =
!
!
=
q.e.d.
$
$ {xn } T {n }
!
Finalmente
como
el
k= #$
k= #$
xk {nk }
TThe
{n }impulse response TEl{anterior
k } T {n } =
se conoce
como
characterizes
an
LTI system.
n } fullyproducto-suma
y
=
x
"
h
&
y(n)
=
x(k)
"
h(n
#
k)
{
}
sistema
es
invariante
n
k
n#
k
k=
la convolucin
de xkTy{
hkn }y se
designa
por 15 an LTI
The
impulse
response
fully
characterizes
k= #$
k= #$
temporal se!llega a

impulse sequences:

decomposed
intodeadicho
weighted
of shifted
!
salida
sistemasum
cuando
se tiene una cierta seal a la entrada........

q.e.d.

T {n } fully characterizes an LTI system.

Procesado Digital de Seales.


4 Ingeniera Electrnica, Universitat de Valncia, Profesor Emilio Soria

{ x n } " { hn } =

&x

# hn$ k

k= $%

15

Cascade connection:
h1[n]

h2[n]

h1[n] * hh[n]= h2[n] [n]


1

Impulse response h[n] of the cascade of


two systems with impulse responses
Propiedades
de la convoluci
on:
Convolucin.
Propiedades
h1[n] and h2[n] is h[n] = h1[n] * h 2[n]
"#$%&'(&)(%&#*%+'),'-)./)01#*).2
Conmutativa: h(n) x(n) = x(n) h(n)
Conmutativa.
!
By
commutativity,
Propiedades de la convoluci
on:
1 (n)+h2 (n)] = x(n)h1 (n)+x(n)h2 (n)
h1[n] Distributiva:
h2[n] x(n)[h
h [n]
h1[n]
!
"#$%&'(&)(%&#*%+'),'-)./)01#*).2
Conmutativa:
h(n) x(n) = x(n) 2h(n)
Asociativa: h2(n) [h1(n) x(n)] = [h2(n) h1(n)] x(n)

Distributiva: x(n)[h1(n)+h2(n)] = x(n)h1(n)+x(n)h2(n)

Dan Ellis

2004-09-14

28

Propiedades
h(n):
Asociativa:
h2(n) de
[h1(n)
x(n)] = [h2(n) h1(n)] x(n)
Asociativa.
!

Propiedades
de x[n]
h(n):LTI es estable
Un
< , entonces
y[n]sistema
y[n] x[n] k= |h(k)|y[n]
h1[n] h2 [n]
=
h2[n] h1[n]
=
h1[n]* h2[n]
!
los sistemas
h(n)
= k=
0, n|h(k)|
n<
todos estables.
Un sistema
es con
estable

, entonces
Propiedades
deLTI
la convoluci
on:
0 son
los sistemas con h(n)LTI
= 0, es
ncausal
n0 son
todos estables.
si h(n)
= 0, n < 0.
[n] Un sistema
h1Conmutativa:
h(n) x(n) =
x(n) h(n)
x[n] LTI es causal
y[n]
x[n]
y[n] x[n]
Un sistema
si
h(n)
=
0,
n
<
0.
n]x[n] h2 [n]
= y[n]
h2[n] (n)+x(n)h
h [n]
= 2(n) h1[n]* h2[n] y[n]
y[n]h1[x(n)[h
x[n] Distributiva:
= x(n)h
1 (n)+h2 (n)]
1 1

x[n]

Distributiva.

=
h1[n]+h2 [n]
Asociativa: h2(n) [h1(n) x(n)] = [h2(n) h1(n)] x(n)
h1[n]
h 2[n]
Propiedades de h(n):
y[n] x[n]
y[n]
x[n]
!
= !h1[n]+h2 [n]
Un sistema LTI es estable k= |h(k)| < , entonces
los sistemas conh 2h(n)
[n] = 0, n n0 son todos estables.
Un sistema LTI es causal si h(n) = 0, n < 0.

Procesado Digital de Seales.


4 Ingeniera Electrnica, Universitat de Valncia, Profesor Emilio Soria

Convolucin. Ejemplos grficos

"#$%&'() *+,-+'./0+,1+21/3+14(5/$,6'(71!!""8

39

N= 6

x[k]
1
0

x[k] y[n]

x[7 k]

x[1k]

x[k]

x[2 k]

x[k]

x[5 k]

x[k]
0

10

x[k] x[8 k]
x[k] x[11k]
x[k]

39

x[17k]

Procesado Digital de Seales.


4 Ingeniera Electrnica, Universitat de Valncia, Profesor Emilio Soria

k
k
k

n = 7

y =0

n = 1

y=0

n =2

y = 39
3

n =5

y = 6!

n =8

y=

n = 11

y=

n =17

y=0
!"

Propiedades de la convoluci
on:
Conmutativa: h(n) x(n) = x(n) h(n)

Estabilidad. Causalidad.

Distributiva:
x(n)[h
x(n)hlas
2 (n)]
1 (n)+x(n)h
Una vez
vista1(n)+h
la forma
de=obtener
salidas de2(n)
un sistema discreto es necesario
definir
el concepto
estabilidad
unsistema
Asociativa:
h2(n)
[h1(n) dex(n)]
= [h2(n)BIBO;
h1(n)]
x(n) digital es estable BIBO si, ante
cualquier entrada acotada, la salida del sistema permanece acotada.
Propiedades de h(n):
Propiedades
de la
n:
Se puede
demostrar que
la convoluci
definicin oanterior
se transforma en la siguiente
!

condicin
matemtica
Un sistema
LTI es
estable k=
< x(n)
, entonces
Conmutativa:
h(n) |h(k)|
x(n) =
h(n)
los sistemas con h(n) = 0, n n0 son todos estables.
Distributiva:
x(n)[himpulsional
= x(n)h
1 (n)+h2 (n)]del
2 (n) lo que se
Si nos fijamos
en la respuesta
sistema1(n)+x(n)h
discreto aparece
Un sistema LTI es causal si h(n) = 0, n < 0.
conoce como
sistema F.I.R
I.I.R
(Infinite Impulse
Asociativa:
h2(n) (Finite
[h1(n) Impulse
x(n)] =Response)
[h2(n) h1e(n)]
x(n)
Response). Evidentemente (lo ves?) los sistemas FIR siempre son estables.
Propiedades de h(n):
Otra definicin importante es la de causalidad;
! un sistema discreto es causal cuando
Un
sistemainstante
LTI es no
estable
dek=
|h(k)|
< ,
entonces o salidas.
la salidaen
cualquier
depende
valores
futuros
de entradas
los sistemas con h(n) = 0, n n0 son todos estables.
Es inmediato comprobar que un
Un sistema LTI es causal si h(n) = 0, n < 0.
sistema es causal si se cumple que
Procesado Digital de Seales.
4 Ingeniera Electrnica, Universitat de Valncia, Profesor Emilio Soria

Correlacin. Autocorrelacin.
Existen situaciones en las que estamos interesados en determinar como va cambiando
una seal a lo largo del tiempo; nos preguntamos si existe cierto parecido en la forma de
onda x(n) si consideramos diferentes intervalos temporales. Esta informacin es muy
til cuando se modelizan sistemas y existen periodicidades
Las operaciones de procesado digital que nos proporcionan esa informacin son la
autocorrelacin; cuando quiero determinar parecido dentro de una misma seal x(n); y
39
la correlacin cruzada
cuando quiero determinar parecido entre formas de onda
diferentes.
Se pueden distinguir
entonces dos operaciones; la autocorrelacin cuando se utiliza
Autocorrelation
una seal y la correlacin cruzada cuando se utilizan dos secuencias discretas.
! Autocorrelation (AC) is correlation of
signal with itself:
Se define la autocorrelacin
de una seal discreta x(n) a la secuencia definida por la
"
siguiente expresin,
La energa de la
rxx [l] = # x[n]x[n39! l] = rxx [!l]
n=!"
seal se corresponde
"
2
Energy of
con rxx(0)
! Note: rxx [0] = # x [n] = $ x

Procesado Digital de Seales.


4 Ingeniera Electrnica, Universitat de Valncia, Profesor Emilio Soria
n=!"

sequence x[n]

10

!"##$%&'(")*+,&-.%$
!
!

/#"0(1$2*&*-$&23#$*"4*2(-(%&#('5*6$'7$$)*8*2(9)&%2
:5.(;&%*&..%(;&'(")*(2*%";&'()9*&*<)"7)*2(9)&%
!

+=9=>*'#&)2-('*&*2(9)&%*&)1*2$$*(4*5"3*#$;$(0$*('*6&;<*
&)1*&%2"*&'*7?&'*'(-$*5"3*#$;$(0$*('*6&;<

Correlacin cruzada.
2.5.
Correlaci
on y convoluci
n
Se define
la correlacin
cruzada oentre

dos seales x(n) e y(n) como

Problema clsico--Radar y Sonar.

!"##$%&'(")*+,&-.%$*/0")'12

!"#"$
! 34()5*#&6&#7*8$*'#&)4-('*'9$*4(5)&%*49"8)*:$%"8

$ secuencias x(n), y(n) se define la correlaci


Dadas dos
on cruzada de
rxyestas
(l) = dos secuencias
x (k ) " y(k #como:
l) l = 0,1,2,....
%&'()*#+

k=#$
!
,-,*./
$ rxy (l) =
x(n)y(n l), l = 0, 1, 2, . . .
(l)hace
=
x (k )cambio
" y(kk=
# l)de
l = ndices
0,1,2,....
Sirxyse
un
en la

!"##$%&'(")*+,&-.%$*/0")'12
%$
expresin
anterior
llegar
a
rxy (l) = %
x (n + les
yinmediato
3$*#$0$(4$*'5$*6"%%"7()8*/)"'$*'5$*)"(9$:2
) "!
(n) l = 0,1,2,....
la siguiente igualdad.
k=#$

rxy (l)
n=#$
$

!
!

rxy (l) =

k=

x(n + l)y(n), l = 0, 1, 2, . . .

% x(n"+ l) " y(n) l = 0,1,2,....

n=#$=
ryx(l)
k= y(n)x(n l) =
"
= k= y(n + l)x(n) = rxy (l), l = 0, 1, 2, . . .

!"##$%&'(")*+,&-.%$*/0")'12

Adems se comprueban las siguientes


item Por tanto:
igualdades
rxy (l) = x(l) y(l) = ryx(l)
Procesado Digital de Seales.
4 Ingeniera Electrnica, Universitat de Valncia, Profesor Emilio Soria

Por tanto, ryx(l) es solo la version reflejada de rxy (l) donde la reflexion se hace con respecto a l = 0. Por tanto, la matriz de correlacion
cruzada entre dos secuencias es simetrica; nos da la misma informacion hacer la correlacion entre x(n) e y(n) que viceversa.

43

11

You might also like