You are on page 1of 21

TRABAJO COLABORATIVO N 1 PROCESAMIENTO DIGITAL DE SEALES

ANA ISABEL BOLAOS TUTORA

LUIS BERNARDO PEA MIGUEL ANGEL GARCIA CANO DEIVYS ANDREY CORREA PALOMO DAVID ANDRES FERIA JUAN CLIMACO PINILLA OSPITIA CODIGO 299004_28

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIANCIAS BSICAS, TECNOLOGA E INGENIERA PROGRAMA DE INGENIERA ELECTRNICA 2013

INTRODUCCION El Procesamiento digital de seales se ha convertido en un apoyo de muchas otras disciplinas como son las telecomunicaciones, control, la medicina, etc. Hoy en dia es ms evidente que esa interaccin que se mencion sea profundizado ms con el tema de la televisin digital, la multimedia y los sistemas de informacin, como podemos ver cada vez se muestra ms la conectividad en la comunicaciones de forma inalmbrica donde el procesamiento y acoplo de las seales digitales juegan un papel importante en el desarrollo tecnolgico. Lo realmente importante es como el procesamiento de las seales digitales nos permite que los sistemas puedan tener comunicacin en tiempo real esto debido a que las seales se deben muestrear a la salida a la misma velocidad que aquellas de tiempo contino. Este punto es uno de los ms importantes durante este proceso. El procesamiento de seales digitales ha crecido de forma desigual desde hace mucho tiempo pero sin duda una vez ms se reitera como a pesar de la lentitud con que se evolucion al principio hoy es importante para todos los dispositivos tecnolgicos y la interaccin con otros que forman las grandes comunicaciones, un ejemplo de desarrollo importante en la historia del Procesamiento de Seales ocurri en el terreno de la Microelectrnica. Aunque los primeros microprocesadores eran demasiado lentos para implementar en tiempo real la mayora de los sistemas en tiempo discreto, a mediados de los ochenta la tecnologa de los circuitos integrados haba avanzado hasta el nivel de permitir la realizacin de microcomputadores en coma fijo y coma flotante con arquitecturas especialmente diseadas para realizar algoritmos de procesamiento de seales en tiempo discreto.

1).Consulta

Ingresar en la biblioteca virtual de la UNAD artculo

(http://www.unad.edu.co/biblioteca/) y encontrar el tejidos textiles. Deben resumen con las

Representacin paramtrica de la transformada de Fourier de aportar al foro luego de realizar la conclusiones de todos los lectura, dando su opinin al respecto. Finalmente realizan un respectivas integrantes sobre la lectura realizada.

-Nos muestra la importancia de la transformada de Fourier en la industria textil y los elementos con que se desarrollan cada uno de los procesos para obtener al final un tejido. La transformada de Fourier se puede utilizar para definir tejidos textiles formados por estructuras cuasi peridicas, basados en vectores calculados desde la transformada de Fourier como alternativa para la identificacin, adems se emplean el anlisis de la transformada de Fourier y algoritmos para el procesamiento de imgenes que nos permiten la clasificacin sin contacto de tejidos, medir el grosor, densidad de hilos, entre otras caractersticas fsicas del tejido. La transformada de Fourier posee muchas propiedades y puede realizar muchas funciones, en este artculo podemos ver la aplicacin de esta a la industria de los textiles y como un anlisis sencillo de Fourier puede

ser suma utilidad al aportar informacin importante, y es principalmente til para la clasificacin de muestras independientemente de variaciones el cambio de escala, la rotacin y traslacin. El artculo es un muy buen aporte debido a que nos muestra la practicidad de la transformada de Fourier en la industria y como esta puede ser aplicada y ser de mucha utilidad la cual la hace una herramienta de estudio muy importante. Hoy en dia la industria textil ha evolucionado de una manera muy rpida gracias a las herramientas y mtodos de fabricacin entre ellas la transformada de Fourier ya que esta tcnica ayuda a las imgenes en los textiles como son repetitivas es una tcnica muy efectiva y eficiente. Gracias a esta tcnica hoy podemos contar con infinidades de textiles para el gusto de cada quien o para satisfacer necesidades particulares

b) Investigar en la red sobre ejemplos de aplicacin de la correlacin usando Matlab. Luego ejecute el cdigo consultado y observe los resultados. Es necesario adjuntar el cdigo .m generado. 1. Para ver las dems imgenes que se ocultan en la imagen por defecto: Cdigo generado en Matlab defImage = pow2(get(0,'DefaultImageCData'),47); imgCell = repmat({zeros(size(defImage))},8,7); for shift = 0:52 imgCell{shift+1} = bitshift(defImage,shift); end; allImages = cell2mat(imgCell.'); imshow(allImages,[min(allImages(:)) max(allImages(:))]); %fin del script plot(lag1,z,'Color','g') hold on grid on plot(lag2, zz,'Color','k')

2. Generar una sinusoide de frecuencia igual a 100 Hz con amplitud uno y muestreada a 1 kHz. Determine la auto correlacin de esta seal normalizada a uno y represntela junto a la secuencia, Qu conclusiones pueden sacar? El programa en Matlab que implementa lo que nos piden es: %Generacin de la seal n = 0:99; x = cos(2*pi*n*0.1); %Clculo de la autocorrelacin normalizada y = xcorr(x,'coeff'); %Representacin de las dos seales subplot(221), stem(x,'k'), title('(a)') subplot(222), plot(x,'k'), title('(b)') subplot(223), stem(y,'k'),title('(c)') subplot(224), plot(y,'k'), title('(d)')

(a) 1 0.5 1 0.5

(b)

0 -0.5

0 -0.5

-1

20

40 (c)

60

80

100

-1

20

40 (d)

60

80

100

1 0.5

1 0.5

0 -0.5

0 -0.5

-1

50

100

150

200

-1

50

100

150

200

La grfica obtenida al emplear este cdigo se muestra en la figura siguiente. Podemos apreciar que la autocorrelacin tiene una longitud doble a la seal temporal. Este hecho se debe a que los desplazamientos, a la hora de calcular la autocorrelacin, pueden ser positivos o negativos. El ndice central se corresponde con un desplazamiento cero y, se corresponde, lgicamente, con el valor mximo de dicha correlacin.

3. Generar dos sinusoides de frecuencia 50 Hz (Fm = 1 kHz), amplitud uno y desfasados 90o y determinar la correlacin cruzada de ellas. Cmo se podra determinar el desfase entre estas seales? Realice una grfica donde aparezcan las matrices de autocorrelacin y correlacin cruzada Qu conclusiones se pueden sacar?

Para entender este apartado de forma sencilla consideremos las sinusoides dadas por x(n) = cos(2fn +1), y(n) = cos(2fn +2) Donde se puede definir = 1 - 2 como el desfase entre las dos seales. Se puede calcular el desfase comprobando cundo las dos seales vuelven a estar en fase. Para n = 0 se tiene: x(0) = cos(1), y(0) = cos(2). Si ahora se desplaza una de las seales, por ejemplo x(n), hasta que las dos estn en fase de nuevo, se tiene que x(N) = cos(2fN +1) = y(0) = cos(2). De la igualdad anterior se desprende que: 2fN +1 = 2, de modo que el desfase vendr dado por: = 1 - 2 = 2fN, siendo f la frecuencia digital de la seal. Podemos emplear la correlacin cruzada para determinar cundo las seales estarn en fase, lo cual ocurrir en los mximos de dicha correlacin. Como en los clculos realizados se ha considerado como punto inicial n = 0, se deben determinar los mximos a partir del punto central de la correlacin cruzada que, recordemos, es el punto de la correlacin correspondiente a un desplazamiento cero. El programa de Matlab que implementa esto es el siguiente: %Generacin de las seales n = 0:99; x = cos(2*pi*n*(50/1000)); y = cos(2*pi*n*(50/1000)+ pi/2); %Determinacin de la correlacin cruzada [z lag1] = xcorr(x,'coeff'); % autocorrelacin [zz lag2] = xcorr(x,y,'coeff'); %correlacion cruzada %Representacin de las seales plot(lag1,z,'Color','g') hold on grid on plot(lag2, zz,'Color','k')

-0.5

100

-1

20

40

60

80

100

1 0.5

0 -0.5

200

-1 -100

-50

50

100

2) Analizar y desarrollar los siguientes ejercicios. a)Determine la respuesta al impulso de los siguientes sistemas y[n] =x [n] - 6x [n-1] + 2x[n-2] % encontrar la respuesta de "y" al impulso de "x"; % para y[n]= x[n] - 6x [n-1] - 2x [n-2]; % definimos los coeficientes de y; a=[1 -6 2]; % al definir y[n]=1 para n"0" y y[n]=0 para n diferentes de cero; b=[1 0 0 ]; % los valores definidos para "n"; n = (1:50); % definimos "x"; x=(n==1); % respuesta al impulso; y= filter (b,a,x); y= filter (b,a,x); % graficamos; % encontrar la respuesta de "y" al impulso de "x";

% para y[n]= x[n] - 6x [n-1] - 2x [n-2]; % definimos los coeficientes de y; a=[1 -6 2]; % al definir y[n]=1 para n"0" y y[n]=0 para n diferentes de cero; b=[1 0 0 ]; % los valores definidos para "n"; n = (1:50); % definimos "x"; x=(n==1); % respuesta al impulso; y= filter (b,a,x); y= filter (b,a,x); % graficamos; subplot(2,1,1);plot(y(1:50),'b'); title('EN PERIODO CONTINUO'); xlabel('Respuesta de y al impulso x'); grid; subplot(2,1,2);stem (y(1:50),'v'); title('PERIODO DISCRETO'); xlabel ('LA RESPUESTA DE Y AL IMPULSO X'); grid;

x 10

36

EN PERIODO CONTINUO

10

15

20

25 Respuesta de y al impulso x PERIODO DISCRETO

30

35

40

45

50

x 10

36

10

15

20 25 30 LA RESPUESTA DE Y AL IMPULSO X

35

40

45

50

10y[n] + y[n-1] + y[n-2] + 9y[n-3] =x[n] % RESPUESTA DE "y" AL IMPULSO DE "x"; %para y[n]=10y[n]+y[n-1]+y[n-2]+9y[n-3]; % coeficiente de y; a= [10 1 1 9]; % definimos? [n]=1 para n=0 y ? [n]=0 para n diferente de cero; b= [1 0 0 0]; % valores definidos para "n"; n=(1:50); % definimos "x"; x=(n==1); % respuesta al impulso; y = filter(b,a,x); y = filter(b,a,x); % graficamos

subplot (2,1,1); plot (y(1:50),'b'); title ('GRAFICA No, 1 PERIODO CONTINUO'); xlabel ('RESPUESTA DE y AL IMPULSO x'); grid; subplot (2,1,2);stem(y(1:50),'g'); title ('GRAFICA No.2 PERIODO DISCRETO'); xlabel ('RESPUESTA DE y AL IMPULSO x'); grid

GRAFICA No, 1 PERIODO CONTINUO 0.1

0.05

-0.05

-0.1

10

15

20 25 30 RESPUESTA DE y AL IMPULSO x GRAFICA No.2 PERIODO DISCRETO

35

40

45

50

0.1

0.05

-0.05

-0.1

10

15

20 25 30 RESPUESTA DE y AL IMPULSO x

35

40

45

50

5y[n] - y[n-1] +8y[n-2] =x [n] % encontramos la respuesta de "y" al impulso "x"; % para 5y[n]-y[n-1]+8y[n-2]=x[n]; % x[n]=5y[n]-y[n-1]+8y[n-2]; % definimos los coeficientes de y; a= [5 1 8]; % ahora definimos ? [n]= 1 para n=0 y ? para n diferente de cero; b= [1 0 0]; % ahora definimos valores para "n"; n=(1:50); % definimos "x"; x=(n==1); % la respuesta a impulso; y= filter (b,a,x); y = filter (b,a,x); % graficamos; subplot(2,1,1);plot(y(1:50),'b'); title('GRAFICA No. 1 CONTINUO'); xlabel ('Respuesta de y al impulso'); grid; subplot(2,1,2);stem(y(1:50),'g'); title ('GRAFICA No. 2 DISCRETO'); xlabel('Respuesta de y al impulso x'); grid;

1.5 1 0.5 0 -0.5 -1 -1.5

x 10

GRAFICA No. 1 CONTINUO

10

15

20

25 Respuesta de y al impulso GRAFICA No. 2 DISCRETO

30

35

40

45

50

1.5 1 0.5 0 -0.5 -1 -1.5

x 10

10

15

20

25 Respuesta de y al impulso x

30

35

40

45

50

7y[n] + y[n-1] - 5y[n-2] = x [n]

% ENCONTRAR RESPUESTA DE "y" AL IMPULSO DE "x"; % para y[n]=7y[n]+y[n-1]-5y[n-2]; % coefientes de y; a=[7 1 5]; % definimos ?[n]=1 para n=0 y ?[n]=0 para n distintos de cero; b=[1 0 0]; % Definimos valores para "n"; n=(1:60); % definimos "x"; x=(n==1); % la respuesta a impulso es; y = filter(b,a,x); y = filter(b,a,x); % graficamos;

subplot(2,1,1);plot(y(1:40),'g'); title ('PERIODO CONTINUO'); xlabel ('Respuesta de y al impulso x'); grid; subplot (2,1,2);stem (y(1:40),'g'); title('PERIODO DISCRETO'); xlabel ('Respuesta de y al impulso x'), grid;

PERIODO CONTINUO 0.15 0.1 0.05 0 -0.05 -0.1

10

15

20 Respuesta de y al impulso x PERIODO DISCRETO

25

30

35

40

0.15 0.1 0.05 0 -0.05 -0.1

10

15

20 Respuesta de y al impulso x

25

30

35

40

b) Dadas las siguientes seales y[n] = [3 -5 1 4 0 -2] x[n] = [0 -5 4 -1 7 3] z[n]= [-4 -2 -1 0 3 8] Encuentre ryy rxz ryz rzz ryy y[n]=[3,-5,1,4,0,-2] ryy(0)={..+(3*3),+(-5*-5)+(1*1)+(4*4)+(0*0)+(-2*-2)} vo={9+25+1+16+4} ryy(0)=55 ryy(1)=-16 ryy(2)=-31 ryy(3)=-14 ryy(-1)=-16 ryy(-2)=-25 ryy(-3)=10 ryy(l)={10,-25,-16,55-16-31-14}

rxz x[n]=[0,-5,4-1,7,3] z[n]=[-4,-2,-1,0,3,8] rxz(0)={+(0*-4)+(-5*-2)+(4*-1)+(-1*0)+(7*3)+(3*8)} vo={0+10+-4+0+21+24} rxz (0)=51 rxz (1)=22

rxz (2)=-21 rx z(3)=-13 rx z(-1)=-10 rxz (-2)=29 rx z(-3)=-23 rxz(l)={-23,29,-10,-51,22,-21,-13}

ryz = y(n)=[3,-5,1,4,0,-2] z(n)=[-4,-2,-1,0,3,8] ryz(0)={+(3*4)+(-5*2)+(1*-1)+(4*0)+(0*3)+(-2*8)} vo={-12+10-1+0+0-10} ryz(0)=-13 ryz(1)=8 ryz(2)=-12 ryz(3)=-14 ryz(-1)=11 ryz(-2)=32 ryz(-3)=-7 ryz={-7,32,11,-13,8,-12,-14}

rzz= z[n]=[-4,-2,-1,0,3,8] ryz(0)={+(-4*4)+(-2*-2)+(-1*-1)+(0*0)+(3*3)+(8*8)} vo={16+4+1+0+9+64}

rzz(0)=94 rzz(1)=34 rzz(2)=7 rzz(3)=-14 rzz(-1)=34 rzz(-2)=7 rzz(-3)=-14 rzz={-14,7,34,94,34,7,-14}

CONCLUSIONES Podemos decir que como gran concusin se utiliz los mtodos estudiados para la elaboracin de los diferentes ejercicios, tanto de ejemplo como los propuestos as como la aplicacin correcta en Matlab, se logr un entendimiento ms adecuado del uso de las herramientas que como Matlab nos permite lograra un mejor entendimiento gracias a su versatilidad y gran variedad de aplicaciones. Con este trabajo se logr reconocer y poner en prctica el de

trabajo con nuestra herramienta Matlab, Adems se utilizaron los mtodos que han sido propuestos en nuestro mdulo procesamiento digital de seales. Que sirvieron para el desarrollo adecuado de esta actividad y el manejo de funciones basadas en la correlacin y auto correlacin. Se obtuvo anlisis usando software Matlab diseado para tal fin como la correlacin. Se realizaron ejercicios fundamentados en el anlisis matemtico para afianzar los conocimientos. Quedo demostrado que la Transformada de Fourier tiene una aplicacin importantsima en los procesos digitales que permite desarrollo tecnolgico.

REFERENCIAS BIBLIOGRAFICAS

Robayo, F (2013).Modulo de Procesamiento Digital de Seales. Neiva