Professional Documents
Culture Documents
1
SEÑALES Y SISTEMAS
ELEMENTOS DE UN SISTEMA DE COMUNICACIÓN
2
SEÑALES Y SISTEMAS
ELEMENTOS FUNCIONALES DE UN SISTEMA DE COMUNICACIÓN
ALEAT ORIA O
DET ERMINIST ICA
EAT OCAST ICA
NO NO
EST ACIONARIA EST ACIONARIA
EST ACIONARIA EST ACIONARIA
NO NO
P ERIODICA ERGODICA
P ERIODICA ERGODICA
5
SEÑALES Y SISTEMAS
SEÑALES ALEATORIAS. Las variaciones de estas señales son
extremadamente complejas y no pueden ser descritas en forma
analítica, sólo pueden ser descritas mediante propiedades estadísticas.
En Teoría de Comunicación las señales aleatorias tienen una gran
importancia,por lo cual tanto las señales mensajes como el ruido son
tratadas como señales aleatorias.
6
SEÑALES Y SISTEMAS
SEÑALES DE TIEMPO CONTINUO O SEÑALES ANÁLOGAS. Estas señales
están definidas para cualquier valor de la variable temporal.
Matemáticamente, estas señales pueden ser descritas por funciones de
una variable continua
x(t)=220sen250t
SEÑALES DE TIEMPO DISCRETO. Estas señales están definidas solamente
en valores discretos de tiempo. En la práctica, estos instantes de tiempo
son equidistantes. Para señales de tiempo discreto la variable temporal se
designa como n, teniéndose que x(n) representa una señal de tiempo
discreto
7
SEÑALES Y SISTEMAS
8
SEÑALES Y SISTEMAS
9
SEÑALES Y SISTEMAS
10
SEÑALES Y SISTEMAS
CONCEPTOS DE DESCRIPCIÓN DE SEÑALES EN EL DOMINIO DE
LA FRECUENCIA
f
0
12
SEÑALES Y SISTEMAS
0 f
13
SEÑALES Y SISTEMAS
f
0
14
SEÑALES Y SISTEMAS
CLASIFICACIÓN DE SISTEMAS
15
SEÑALES Y SISTEMAS
Por otra parte, los sistemas tanto de tiempo continuo como de tiempo
discreto, se pueden clasificar de acuerdo a las propiedades generales que
ellos poseen. Estas propiedades tienen interpretaciones matemáticas
como físicas.
Sistemas sin Memoria o Estáticos. Se dice que un sistema es sin
memoria si su salida para cada valor de la variable independiente
depende solamente de la entrada presente, o sea, de la entrada en ese
mismo instante de tiempo.
Sistemas con Memoria o Dinámicos. Un sistema que no cumpla con
los requerimientos o condiciones de los sistemas estáticos, se dice que es
un sistema dinámico o con memoria. La salida de un sistema con
memoria depende teóricamente de los valores pasados, presente y futuro
de la señal de entrada .
16
SEÑALES Y SISTEMAS
Sistemas Invariantes en el Tiempo. Se tiene que un sistema es
invariante en el tiempo si un desplazamiento en tiempo de la señal de
entrada produce un desplazamiento en tiempo de la salida, del mismo
monto que el de la entrada .
Sistemas Variantes en el Tiempo. Un sistema que no cumpla la
propiedad de invariancia en el tiempo se dice que es un sistema variante
en el tiempo .
Sistemas Lineales. Un sistema es lineal si satisface el Principio de
Superposición: si una entrada consiste en la suma ponderada de varias
señales, luego la salida es la suma ponderada de las respuestas del
sistema a cada una de estas señales.
Sistemas no Lineales. Un sistema que no satisface el Principio de
Superposición, se dice que es un sistema no lineal .
17
SEÑALES Y SISTEMAS
Sistemas Causales. Un sistema es causal si su salida en cualquier
instante de tiempo depende solamente de los valores de la señal de
entrada en el tiempo presente y en el pasado, es decir, no depende de los
valores futuros de la entrada.
Sistemas no Causales. Un sistema que no cumple con la propiedad de
causalidad, se dice que es un sistema no causal.
Sistemas Estables. Intituivamente, un sistema es estable cuando
entradas pequeñas conducen a respuestas que no divergen. La definición
de estabilidad de un sistema es: si la entrada a un sistema es limitada (su
magnitud no crece en forma ilimitada) y la respuesta del sistema es
también limitada (acotada), se dice que el sistema es estable o estable
BIBO (Bounded Input-Bounded Output).
Sistemas Inestables. Si para una señal de entrada acotada, la salida es
no acotada (infinita), se dice que el sistema es inestable .
18
SEÑALES Y SISTEMAS
19
SEÑALES DE TIEMPO CONTINUO
SEÑALES BASICAS DE TIEMPO CONTINUO
Se presentarán señales de tiempo continuo que sirven como base
para la formación y análisis de diferentes formas de señales
Funciones o Señales Singulares. Existe una clase especial de
funciones que desempeñan un rol de importancia en el análisis de
señales. Las señales de este tipo tienen formas matemáticas
simples, pero o no son finitas o no tienen derivadas finitas de todo
orden en todos los puntos. Por eso se llaman funciones singulares .
Estas funciones son idealizaciones matemáticas y, en rigor,
no aparecen en sistemas físicos. Resultan útiles en el análisis de
sistemas debido a que son buenas aproximaciones a ciertas
condiciones restrictivas de los sistemas físicos. Dentro de esta clase
de señales se tiene: Escalón Unitario , Rampa Unitaria e Impulso
Unitario
20
SEÑALES DE TIEMPO CONTINUO
u(t)
t t0
r(t) =
0 t0
La función rampa unitaria es continua en t = 0. Su gráfica se muestra en la
Figura 2.2
r(t)
t
Figura 2.2. Señal Rampa Unitaria de Tiempo Continuo
22
SEÑALES DE TIEMPO CONTINUO
(t) = 0 t0
(t) → t=0
(t)dt = 1
-
23
SEÑALES DE TIEMPO CONTINUO
(t)
t
Figura 2.3. Señal Impulso Unitario de Tiempo Continuo
24
SEÑALES DE TIEMPO CONTINUO
Propiedades de la Señal Impulso Unitario. La señal impulso unitario
tiene, entre otras, las siguientes propiedades
Propiedad de Muestreo. La propiedad más interesante de (t) es la
llamada propiedad de muestreo, la que matemáticamente se expresa
como
(−1) = (t)
De la ecuación anterior se deduce que la función impulso unitario presenta
simetría par .
Combinando las propiedades de muestreo y de escalamiento de tiempo, se
demuestra que
1
− x(t) a(t − t 0 ) dt = a x(t 0 )
26
SEÑALES DE TIEMPO CONTINUO
1 t
(t) = sin c
1 t
(t) = sin c 2
27
SEÑALES DE TIEMPO CONTINUO
Aplicación de MATLAB en la gráfica de Señales Singulares.
Las señales singulares a considerar son : Escalón Unitario, Rampa
Unitaria e Impulso Unitario.
Escalón Unitario u(t). Para la gráfica de la señal escalón unitario u(t)
utilizando MATLAB, se puede emplear el siguiente procedimiento
La expresión t = a : b : c indica el intervalo temporal de observación en
que a indica el comienzo de tal intervalo y c su término. El parámetro b
representa la longitud del incremento o paso en que se divide el
intervalo[a,c] y determina el número de puntos que hay en este intervalo
La señal escalón unitario se representa por u(d,e) = 1, donde d indica el
número de puntos que hay del punto correspondiente a t = 0, con
respecto al punto donde t = a, o sea, indica el comienzo de la señal
escalón unitario. El parámetro e indica el número de puntos que hay
entre el punto correspondiente a t = c y el correspondiente a t = a. 28
SEÑALES DE TIEMPO CONTINUO
29
SEÑALES DE TIEMPO CONTINUO
30
SEÑALES DE TIEMPO CONTINUO
Función stepfun. Para graficar el escalón unitario u(t), MATLAB tiene en su
librería la función stepfun, cuya sintaxis es u = stepfun(t,T), donde T
representa el monto de desplazamiento de u(t). El parámetro T puede ser
positivo o negativo, un valor positivo de T representa un desplazamiento
de u(t) hacia la derecha, y un valor negativo un desplazamiento hacia la
izquierda de u(t).
31
SEÑALES DE TIEMPO CONTINUO
35
SEÑALES DE TIEMPO CONTINUO
t+T
1
< x T (t) > =
T x(t)dt
t 36
SEÑALES DE TIEMPO CONTINUO
Valor Medio Temporal : < x(t) >. Este valor se define como
t+T
1
< x (t) > = lím < x T (t) = lím x(t)dt
T → T → T
t
T
1
< x(t) > = x(t)dt
T0
37
SEÑALES DE TIEMPO CONTINUO
Valor Medio Cuadrático : < x(t)2 >. El valor medio cuadrático de una
señal, en el intervalo de observación T, se define como
t+T
1
2 2
< x(t) > = lím x(t) dt
T → T
t
t +T
1
X eff = x(t) = lim x(t)
2 2
dt
T → T
t
T
1 2
X eff =
T0
x (t)dt
39
SEÑALES DE TIEMPO CONTINUO
X efond = < x(t) - < x(t) > > = < x (t) > - < x(t) >
2 2 2 2
40
SEÑALES DE TIEMPO CONTINUO
t+T
2
ET = x(t) dt
t
x(t) = n
C e
n =−
jno t
donde
2
o =
To
42
SEÑALES DE TIEMPO CONTINUO
y 1
− jno t
Cn = x(t)e dt
To To
1
Co =
To To
x(t)dt
x(t)= Cn e (
j no t+n )
ya que Cn = Cn e jn
44
SEÑALES DE TIEMPO CONTINUO
C0
C−1 C1
C−2 C2
C−3 C3
C−4 C4
C−5 C5
f
-5fo -4fo -3fo -2fo -fo 0 fo 2fo 3fo 4fo 5fo
45
SEÑALES DE TIEMPO CONTINUO
3
1
−2 5
−4
-5fo -3fo -fo 0 2fo 4fo
f
-4fo -2fo 0 fo 3fo 5fo
−5 4
2
−1
−3
46
SEÑALES DE TIEMPO CONTINUO
Pm = Cn
2
47
SEÑALES DE TIEMPO CONTINUO
Función SINC(x) . En el estudio de señales en forma de pulsos, y en
la resolución de otros problemas básicos en Teoría de la Señal, aparece
la función SINC(x) cuya definición es
sen x
Sinc(x) =
x
La figura siguiente muestra la gráfica de la función sinc(x)
sinc(x)
1
0,8
0,6
0,4
0,2
0 x
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
-0,2
-0,4
48
SEÑALES DE TIEMPO CONTINUO
Gráfica de los Espectros de Magnitud y de Fase de Señales
Periódicas usando MATLAB. Una vez determinada la expresión genérica
de los coeficientes Cn, se puede aplicar MATLAB para obtener la gráfica de
los espectros de magnitud y fase de la señal periódica analizada. La función
a utilizar es stem y tiene la sintaxis
Espectro de Amplitud. Con n como variable de frecuencia normalizada y cn
el vector que representa a los coeficientes de Fourier, la sintaxis es
stem(n,abs(cn))
49
SEÑALES DE TIEMPO CONTINUO
Ejemplo. Los coeficientes de la serie de Fourier de una señal periódica
están dados por
Cn =
1 1 n
4 (1 − n 2 02 )
cos ( )
2
0
Espectro de Amplitud
51
SEÑALES DE TIEMPO CONTINUO
Espectro de Fase. Para el espectro de fase, se tiene
52
SEÑALES DE TIEMPO CONTINUO
Espectro de Fase
53
SEÑALES DE TIEMPO CONTINUO
x(t)
0 t
54
SEÑALES DE TIEMPO CONTINUO
x(t)
0 t
55
SEÑALES DE TIEMPO CONTINUO
x(t)
0 t
56
SEÑALES DE TIEMPO CONTINUO
Las señales a considerar son de cuadrado integrable, si la señal x(t)
es de este tipo, se cumple
T →
T
F−1 X(f ) = x(t) = X(f )e jt df
− 57
SEÑALES DE TIEMPO CONTINUO
Considerando a como variable independiente las definiciones
tienen la forma siguiente
X() =
−
x(t)e − jt dt
1
jt
x(t) = X( )e d
2 −
58
SEÑALES DE TIEMPO CONTINUO
Energía y Densidad Espectral de Energía
Energía. En el caso de señales limitadas en el tiempo no tiene sentido
hablar de potencia media, ya que la energía E es finita, o sea
E= x(t) dt
2
−
−
2 −
T −T
2
60
SEÑALES DE TIEMPO CONTINUO
Densidad Espectral de Potencia. Para la determinación de la expresión
de la densidad espectral de potencia, se puede comenzar definiendo un
truncamiento de la señal de potencia x(t). Esta señal truncada se
denomina xT (t), donde T es el intervalo de observación y por
conveniencia de análisis xT (t) se puede definir como
x(t) t T2
x T (t) =
0 otros valores
SxT (f ) = X T (f )
2
61
SEÑALES DE TIEMPO CONTINUO
Donde
T
2
T → T → T
62
SEÑALES DE TIEMPO CONTINUO
63
SEÑALES DE TIEMPO CONTINUO
Ejemplo2.31.
Determinar la Transformada de Fourier del pulso x(t) mostrado en la
Figura 2.42 .
x(t)
A
−2 − 2 t
x , (t)
A
2
−2 − t
− A
a)
x ,, (t) A
A
− A
− A
b)
65
SEÑALES DE TIEMPO CONTINUO
De donde se obtiene que
67
SEÑALES DE TIEMPO CONTINUO
t t
68
SEÑALES DE TIEMPO CONTINUO
Fx(t) = 2 Cn ( − n0 )
n =−
o
Fx(t) = C ( f − nf )
n =−
n 0
69
SEÑALES DE TIEMPO CONTINUO
Ejemplo 2.34.
Determinar la Transformada de Fourier de una constante dada por : f(t) = A .
Solución
Aplicando la definición de Transformada de Fourier , se tiene
F A = Ae − jt dt
−
1 para t>0
sgn(t) =
−1 para t<0
Su Transformada de Fourier es
2
X(f ) = Fsgn(t) =
j
71
SEÑALES DE TIEMPO CONTINUO
Su Transformada de Fourier es
1 1
Fu(t) = (f ) +
2 j
72
SEÑALES DE TIEMPO CONTINUO
F e = (f − f )
j0 t
0
Y para e-jwt es
F e − j0 t
= (f + f )0
73
SEÑALES DE TIEMPO CONTINUO
1
Fcos 0 t = ( f − f 0 ) + ( f + f 0 )
2
−j
Fsen 0 t = ( f − f 0 ) − ( f + f 0 )
2
o
1
Fseno t = ( f − f 0 ) e− j / 2 + ( f + f 0 ) e j / 2
2
74
SEÑALES DE TIEMPO CONTINUO
Tabla 2.2. Pares de Transformadas de Fourier
Función del Tiempo, x(t) Transformada de Fourier, X()
1
e − at u(t)
a + j
1
te − at u(t)
( a + j)
2
(
A 1 − t ,
T ) t T
ATsin c2 ( 2T )
0, t T
2a
−a t
e a 2 + 2
t n −1 − at 1
e u(t)
(n − 1)! ( j + a )
n
cos bt − a − b
a2 + t2 e + e
− a + b
2a
75
SEÑALES DE TIEMPO CONTINUO
2.3.11. Determinación de la Transformada Inversa de Fourier por
Expansión en Fracciones Parciales.
Para un análisis generalizado, se considerarán funciones racionales de la
variable r, de la forma
b m (r − z1 )(r − z 2 )··········(r − z m )
H(r) = ·
a n (r − p1 )(r − p 2 )·········(r − p n )
A1 A2 A n −1 An
H(r) = + +·······+ +
r − p1 r − p 2 r − p n −1 r − p n
Ai = (r − pi )H(r) r =p
i
Ejemplo 2.36.
Determinar la expansión en fracciones parciales de la función racional
r +1
H(r) = 2
r + 2r + 5
Solución
Los polos de H(r) se determinan resolviendo la ecuación
r 2 + 2r + 5 = 0
79
SEÑALES DE TIEMPO CONTINUO
obteniéndose
p1 = −1 + j2 , p2 = −1 − j2
Por lo tanto
r +1 A1 A2
H(r) = = +
r − ( −1 + j2 ) r − ( −2 − j2 ) r − ( −1 + j2 ) r − ( −1 − j2 )
De donde
A1 = r − ( −1 + j2 ) H(r) r =−1+ j2
=
1
2
A 2 = r − ( −1 − j2 ) H(r)r =−1− j2
=
1
2
80
SEÑALES DE TIEMPO CONTINUO
Luego, la expansión en fracciones parciales de la función H(r) dada es
1 1
H(r) = 2
+ 2
r − ( −1 + j2 ) r − ( −1 − j2 )
81
SEÑALES DE TIEMPO CONTINUO
Polos Múltiples. En general, una función racional puede tener algunos
polos diferentes conjuntamente con algunos polos múltiples. Para el caso
de que se tenga polos diferentes y un polo pi múltiple con multiplicidad i
, se puede considerar la siguiente expansión en fracciones parciales
Los coeficientes de los polos diferentes A1, A2, ·········, y el coeficiente Ai
se determinan utilizando la ecuación (2.121), tal como se empleó en el
Ejemplo 2.35. Los coeficientes Ai1, Ai2, ·······, Aik, se determinan usando
la siguiente expresión
1 d i − k k =1,2,....., - 1
i −k ( r − pi ) H(r)
i
Aik = i
( i − k )! dr r = pi
82
SEÑALES DE TIEMPO CONTINUO
Ejemplo 2.37.
Para la función
2(r + 1)
H(r) =
r(r + 3)(r + 5) 2
Determinar su expansión en fracciones parciales
Solución
Los polos de H(r) son
p1 = 0 , p2 = -3 y el polo p3 = -5 con multiplicidad 2
2(r + 1) 4
A32 = (r + 5) H(r) =
2
=−
r =−5 r(r + 3) r =−5 5
1 d 2−1 d 2(r + 1)
A31 = (r + 5) H(r) =
2 −1
2
(2 − 1)! dr r =−5 dr r(r + 3) r =−5
9
A 31 = −
25 84
SEÑALES DE TIEMPO CONTINUO
Por lo tanto, la expansión pedida es
2
− 259
1
− 54
H(r) = + 75
+ 3
+
r r + 3 r + 5 (r + 5) 2
7 + 5j
H() =
(4 + j) (j) 2 + j + 1 85
SEÑALES DE TIEMPO CONTINUO
Solución
Haciendo j = r, se tiene
7 + 5r
H(r) =
(4 + r) r 2 + r + 1
Los polos de esta función son
p1 = −4 ; p2 = − 12 + j 23 ; p3 = − 12 − j 23
Luego H( r) se puede escribir como
7 + 5r
H(r) =
(r + 4) r + ( 12 − j 23 ) r + ( 12 + j 23 )
7 + 5r
A1 = (r + 4)H(r) r =−4 = = −1
r + ( 12 − j 23 ) r + ( 12 + j 23 )
r =−4
7 + 5r 1 3
3
A 2 = r + ( 2 − j 2 ) H(r) 1 3 =
1
= −j
r =− 2 + j 2 (r + 4) r + ( 2 + j 2 ) 1 3 2
1 3 2
r =− 2 + j 2
7 + 5r 1 3
A3 = r + ( 12 + j 23 ) H(r) 1 3 = = +j
r =− 2 − j 2 (r + 4) r + ( 12 − j 23 ) 1 3 2 2
r =− 2 − j 2 87
SEÑALES DE TIEMPO CONTINUO
Por lo tanto H(r) queda
−1 1
− j 3 1
+ j 3
H(r) = + 21 2 3 + 21 2 3
r + 4 r + (2 − j 2 ) r + (2 + j 2 )
Volviendo al dominio de la frecuencia haciendo r = j, se obtiene
−1 1
− j 3 1
+ j 3
H() = + 2 2
+ 2 2
j + 4 j + ( 12 − j 23 ) j + ( 12 + j 23 )
De donde,
h(t) = F −1
H() = −e −4t
u(t) + ( − j )e
1
2 2
3 − ( 12 − j 23 )t
u(t) + ( + j )e
1
2 2
3 − ( 12 + j 23 )t
u(t)
2
3
t) + 3sen( 2
3 88
SEÑALES DE TIEMPO CONTINUO
Uso de MATLAB en la determinación de la Transformada
Inversa de Fourier por Expansión en Fracciones Parciales. En
MATLAB se tiene un comando que permite obtener la expansión en
fracciones parciales de funciones racionales que tengan la expresión
dada por
N(x) b0 + b1 x + b2 x 2 + ........ + b m x m
F(x) = =
D(x) a 0 + a1 x + a 2 x 2 + ....... + x n
MATLAB hace uso de los coeficientes del numerador y del
denominador de F(x). Para ello se definen los vectores filas num y
den como:
num = [ bm bm-1 …. b0]
den = [ an an-1 …. a0 ]
89
SEÑALES DE TIEMPO CONTINUO
El comando
[r,p,k] = residue(num,den)
calcula los residuos (vector r), los polos (vector p) y los términos
del polinomio resultante (vector k), si F(x) sea impropia, de una
expansión en fracciones parciales de la función F(x) = N(x)/D(x).
La forma de la expansión en fracciones parciales obtenidas es
90
SEÑALES DE TIEMPO CONTINUO
91
SEÑALES DE TIEMPO CONTINUO
Ejemplo. Utilizando MATLAB para la expansión en fracciones parciales,
determinar la transformada inversa de
2(j)2 + 11(j) + 5
H() =
(j)3 + 2(j)2 + 2(j) + 1
92
SEÑALES DE TIEMPO CONTINUO
r=
-4.0000
3.0000 - 3.4641i
3.0000 + 3.4641i
p=
-1.0000
-0.5000 + 0.8660i
-0.5000 - 0.8660i
k=
[]
De donde
4 3 − j3, 4641 3 + j3, 4641
H() = + +
j + 1 j + (0,5 − j0,866) j + (0,5 + j0,866)
93
SEÑALES DE TIEMPO CONTINUO
h(t) = F−1 H() = e− t + ( 3 − j3,4641) e−(0,5− j0,866) + (3 + j3,4641) e −(0,5+ j0,866) u(t)
94
SEÑALES DE TIEMPO CONTINUO
Uso de MATLAB en la Determinación Directa de la Transformada de
Fourier y de la Transformada Inversa de Fourier
Transformada de Fourier. Para determinar la Transformada de Fourier, a partir
de la expresión en el dominio del tiempo de la función o señal, se usa la
función fourier. Si x(t) es la señal a considerar, para obtener su Transformada
de Fourier, la sintaxis es fourier(x). El ejemplo siguiente, ilustrará el
procedimiento correspondiente para determinar en forma directa, usando
MATLAB, la Transformada de Fourier de una señal o función dada.
Ejemplo. Usando la función fourier de MATLAB, determinar la Transformada
de Fourier de la señal
x(t) = A ( t
2T )
Solución
La señal x(t), se puede expresar como x(t) = A[u(t+T)-u(t-T)]
95
SEÑALES DE TIEMPO CONTINUO
Es esta expresión de x(t), la que se utilizará para determinar la Transformada
de Fourier de x(t). El programa en MATLAB, para tal efecto, es
>> % Determinacion de Transformada de Fourier de x(t)=A[u(t+T)-u(t-T)]
>> t=sym('t','real'); %Se declara la variable tiempo t
>> A=sym('A','real'); %Se declara la constante real A
>> T=sym('T','real'); %Se declara la constante real T
>> escalon1=sym('Heaviside(t+T)'); %Se determina el escalon u(t+T)
>> escalon2=sym('Heaviside(t-T)'); %Se determina el escalon u(t-T)
>> x=A*(escalon1-escalon2);%Se forma x(t) dada
>> fourier(x)
ans =
A*(exp(i*T*w)*(pi*Dirac(w)-i/w)-exp(-i*T*w)*(pi*Dirac(w)-i/w))
De donde
X() = A e () − − e () −
jT j
− jT
j
96
SEÑALES DE TIEMPO CONTINUO
Multiplicando y dado que
e jT e− jT
X ( ) = A − j −+ j
Aplicando Euler, se obtiene:
2A 2AT
X() = senT = sen2fT
2fT
X() = A e jT () − j − e− jT () − j
98
SEÑALES DE TIEMPO CONTINUO
>>% Determinación de x(t)
>>w=sym('w','real');
>> A=sym('A','real');
>> Dirac=sym('Dirac(w)'); % Se forma Impulso Delta de Dirac
>> X=A*(exp(i*T*w)*(pi*Dirac-i/w)-exp(-i*T*w)*(pi*Dirac-i/w));
>> ifourier(X)
ans =
1/2*A*(Heaviside(x+T)-Heaviside(-x-T)-Heaviside(x-T)+Heaviside(-x+T))
De donde
1
x(t) = A u(t + T) − u(−t − T) − u(t − T) + u(−t + T)
2
99
Convolución de Señales de T.C.
La operación conocida como convolución es una herramienta analítica usada por los
ingenieros en comunicaciones, ya que es un buen modelo de los procesos físicos
que existen en un sistema lineal; por otra parte ayuda a comprender las relaciones
entre los dominios del tiempo y de la frecuencia. Es así que fenómenos de
transmisión, de filtrado, etc., pueden abordarse en el dominio de la frecuencia o en
el del tiempo. En este último caso es cuando interviene la convolución .
Una de las aplicaciones de la convolución es la determinación de la
respuesta de un sistema en el dominio del tiempo, realizando la convolución entre la
señal de entrada y la respuesta al impulso temporal del sistema.
Definición. La convolución z(t) entre dos funciones x(t) e y(t) se representa
simbólicamente por z(t) = x(t)*y(t) y es definida como
z(t) = x()y(t − )d
−
Se tiene que
x 3 (−t) = x1 (−t)* x 2 (−t)
Traslación. Si
x 3 (t) = x1 (t) * x 2 (t)
Entonces
x 3 (t t 0 ) = x1 (t t 0 )* x 2 (t)
Derivación.
x ,3 (t) = x1, (t)* x 2 (t) = x1 (t)* x ,2 (t)
102
Convolución de Señales de T.C.
X (y)X (f − y)dy = X1 (f ) X 2 (f )
F
x1 (t)x 2 (t) 1 2
o −
1 1
X1 (y)X 2 ( − y)dy = X1 () X 2 ()
F
x1 (t)x 2 (t)
2 − 2
104
Convolución de Señales de T.C.
105
Convolución de Señales de T.C.
Interpretación Gráfica de la Convolución . La interpretación gráfica de la
Convolución es muy útil en Análisis de Sistemas y en Teoría de Comunicación.
Por definición de Convolución, se tiene
x1 (t) x 2 (t) = x1 ()x 2 (t − )d
−
La variable independiente en la Integral de Convolución es . El proceso de la
convolución, se ilustra en la Figura 3.1 .
106
Convolución de Señales de T.C.
x 2 (t) x1 (t)
t t
-1 0 1
a)
x 2 (−) x1 ()
-3 0 -1 0 1
b)
x 2 (t1 − ) x1 ()
t1 − 3 0 t1 -1 0 1
c)
x 2 (t1 − )
x1 ()
x1 ()x 2 (t1 − )
t1 − 3 -1 0 t1 1
d
x 2 (t 2 − )
x1 ()
x1 ()x 2 (t 2 − )
t 2 − 3 -1 0 1 t2
e)
107
Convolución de Señales de T.C.
Determinación de los Límites de la Integral de Convolución. Para el
cálculo exacto de la integral de convolución, es importante determinar con
exactitud el intervalo de existencia del producto x( )y(t - ) o y( )x(t - ).
Sean las funciones x(t) e y(t) mostradas en la figura siguiente.
x(t)
t
a1 b1
y(t)
t
a2 b2
108
Convolución de Señales de T.C.
Límite superior : b1 = mín(b1 ,b2) = mínimo de los máximos
Límite inferior : a2 = máx(a1 , a2) = máximo de los mínimos .
Considerando el ejemplo, se analizará cuáles son los límites de variación
de la integral de convolución, si
x(t) existe para a1 t b1
y(t) existe para a2 t b2
Por lo tanto y(t - ) existirá para a2 t - b2 t – a2 t – b2. En
consecuencia, de una manera genérica, y de acuerdo con las
desigualdades anteriores, la integral de convolución se podrá expresar
como
mínimo (b1 ,t −a 2 ) mínimo (t −a1 ,b 2 )
z(t) =
máximo (a1 ,t − b2 )
x()y(t − )d o z(t)=
máximo (t - b1 , a 2 )
y()x(t-)d
109
Convolución de Señales de T.C.
Donde x(t) es una señal de tiempo limitado, definida en el intervalo t1, e y(t)
es una señal de tiempo limitado en el intervalo t2. El parámetro T es el
intervalo de muestreo, tanto de x(t) como y(t). La variable nz representa el
vector tiempo de z. El programa de esta función auxiliar es
110
Convolución de Señales de T.C.
function [z,nz]=convolucion(x,t1,y,t2,T)
% CONVOLUCION: Convolucion de señales de tiempo continuo
% Sintaxis
% [z,nz] = convolucion(x,t1,y,t2,T)
% Donde
% z Señal de Salida (Convolucion de tiempo continuo)
% nz Tiempo de la señal de salida
% x, y Señales de entrada continua y limitadas en el tiempo
% t1,t2 Tiempos de las señales de entrada continua
nzp = t1(1) + t2(1);
nzf = t1(length(x)) + t2(length(y));
nz = [nzp:T:nzf];
111
z = T*conv(x,y);
Convolución de Señales de T.C.
Ejemplo. Dadas las señales
x(t) = u(t) + u(t – 1) – 2u(t – 2) , y(t) = 2u(t+1) - u(t) – u(t – 1)
113
Correlación de Señales de T.C.
El concepto de correlación implica el de Autocorrelación y el de Correlación
Cruzada, y son específicos y diferentes para señales de energía y de
potencia
Señales Definidas en Términos de Energía
Autocorrelación . Se puede definir la función autocorrelación Rx () para
una señal x(t) de energía finita, como
R x () = x (t)x(t + )dt
−
o
R xy () = x(t)y (t − )dt = x() y (−)
−
115
Correlación de Señales de T.C.
Propiedades de la Función Correlación .
Simetría.
R x (−) = R*x ()
Energía .
Esta propiedad establece que la energía E de una señal x(t) está
determinada por
E = Rx (0)
Valor Máximo.
Esta propiedad establece que
R x (0) R x ()
116
Correlación de Señales de T.C.
Aditividad .Si se suman dos señales, la función autocorrelación de la
suma puede o no ser la suma de sus respectivas funciones de
autocorrelación. Para su determinación se considera que
z(t) = x(t) + y(t)
Y la función de autocorrelación de z(t) es
R xy ( ) = R yx ( ) = 0
Se tiene
R z () = R x () + R y ()
117
Correlación de Señales de T.C.
T
2
1
Q xy () = lim
T → T T
x (t)y(t + )dt
−
2
T
2
1
Q yx () = lim
T → T T
y (t)x(t + )dt
−
2
119
Correlación de Señales de T.C
Propiedades de la Función Correlación para Señales Definidas
en Términos de Potencia. Se considerarán las siguientes propiedades
Simetría. Esta propiedad establece que
124
Muestreo de Señales de T.C
Hay diferentes maneras de muestrear una señal análoga. Se considerará el
caso de Muestreo Uniforme o Periódico, ya que es el tipo de muestreo más
comúnmente utilizado en la práctica. Este tipo de muestreo es descrito por la
relación
x(n) = xa(nT) , - < n <
donde x(n) es la señal de tiempo discreto obtenida por la muestras de la señal
análoga xa(t) cada T segundos. Este procedimiento de muestreo se ilustra en la
Figura siguiente .
125
Muestreo de Señales de T.C
Xa(t)
126
Muestreo Periódico de una Señal Análoga
Muestreo de Señales de T.C
X (f ) = X(f )*S (f )
Como
1
S (f ) = fs (f − mfs ) ; fs =
m Ts
Se tiene
X (f ) = X(f )* fs (f − mf s )
m
De donde
X (f ) = fs X(f − mfs )
m
X(f)
f
-W 0 W
X (f )
AfsX(f)
fs - W
129
Muestreo de Señales de T.C
Teorema de Muestreo. El enlace entre la señal analógica y la
correspondiente señal muestreada lo proporciona el Teorema de Muestreo,
cuyo enunciado es :
“ Una señal de banda limitada, sin componentes espectrales por
encima de una frecuencia de W [Hz], se determina unívocamente por sus
valores muestras equidistantes a intervalos no mayores de 1/(2W) segundos.
Esta es una condición suficiente para que una señal analógica pueda ser
reconstruida totalmente a partir de un conjunto de muestras discretas
uniformemente espaciadas en el tiempo “.
A la frecuencia de muestreo fs = 2W se le llama frecuencia de Nyquist (fN) y
al intervalo de muestreo Ts = 1/fs = 1/(2W) se le conoce como intervalo de
Nyquist (TN )
Para evitar el traslape de las componentes espectrales parciales de X(f) , se
debe cumplir
1
Ts fs 2W
2W 130
Muestreo de Señales de T.C
Muestreo Práctico Instantáneo: xpi (t). Sea el pulso básico arbitrario p(t)
con ancho , tal que
p(t) = 0 para t / 2 .
La forma de p(t) puede ser cualquiera. Considérese la onda s(t) dada por
X pi (f ) = fs P(f ) X(f − nf s )
n
133
Muestreo de Señales de T.C
Muestreo Práctico Natural : xpn(t). En este caso en vez de afectar a
cada pulso con un valor instantáneo de x(t), se le multiplica punto a
punto por cada uno de los valores de x(t) en el intervalo de existencia. Es
decir, se forma el producto genérico x(t)p(t - nT), el cual será nulo para
t - nT /2, por serlo p(t - nT). Sumando tales productos se obtiene el
muestreo práctico natural xpn(t), dado por
Se observa que Xpn (f) está constituido por el espectro X (f) de x(t),
centrado en cada armónica de fs, afectado por un factor de escala P(nfs)fs
que es fijo para cada componente espectral parcial, por lo cual no se tiene
distorsión en el espectro de xpn(t) y x(t) se puede recuperar utilizando
134 un
filtro pasabajo .
Muestreo de Señales de T.C
136
Muestreo de Señales de T.C
>>% Programa para obtener la Grafica de Señal Muestreada
>>% Grafica de la Señal Analógica
>> t=0:.001:.02; f=50; Ts=.001;
>> y=3*sin(2*pi*f*t);
>> subplot(2,1,1); plot(t,y)
>> title('Grafica de y(t)=3sen(2\pi50t)'); xlabel('t'); ylabel('y(t)');
>>% Grafica de la Señal Muestreada
>> n=0:20;
>> x=3*sin(2*pi*f*n*Ts);
>> subplot(2,1,2);
>> stem(n,x,'fill','k') % Grafica con color negro las líneas
%y los puntos de las muestras
137
>> title(‘Grafica de y(n)=3sen(2\pifnTs)’); xlabel(‘n’); ylabel(‘y(n)’);
Muestreo de Señales de T.C
138
Muestreo de Señales de T.C
− (0,125− j0.25 )t
Ejemplo. La señal compleja analógica x a (t) = 2e u(t) , se muestrea
a una tasa de 1[Hz] o muestra por segundo. Emplear MATLAB para obtener
las gráficas de las parte real e imaginaria de la señal muestreada .
Solución
Como la tasa de muestreo es de 1[Hz], luego el intervalo de muestreo Ts es
igual a 1[seg]. Por lo tanto, el programa MATLAB para graficar las
componentes real e imaginaria de la señal muestreada x(n) es
139
Muestreo de Señales de T.C
>> %Graficas de Componentes Real e Imaginaria de una Señal
Compleja
>> n = 0:20;
>> Ts = 1
>> x=2*exp(-(.125-(pi*0.25)*i)*n*Ts);
% Grafica de la componente real de x(n)
>> subplot(2,1,1);
>> stem(n,real(x),'fill','k')
>> title('Parte Real de x(n)'); ylabel('Amplitud');
% Grafica de la componente imaginaria de x(n)
>> subplot(2,1,2);
>> stem(n,imag(x),'fill','k')
>> title('Parte Imaginaria de x(n)');ylabel('Amplitud'); xlabel('n'); 140
Muestreo de Señales de T.C
141
Señales de Tiempo Discreto
Una señal de tiempo discreto x(n) es una señal que es función de la variable
independiente de tiempo discreto n. Una señal de tiempo discreto o
secuencia x(n) está definida sólo para un conjunto discreto de puntos o
valores de tiempo. Una señal de tiempo discreto puede representar un
fenómeno para el cual la variable independiente es inherentemente discreta,
como es el caso de los datos demográficos, de aplicaciones a negocios,
donde la variable temporal discreta puede ser un mes, trimestre o año de un
periodo específico. En general, las señales de tiempo discreto se presentan
en forma natural en muchas áreas de la ingeniería, de la ciencia y de los
negocios. También, una señal de tiempo discreto puede representar
muestras sucesivas de un fenómeno para el cual la variable independiente es
continua. Por ejemplo, el procesamiento de la voz en un computador digital
requiere del uso de una secuencia discreta para representar los valores de la
señal de voz de tiempo continuo, en puntos discretos del tiempo.
142
Señales de Tiempo Discreto
Una señal de tiempo discreto x(n) (o secuencia) es una función de una
variable independiente entera. En la Figura siguiente, se representa una
señal de tiempo discreto, la cual no está definida en instantes entre dos
muestras sucesivas. También es incorrecto pensar que x(n) es nula si n no
es entero. Simplemente, la señal x(n) no está definida para valores no
enteros de n .
x(n)
1,3
0,8 1,0
0,6 .....
.........
-2 2 n
-3 -1 0 1 3
- 0,6
- 0,8
143
Señales de Tiempo Discreto
Si x(n) fue obtenida desde el muestreo de una señal análoga xa (t), luego
x(n) = xa (nT)
donde T es el intervalo de muestreo. La variable n es entera en tanto que la
variable nT puede no serlo, ya que T no necesariamente es un número entero,
puede ser racional. Se tiene un mapeo de x(nT) a x(n).
Además de la representación gráfica de una señal de tiempo discreto o
secuencia, se tienen algunas representaciones alternativas que son utilizadas
frecuentemente. Estas alternativas son
Representación Funcional. En este caso, se tiene por ejemplo
2 para n=0,2
x(n) = 5 para n=1
0
otros valores
144
Señales de Tiempo Discreto
Representación Tabular . Ejemplo :
n ......-2 -1 0 1 2 3 4 .........
x(n) ......0 0 2 5 2 0 0
Representación Secuencial .
a) Secuencia de duración infinita
x(n) = ......,0,0,2,5,2,0,0......
El símbolo indica el valor de la secuencia para n = 0 .
Una secuencia x(n) la cual es cero para n < 0, puede ser
representada como :
x(n) = 2,5,2,0,0,........
145
Señales de Tiempo Discreto
146
Señales de Tiempo Discreto
SEÑALES DE TIEMPO DISCRETO ELEMENTALES
Secuencia de Impulso Unitario :(n) .La secuencia impulso unitario se
define como :
1 para n=0
(n)
0 para n 0
(n)
1
............... ................
n
-4 -3 -2 -1 0 1 2 3 4
147
Señales de Tiempo Discreto
1 para n 0
u(n)
0 para n<0
u (n)
1
................. ...............
n
- 4 -3 -2 -1 0 1 2 3 4
148
Señales de Tiempo Discreto
n para n 0
r(n)
0 para n<0
r(n)
4
3
2 u
r
( n )
.....
1
.................
n
- 4 -3 -2 -1 0 1 2 3 4
149
Señales de Tiempo Discreto
Señal Exponencial : an . En este caso
x (n) = an para todo n
a) Parámetro real .
Cuando a es real, luego x(n) es real. La Figura siguiente ilustra an
para 0 < a < 1.
an
........
.......
n
150
Señales de Tiempo Discreto
......
..................
n
151
Señales de Tiempo Discreto
Gráfica de Señales Impulso, Escalón y Rampa Unitaria usando
MATLAB .
Impulso. Una forma de graficar la señal impulso unitario (n – n0), es
utilizando la relación lógica ==0. Para la gráfica de (n), n0 = 0, se aplica
el siguiente programa
% Grafica de Impulso Unitario
>> n =-10:10;
>> n0 =0
>> x =[(n –n0)==0];
>> stem(n,x,'fill','k')
>> title('Grafica de Impulso Unitario')
>> xlabel('n'); ylabel('Impulso Unitario')
>> axis([-10,10,0,2]);
152
% Coloca límites de –10 a 10 en el eje X y de 0 a 2 en el eje Y
Señales de Tiempo Discreto
155
Señales de Tiempo Discreto
Función stepfun. Otro algoritmo, entre otros, para graficar u(n), consiste en
usar el comando MATLAB stepfun(n,n0) donde n0 indica el comienzo del
escalón unitario. El siguiente programa, ilustra el uso de tal comando, para
graficar u(n)
% Gráfica de u(n) usando Comando step(n,n0)
>> n =-10:10;
>> n0=0;
>> f=stepfun(n,n0);
>> stem(n,f,'fill','k');
>> title('Grafica de u(n)');
>> axis([-10,10,-1,2]);
>> xlabel('n');
>> ylabel('u(n)')
156
Señales de Tiempo Discreto
158
Señales de Tiempo Discreto
164
Señales de Tiempo Discreto
x(n)
............ ............
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 n
Señal o Secuencia con simetría par
x(n)
............ ............
-6 -5 -4 -3 -2 -1
n
0 1 2 3 4 5 6
166
Señales de Tiempo Discreto
x(n)
-2
-7 -6 -5 -4 -3 -1 0 1 2 3 4 5 6 7 n
x(n-3)
1
-7 -6 -5 -4 -3 -2 -1 0 2 3 4 5 6 7 8 9 n
167
Señales de Tiempo Discreto
Reflexión de la Señal. Al reemplazar, en x(n), la variable independiente
n por –n, se obtiene una reflexión de la señal x(n) en torno a n = 0.
x(n)
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 n
x(-n)
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 n
168
Señales de Tiempo Discreto
Escalamiento en el Tiempo. Otra modificación de la variable
independiente consiste en reemplazar n por un, donde u es un entero. Esta
modificación de la base de tiempo se conoce como escalamiento en el
tiempo.
x(n)
-9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 n
y(n)
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 n
Gráfica de y(n) = x(3n) 169
Señales de Tiempo Discreto
Suma . La suma de dos señales x1 (n) y x2 (n) es una señal y(n) cuyo
valor en cualquier instante, es igual a la suma de los valores de las dos
señales en ese instante, o sea :
1
x i (n) = x(n) − x( −n)
2
174
Señales de Tiempo Discreto
b) Suma. Para la suma de las secuencias x(n) e y(n), el programa MATLAB
es
% Calculo de x(n) + y(n)
>> x=[-2 1 -1 0 4 -3 2];
>> y=[0 1 -3 1 6 -4 2];
>> z= x + y
z=
-2 2 -4 1 10 -7 4
>> n=-2:4;
>> stem(n,z);
>> title('Grafica de z(n)=x(n)+y(n)');
>> xlabel('n');
>> ylabel('z(n)'); grid 175
Señales de Tiempo Discreto
176
Señales de Tiempo Discreto
0 1 3 0 24 12 4
>> n=-2:4;
>> stem(n,v,'fill','k'); axis([-2,4,-1,26]);
>>title('Grafica de v(n)=x(n)*y(n)'); xlabel('n');
>> ylabel('v(n)'); grid
177
Señales de Tiempo Discreto
Del programa,
Método Gráfico.
Método Matricial
Método Computacional
180
PAUTA PRIMERA PRUEBA DE ANÁLISIS DE SEÑALES
2º SEMESTRE 2018.
-3 -2 0 2 3 f[Hz]
Figura P.1
Solución
a) Para determinar la potencia o energía de la señal a la salida del filtro pasa-bajo, en base
al problema dado, es necesario determinar el espectro de la señal de entrada para ver si éste
está dentro de la banda pasante del filtro, y de esta manera responder a la pregunta del
problema.
Para determinar el espectro de las señales de entrada, se plica Transformada de
Fourier sobre ellas.
Caso x(t) = A. En este caso, se tiene
F A A f
Y su gráfica es
F{A}
0 f
Se deduce que este espectro está fuera de la banda pasante del filtro, y en consecuencia no
existe señal de salida y por lo tanto se tiene una potencia y energía cero en la salida del
filtro.
Y su gráfica es
F{z(t)}
-2,5 0 2,5 f
Este espectro está dentro de la banda pasante del filtro, y como el filtro es ideal con
ganancia unitaria, la señal de salida del filtro es idéntica a la señal de entrada z(t) y por la
tanto su potencia P es
T T T
1 2 1 4
P z t dt 2 cos 5 t dt cos 5 t dt
2 2
T 0 T 0 T 0
4 1 cos10 t 4 T
T
1
P
T 0 2
dt
T 2 20
sen10 T
En este caso
1
10 f 5T
2 5
En consecuencia
4 1
P sen 2
2 4
De donde
P 2 watts
La energía E de z(t) es
1 cos10 t
E= z t dt 2cos 5 t dt 4
2 2
dt
2
1 1
1
E 4 t sen10 t 4 cantidadfinita
2 20
2
1.5
1
H(f)
0.5
-0.5
-1
-5 -4 -3 -2 -1 0 1 2 3 4 5
f
Problema Nº2. a) Determinar la Transformada de Fourier de la señal
1 -1< t < 0
2 0 < t < 1
x t
1 1 < t < 2
0 otros valores
Determine el valor de esta transformada en f= 0.
b) Determinar la señal y(t), si su Transformada de Fourier es
1
j
Y 6
1 56 j 16 j
2
¿La señal y(t) obtenida puede tomar valores negativos?. Justifique su respuesta
Solución
a) Aplicando Transformada de Fourier a x(t), se tiene
Xf x t e
jt
dt
0 1 2
Xf e jt
dt 2e jt
dt e jt dt
1| 0 1
Integrando, se obtiene
0 1 2
1
X f e jt dt 2e jt dt e jt dt j 1 e j 2e j 2 e j 2 e j
1| 0 1
1 1
Xf j 1 e j e j e j 2 j 1 2 jsen cos 2 jsen 2
1 1
Xf j 2sen 2 2 jsen 2 jsen cos j 2 sen 2 2 jsen 1 cos
1 sen 1
Xf j 2sen 2 2 jsen 1 cos 2 1 cos j 2sen 2
Dado que 2 f y recordando que
sen 2 f
sin c(2 f )
2f
Se obtiene
Si f = 0, se tiene que
X 1 4
b) Si
1
j
Y 6
1 j 16 j
5 2
6
Haciendo r j , se tiene
1
r
Y r 6
1 56 r 16 r 2
Que se puede escribir como
r
Y r
6 5r r 2
Los polos de Y(r) son
5 25 24 5 1
r 2 5r 6 0 r p1 2 , p 2 3
2 2
Luego, Y(r) se puede escribir como
r A1 A
Y r 2
r 2 r 3 r 2 r 3
Con
r
A1 r 2 Y r r 2 2
r 3 r 2
r
A2 r 3 Y r r 3 3
r 2 r 3
Por lo tanto
1 1
Y r 2 3
r2 r 3
Reemplazando r por j , se obtiene
1 1
Y 2 3
j 2 j 3
Aplicando
1 at
F 1 e u t
a j
Se obtiene
2e 2t 3e 3t ( I)
Lo cual es posible cuando t > t0, siendo t0 el valor de t que cumple la condición
2e 2t0 3e 3t0
x(t ) u t u t 1 2u t 2 , y t 2u t 1 u t u t 1
Solución
0 1 2 t
La gráfica de y(t) es
y(t)
-1 0 1 t
-2 -1 0
i) t 1
En este caso, la figura es la siguiente
x t 2
y
t-2 t-1 t -1 0 1
Con z t x t y t
En este caso, se tiene
z t y x t d 0
ii) 1 t 0
La figura es la siguiente
x t 2
y
t-2 t-1 -1 t 0 1
Aquí se cumple
t
z t 21 d 2t 2
1
iii) 0 t 1
La figura es
x t 2
y
t-2 -1 t-1 0 t 1
Luego
t 1 0 t
z t 2 2 d 2 1 d 11 d 4t 2 2t t
1 t 1 0
z t 3t 2
iv) 1 t 2
2
x t y
-1 t-2 0 t-1 1 t
Luego
0 t 1 1
z t 2 2 d 2 1 d 11 d 4t 8 2t 2 2 t
t 2 0 t 1
z t 3t 8
v) 2 t 3
En este caso la figura es
x t
2
y
-1 0 t-2 1 t-1 t
1
z t 1 2 d 6 2t
t 2
vi) t 3
y x t
2
-1 0 1 t-2 t-1 t
En este caso
z t 0
Resumen
0 t -1
2t+2 -1 t 0
3t+2 0 t 1
z t
-3t+8 1 t 2
6-2t 2t3
0 t3
Problema N° 4. Determinar el porcentaje de potencia, con respecto a la potencia total,
contenida en las tres primeras armónicas de la señal, cuya gráfica se muestra en la Figura
P.4
x(t)
1
………. …………..
-5 -4 -1 1 2 7
t
-7 -6 -3 -2 3 4 5 6
-1
Figura P 4
Solución
Si P es la potencia total de la señal x(t), y P 3 es la potencia contenida en las tres primeras
armónicas, se pide determinar
P3
100 %
P
Cálculo de P3. Para calcular P3 se aplica Parseval, o sea
3 3
P3 C C0 2 Cn
2 2 2
n
n 3 n 1
1 3
T T 5
6
Cn 1 e jn0t
dt 1 e jn0t dt
T T
6 2T
3
Integrando, se obtiene
1 j n60T n T
j 0 j
5 n0T
j
2 n0T
Cn e e 3
e 6
e 3
jn0T
1 j n3 j
n 2
j
5 n
j
n 4
Cn e e 3
e 3
e 3
jn2
1 3 1 T T 5T 2T
T T 5
6
1 1 1 1 1 3 3 3 3 1
C1 j j
j 2 2 2 2 2 2 2 2 2
1 2 4 10 8 2 4 10 8
C2 cos cos cos cos j s en s en s en s en
j 4 3 3 3 3 3 3 3 3
1 1 1 1 1 3 3 3 3
C2 j 0
j 4 2 2 2 2 2 2 2 2
Luego
3 3 1 2 2 2 26
P3 n 0 2 watts
2 2 2
C C 2 C 2
3 9
0 n
n 3 n 1
P3 0, 293 watts
T
1
P x 2 t dt
T 0
En este caso, se tiene
1 1
6 2 5
1 2
P x t dt dt dt 2 1 5 4 0,33 watts
60 6 1 4 6
En consecuencia
P3 0, 293
100 % 100 % 87,9 %
P 0,33
Segundo Método. Como x(t) presenta simetría impar, se tiene que Cn se puede escribir
como:
T0
2
j
Cn
T0 x(t)sen n tdt
T0
0
2
1
1 2
Cn j 1 senn0 tdt 1 senn0 tdt
6 2 1
Integrando, se obtiene
1 cos n0 t cos n0 t
1 2
Cn j
6 n0 n 1
2 0
1
Cn j cos 2n0 cos n0 cos 2n0 cos n0
6n0
1 1
Cn j 2 cos 2n0 2 cos n0 j cos n0 cos 2n0
6n0 3n0
Como T = 6, luego
2
0 T 2 0
6 3
En consecuencia
1 n 2n
Cn j cos cos
n 3 3
Por lo tanto
C0 0
1 2 1 1 1 1
C1 j cos cos j
3 3 2 2
1 2 4 1 1 1
C2 j cos cos j 0
2 3 3 2 2 2
1 1 2
C3 j cos cos 2 j 1 1 j
3 3 3
Luego
3 3 1 2 2 2 26
P3 n 0 2 watts
2 2 2
C C 2 C 2
3 9
0 n
n 3 n 1
P3 0, 293 watts
Cálculo de P. Para calcular P, se aplica
T
1 2
x t dt
T 0
P
1 1
6 2 5
1 2
P x t dt dt dt 2 1 5 4 0,33 watts
60 6 1 4 6
En consecuencia
P3 0, 293
100 % 100 % 87,9 %
P 0,33
PROBLEMA N° 1,
x(t ) u t u t 1 2u t 2
y t 2u t 1 u t u t 1
Solución
La gráfica de x(t), se muestra en la Figura P.1.1
x(t)
2
0 1 2 t
Figura P.1.1
PROBLEMA N° 1
La gráfica de y(t), se muestra en la Figura P.1.2
y(t)
2
-1 0 1 t
Figura P.1.2
Eligiendo y(t) como núcleo de la integral de convolución, se tiene
y
2
-1 0 1
i)
PROBLEMA N° 1
i) t 1
y t x
2
t-1 t t+1 0 1 2
En este caso
x t * y t x y t d 0
PROBLEMA N° 1
ii) 1 t 0
x
y t 2
t-1 t 0 t+1 1 2
Luego t 1
x t * y t 1 2 d
0
x t * y t 2 t 1
PROBLEMA N° 1
iii) 0 t 1 x
2
y t
t-1 0 t 1 t+1 2
Por lo tanto
t 1 t 1
x t * y t 11 d 1 2 d 2 2 d
0 t 1
x t * y t t 2 1 t 4t
x t * y t 2 3t
PROBLEMA N° 1
iv)1 t 2 x
2 y t
0 t-1 1 t 2 t+1
1 t 2
x t * y t 11 d 2 1 d 2 2 d
t 1 1 t
x t * y t 2 t 2 t 1 4 2 t 2 t 2t 2 8 4t
x t * y t 8 3t
PROBLEMA N° 1
v) 2 t 3
y t
x
0 1 t-1 2 t t+1
2
x t * y t 2 1 d 2 2 t 1
t 1
x t * y t 6 2t
PROBLEMA N° 1
vi) t 3
x
y t
2
0 1 2 t-1 t t+1
En este caso
x t * y t 0
PROBLEMA N° 1
Resumen
0 t -1
2 t 1 -1 t 0
2+3t 0 t 1
x t y t
8-3t 1 t 2
6-2t 2t3
0 t3
PROBLEMA N° 2
Problema N° 2. Sea la gráfica la señal de x(t), la mostrada en la Figura P.2
x(t)
-3 -2 -1 0 1 2 3 4 t
-3
Figura P.2
a) Determinar el porcentaje, de la potencia media total, contenida en las cuatro
primeras armónicas de x(t).
b) Proponer un programa MATLAB para graficar el primer ciclo, para t positivo, de
la señal x(t).
PROBLEMA N° 2
Solución.
a) Siendo P4, la potencia contenida en las cuatro primeras armónicas del espectro
de x(t), y P la potencia total de x(t), se pide determinar
P4
100 %
P
Cálculo de P4. Aplicando Parseval, para señales periódicas, se tiene
4
P4 C
2
n
n 4
4
P4 C0 2 Cn
2 2
n 1
Con 1
jn0t
Cn x t e dt
TT
PROBLEMA N° 2
De acuerdo a la gráfica de x(t), se tiene
1 2
T
T
Cn 3 e jn0t
dt 3 e jn0t
dt
T 0
T
2
Integrando, se obtiene
T
T
2
3 3
Cn e jn0t e jn0t
jn0T 0
jn0T T
2
n T
3 j 20 3 jn0T j n20T
Cn j e 1 j e e
n0T n0T
Con 0T 2 y aplicando Euler, se obtiene
3
Cn j 2 cos n 2 jsen n 1 cos n2 jsen n2
n2
PROBLEMA N° 2
Para cualquier valor de n, se tiene:
sen n sen n2 0 ; cos n2 1
Por lo tanto:
3 3
Cn j cos n 1 j 1 cos n
n n
Con
PROBLEMA N° 2
C0 0
2
2
3 2 1 3
2
2
sin c 0.637 3, 66
2
C1
2 2 2
C2 3 sin c 1 0
2 2 2
2
3 2 3 3
2
2
sin c 0, 212 0,36
2
C3
2 2 2
C4 6 sin c 2 0
2 2 2
Se obtiene
P4 0 2 3,66 0 0,36 0 8,04 watts
PROBLEMA N° 2
Determinación de P. La potencia media P de una señal periódica x(t) es:
T
1 2
P x t dt
T 0
T 0 TT 2 2
2
En consecuencia
P4 8, 04
100 100 89,3 %
P 9
PROBLEMA N° 2
• El programa MATLAB propuesto es
-3 -2 0 2 3 f[Hz]
Figura P.1.
Solución
a) Para determinar la potencia o energía de la señal a la salida del filtro pasa-bajo, en
base al problema dado, es necesario determinar el espectro de la señal de entrada para
ver si éste está dentro de la banda pasante del filtro, y de esta manera responder a la
pregunta del problema.
Para determinar el espectro de las señales de entrada, se plica Transformada de
Fourier sobre ellas.
PAUTA PRIMERA PRUEBA 2° SEMESTRE 2018
Caso x(t) = A. En este caso, se tiene
F A = A ( f )
Y su gráfica es
F{A}
0 f
Se deduce que este espectro está fuera de la banda pasante del filtro, y en
consecuencia no existe señal de salida y por lo tanto se tiene una potencia y
energía cero en la salida del filtro.
PAUTA PRIMERA PRUEBA 2° SEMESTRE 2018
Caso z ( t ) = 2cos5 t . La Transformada Z de z(t) es
-2,5 0 2,5 f
Este espectro está dentro de la banda pasante del filtro, y como el filtro es ideal
con ganancia unitaria, la señal de salida del filtro es idéntica a la señal de entrada
z(t) y por la tanto su potencia P es
PAUTA PRIMERA PRUEBA 2° SEMESTRE 2018
T T T
1 2 1 4
P = z ( t ) dt = ( 2 cos 5 t ) dt = ( cos 5 t ) dt
2 2
T 0 T 0 T 0
4 1 + cos10 t 4 T
T
1
P= dt = + sen10 T
T 0 2 T 2 20
En este caso 1
= 10 f = =5T =
2 5
En consecuencia
4 1
P= + sen 2
2 4
De donde
P = 2 watts
PAUTA PRIMERA PRUEBA 2° SEMESTRE 2018
La energía E de z(t) es
1 + cos10 t
E= z ( t ) dt = ( 2cos 5 t ) dt = 4
2 2
dt
− − −
2
1 1
1
E = 4 t + sen10 t = 4 + cantidadfinita
2 − 20 −
2
1.5
1
H(f)
0.5
-0.5
-1
-5 -4 -3 -2 -1 0 1 2 3 4 5
f
PAUTA PRIMERA PRUEBA 2° SEMESTRE 2018
Problema Nº2. a) Determinar la Transformada de Fourier de la señal
1 -1< t < 0
2
0<t<1
x (t ) =
1 1<t<2
0 otros valores
Determine el valor de esta transformada en f= 0.
b) Determinar la señal y(t), si su Transformada de Fourier es
1
j
Y ( ) = 6
1 + j + ( j )
5 1 2
6 6
¿La señal y(t) obtenida puede tomar valores negativos?. Justifique su respuesta
PAUTA PRIMERA PRUEBA 2° SEMESTRE 2018
Solución
a) Aplicando Transformada de Fourier a x(t), se tiene
X(f )= x ( t ) e− jt dt
−
0 1 2
X ( f ) = e− jt dt + 2e− jt dt + e− jt dt
Integrando, se obtiene −1| 0 1
0 1 2
1
X(f )= e − jt
dt + 2e − jt
dt + e − jt
dt = j 1 − e j + 2e− j − 2 + e− j 2 − e− j
−1| 0 1
PAUTA PRIMERA PRUEBA 2° SEMESTRE 2018
1 1
X ( f ) = j −1 − e + e + e
j − j − j 2
= j −1 − 2 jsen + cos 2 − jsen2
1 1
X ( f ) = j −2sen − 2 jsen − 2 jsen cos = j −2sen 2 − 2 jsen (1 + cos )
2
1 sen 1
X(f )= j −2sen − 2 jsen (1 + cos ) = 2
2
(1 + cos ) − j 2sen 2
Dado que = 2 f y recordando que
sen ( 2 f )
sin c(2 f ) =
2f
Se obtiene
PAUTA PRIMERA PRUEBA 2° SEMESTRE 2018
Si f = 0, se tiene que
X (1) = 4
b) Si
1
j
Y ( ) = 6
1 + j + ( j )
5 1 2
6 6
Haciendo r = j , se tiene
PAUTA PRIMERA PRUEBA 2° SEMESTRE 2018
1
r
Y (r ) = 6
1 + 56 r + 16 r 2
Que se puede escribir como
r
Y (r ) =
6 + 5r + r 2
Los polos de Y(r) son
−5 25 − 24 −5 1
r + 5r + 6 = 0 r =
2
= p1 = −2 , p 2 = −3
2 2
r A1 A2
Y (r ) = = +
( r + 2)( r + 3) r + 2 r + 3
Con
r
A1 = ( r + 2 ) Y ( r ) r =−2 = = −2
( r + 3) r =−2
r
A2 = ( r + 3) Y ( r ) r =−3 = =3
( r + 2) r =−3
Por lo tanto
1 1
Y ( r ) = −2 +3
r+2 r +3
PAUTA PRIMERA PRUEBA 2° SEMESTRE 2018
Reemplazando r por j , se obtiene
1 1
Y ( ) = −2 +3
j + 2 j + 3
Aplicando
1 − at
= e u (t )
−1
F
a + j
Se obtiene
Lo cual es posible cuando t > t0, siendo t0 el valor de t que cumple la condición
− 2 t0 −3 t 0
2e = 3e
En este caso t0 = 0,405 y con t = 0,41 se cumple la condición (I)