Analisis Sistemas Ayudantia Clases Apoyo

SEÑALES Y SISTEMAS
SISTEMA. Es un grupo de objetos que interactúan armónicamente y

que se combinan para lograr un determinado objetivo. Un sistema
puede ser parte de una sistema mayor, denominándose subsistema.
Puede establecerse una jerarquía de sistemas, cada uno con su
dominio definido
SEÑAL. Genéricamente es un suceso que sirve para iniciar una acción.
SEÑAL ELÉCTRICA. Es una función univaluada en el tiempo que

representa un voltaje o una corriente. Si la señal eléctrica se aplica a
un resistor de resistencia unitaria, se le asocia energía o potencia
normalizada.
1
SEÑALES Y SISTEMAS
ELEMENTOS DE UN SISTEMA DE COMUNICACIÓN
MENSAJE DE SEÑAL DE SEÑAL SEÑAL SEÑAL DE MENSAJE DE

ENTRADA ENTRADA TRANSMITIDA RECIBIDA SALIDA SALIDA
Transductor Canal o medio Transductor

de Transmisor de Receptor de
FUENTE Entrada Transmisión Salida DESTINO
*Ruido y distorsión asociado a

todos los elementos del Sistema.
*Interferencia,asociado al canal
FIGURA 1.1 Elementos de un Sistema de Comunicación
2
SEÑALES Y SISTEMAS
ELEMENTOS FUNCIONALES DE UN SISTEMA DE COMUNICACIÓN
TRANSMISOR. Es el elemento que proporciona el mensaje al canal en

forma de señal eléctrica. Para lograr una transmisión efectiva y eficiente,
en el transmisor se procesa la señal: amplificación, modulación,muestreo,
cuantización, codificación, etc.
CANAL DE TRANSMISIÓN. Es el enlace “eléctrico” entre el transmisor y el

receptor. La naturaleza del canal de transmisión puede ser: par de
alambres,cable coaxial, atmósfera, fibra óptica,etc.
RECEPTOR. La función del receptor es extraer del canal la señal deseada

y entregarla al transductor de salida. En el receptor, también se procesa
la señal recibida : filtrado, amplificación, demodulación, decoficación,etc
3
SEÑALES Y SISTEMAS
CLASIFICACIÓN DE SEÑALES ELÉCTRICAS
SEÑAL
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
Figura 1.2. Clasificación de Señales eléctricas

4
SEÑALES Y SISTEMAS
SEÑALES DETERMINÍSTICAS. Son aquellas que pueden ser modeladas

por expresiones matemáticas explícitas. Todos los valores
pasados,presente y futuros de una señal determinística pueden ser
conocidos con precisión, sin incertidumbre. Estas señales son
estacionarias con respecto a algún parámetro temporal de ella, cuando
tal parámetro mantiene constante su valor en el tiempo.
SEÑALES PERIÓDICAS. Estas señales presentan la característica de

repetir sus valores cada cierto intervalo de tiempo, denominado
período.
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.
PROCESOS ERGÓDICOS. Son procesos aleatorios cuya estadística

completa puede ser determinada a partir de una función muestreal
cualquiera. Para un proceso ergódico la media temporal es idéntica a la
media del conjunto.
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)=220sen250t
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
SEÑALES DE VALORES CONTINUOS. Si una señal toma todos los valores

posibles de un rango finito o infinito de valores, se dice que es una señal
de valor continuo.
SEÑALES DE VALORES DISCRETOS. En este caso la señal toma valores

de un conjunto finito de los posibles valores.
SEÑAL DIGITAL. Una señal de tiempo discreto y que tiene valores

discretos se denomina señal digital.
8
SEÑALES Y SISTEMAS
SEÑALES DESCRITAS EN TÉRMINOS DE POTENCIA. Son aquellas

señales que tienen potencia media finita, distinta de cero, y energía
infinita.. Como ejemplo de este tipo de señales son las señales
periódicas y las que no están limitadas en el tiempo.
SEÑALES DESCRITAS EN TÉRMINOS DE ENERGÍA. Las señales que

tienen energía finita y potencia media cero, son señales de energía.
Como ejemplo de este de señales están las señales de duración limitada
en el tiempo
9
SEÑALES Y SISTEMAS
DESCRIPCIÓN DE SEÑALES EN EL DOMINIO DEL TIEMPO.
El estudio temporal de una señal en el dominio del tiempo, se

basa en la representación de la señal como función de la variable tiempo.
Esta descripción se fundamenta en la definición de ciertos parámetros
tales como valor máximo, valor medio, valor medio cuadrático, etc.
10
SEÑALES Y SISTEMAS
CONCEPTOS DE DESCRIPCIÓN DE SEÑALES EN EL DOMINIO DE
LA FRECUENCIA
ESPECTRO. La representación de señales en el dominio de la frecuencia

se denomina espectro.
Espectro Continuo. Un espectro se dice continuo si la función que lo

caracteriza es una función continua de la frecuencia.
Espectro Discreto. Un espectro es discreto si existe sólo para valores

discretos de la frecuencia. Un espectro discreto está formado por líneas
espectrales.
DENSIDAD ESPECTRAL. La función densidad espectral de una señal

representa la distribución de su energía o de su potencia en el dominio
de la frecuencia
11
SEÑALES Y SISTEMAS
SEÑAL DE BAJA FRECUENCIA. Si una señal tiene su densidad espectral

concentrada en torno a la frecuencia cero, se dice que es una Señal de
Baja Frecuencia.
f
0
12
SEÑALES Y SISTEMAS
SEÑALES DE ALTA FRECUENCIA. Una señal es de alta frecuencia, si su

densidad espectral está concentrada en altas frecuencias
0 f
13
SEÑALES Y SISTEMAS
SEÑALES DE FRECUENCIAS MEDIAS. Una señal que tiene densidad

espectral concentrada en un rango de frecuencias comprendido entre
bajas y altas frecuencias se llama Señal de Frecuencias Medias.
f
0
14
SEÑALES Y SISTEMAS
CLASIFICACIÓN DE SISTEMAS
En relación a la naturaleza de las señales de entrada y de salida, los

sistemas se clasifican en:
SISTEMAS DE TIEMPO CONTINUO. Son aquellos que transforman las

señales de entrada de tiempo continuo en señales de salida de tiempo
continuo.
SISTEMAS DE TIEMPO DISCRETO. Un sistema de tiempo discreto

transforma las señales de tiempo discreto de entrada en señales de salida
de tiempo discreto
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
Sistemas Invertibles. Un sistema es invertible si conociendo su

salida se puede determinar, a partir de ella, la señal de entrada al
sistema. Lo que significa, que un sistema es invertible cuando
distintas señales producen salidas distintas .
La propiedad de invertibilidad, permite establecer un
Sistema Inverso de tal manera que cuando se conecte en cascada
con el sistema original producirá una salida de la cascada igual
a la entrada del primer sistema.
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
Escalón Unitario: u(t). La señal escalón unitario u(t) se define

matemáticamente como
1 t>0
u(t) = 
0 t<0
La gráfica de u(t) se muestra en la Figura 2.1.
u(t)
Figura 2.1. Escalón Unitario de Tiempo Continuo

21
Rampa Unitaria: r(t). Esta función se define como
t t0
r(t) = 
0 t0
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
Impulso Unitario: (t). El impulso unitario Delta de Dirac  (t) , no es

una función en un sentido estrictamente matemático. Mediante el uso de
funciones generalizadas se puede efectuar una aproximación rigurosa a
la función Delta. Por lo tanto, no hay una definición rigurosa de impulso
unitario , por lo que existen diversas formas de definirlo y una de ellas
es la que se basa en las tres observaciones siguientes
(t) = 0 t0
(t) →  t=0
 (t)dt = 1
-
23
El escalón unitario es la integral del impulso unitario. También es válido el

que la función impulso es la derivada de la función escalón, por lo que la
derivada de un escalón negativo producirá un impulso negativo.
La representación gráfica de (t), se muestra en la Figura 2.3 .
 (t)
t
Figura 2.3. Señal Impulso Unitario de Tiempo Continuo
24
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

 x(t)(t − t )dt = x(t )

−
0 0
La ecuación anterior puede tener la siguiente interpretación: que con el

impulso se pueden obtener muestras de la señal x(t) en los instantes de
tiempo en que existe el impulso .
Escalamiento de Tiempo. Esta propiedad establece que
1
(at) = (t) 25
a
Simetría. De la propiedad de escalamiento temporal, con a = -1, se tiene
(−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
Generación de (t). El impulso unitario  (t) se puede representar

como límite de otras funciones.
En particular, si existe una función  (t), tal que
lim  (t) = (t)

→0
Se tendrá que la función  (t) puede tomar las siguientes formas

1 t
 (t) =

  

1 t
 (t) = sin c  
 
1 t
 (t) = sin c 2  
  27
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
>> Grafica de Escalon Unitario

>> t=-2:.01:5; % El eje del tiempo comienza en t = -2
y termina en t=5. Hay 701 puntos
>>u(201:701)=1; % El valor 201 indica
que u(t) comienza en t = 0 (Punto 201). El valor
701 indica que u(t) termina t = 5 (Punto 701)
>> plot(t,u); title('Escalon Unitario');
>>axis([-2 5 0 2]);xlabel('Tiempo'); ylabel('u(t)');
29
Figura 2.5. Gráfica del Escalón Unitario u(t) usando MATLAB
30
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).
>> Grafica de escalon unitario u(t)

>> t=-6:0.01:6;
>> T=0;
>> x=stepfun(t,T);
>> plot(t,x)
>> xlabel('t');ylabel('x(t)');axis([-6 6 0 1.5]);
31
Figura 2.6. Gráficas de u(t) confunción stepfun

32
Rampa Unitaria r(t). Para graficar la señal rampa unitaria utilizando

MATLAB, se utiliza en general la misma sintaxis que la correspondiente
a la señal escalón descrita anteriormente.
>>% Grafica de Rampa Unitaria
>> t=-3:.01:3;
>> r(301:601)=t(301:601);
>> plot(t,r);
>> title('Rampa Unitaria');
>> axis([-3 3 0 4]);
>> xlabel('Tiempo');
>> ylabel('r(t)');
33
Figura 2.9. Gráfica de la Señal Rampa Unitaria r(t) usando

MATLAB
34
DESCRIPCION DE SEÑALES DE TIEMPO CONTINUO EN EL

DOMINIO DEL TIEMPO.
El estudio de una señal de tiempo continuo en el dominio temporal se
basa en la representación de la señal como una función de la variable
temporal t, por ejemplo x(t).
En general, las funciones que representan señales en el dominio del
tiempo son reales. Sin embargo, resulta útil y conveniente en la
resolución de algunos problemas el emplear notación compleja de
señales, tales como
x(t)+jy(t)
35
Parámetros en el Dominio del Tiempo. Para la descripción de

señales en el dominio del tiempo, se pueden definir ciertos parámetros.
Para las señales de tiempo continuo se definen:
Valor Máximo (peak ) : Xp. Es la máxima amplitud de la señal x(t)
registrada en el tiempo de observación T. Puede ser positivo o negativo
Valor Máximo a Máximo (peak to peak ) : Xpp. Es la excursión o
separación entre los valores máximos positivo y negativo de la señal
x(t).
Valor Medio : < xT (t) >. El valor medio de una señal x(t) en un intervalo
T, se define como
t+T
1
< x T (t) > =
T  x(t)dt
t 36
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
Cuando existe este límite, el valor medio temporal se denomina

componente continua de la señal .
Para señales periódicas, con período T, se tiene
T
1
< x(t) > =  x(t)dt
T0
37
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
Para señales periódicas, con periodo T, se tiene

t +T
1
 x(t) = 
2 2
x(t) dt
T t
Físicamente, el valor medio cuadrático corresponde a la potencia que

un voltaje o corriente x(t) disiparía en un resistor de resistencia de
valor unitario. Se le llama por este motivo, potencia media de la señal
x(t).
38
Valor Eficaz o Efectivo: Xeff. Para un tiempo de observación T, el valor

eficaz Xeff se define como
t +T
1
X eff =  x(t)  = lim  x(t)
2 2
dt
T → T
t
Para señales periódicas con periodo T, se tiene
T
1 2
X eff = 
T0
x (t)dt
39
Varianza : . Este parámetro se define de la siguiente manera
X efond = <  x(t) - < x(t) >  > = < x (t) > -  < x(t) > 
2 2 2 2
Físicamente la varianza representa la potencia de las

componentes alternas de la señal, y representa el valor
eficaz de la componente alterna u ondulación de la señal x(t).
40
Señales Descritas en Términos de Potencia. En general las

señales periódicas, las aleatorias estacionarias y las que no están
limitadas en el tiempo, se caracterizan por tener potencia media
finita, lo cual determina que estas señales se describan en términos
de potencia.
Señales Descritas en Términos de Energía. Las señales que
tiene energía finita son descritas en términos de energía. Este es el
caso de señales de duración limitada en el tiempo, las que además
tienen potencia media nula. La energía ET de una señal x(t) en un
intervalo arbitrario T es
t+T

2
ET = x(t) dt
t
Las señales que se describen en términos de energía, son aquellas41en

que ET tiende a un límite finito cuando T → .
REPRESENTACION FRECUENCIAL DE SEÑALES DE TIEMPO

CONTINUO
Representación de Señales Periódicas en el Dominio de la
Frecuencia.
Una señal periódica x(t) de tiempo continuo puede ser representada por
la Serie de Fourier definida por

x(t) =  n
C e
n =−
jno t
donde
2
o =
To
42
y 1

− jno t
Cn = x(t)e dt
To To
Los coeficientes Cn son llamados Coeficientes de Serie de Fourier o

Coeficientes Espectrales de x(t). Estos coeficientes complejos miden la
porción que cada armónica de x(t) es con respecto a la componente
fundamental de x(t), y permiten la representación de señales
periódicas en el dominio de la frecuencia
En forma específica el coeficiente Co representa la componente
continua de x(t) y está dado por
1
Co =
To To
 x(t)dt
Co es simplemente el valor medio de x(t) en un período.

43
Interpretación Espectral .El desarrollo en Serie de Fourier expresa
que la señal periódica x(t) puede escribirse como combinación lineal de
infinitos fasores, o sea :
x(t)=  Cn e (
j no t+n )
ya que Cn = Cn e jn
Por lo que x(t) admitirá una representación en el dominio de la

frecuencia en forma de líneas espectrales (espectro discreto), con la
particularidad de que las líneas espectrales están situadas en
frecuencias múltiplos enteros de la frecuencia fundamental o (fo),
llamándoseles armónicos de o (fo).
44
Espectro de Amplitud. La gráfica de Cn en función de la frecuencia

se denomina Espectro de Amplitud.
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
Espectro de Fase. La gráfica de n en función de la frecuencia se

denomina Espectro de Fase.
3
1
−2 5
−4
-5fo -3fo -fo 0 2fo 4fo
f
-4fo -2fo 0 fo 3fo 5fo
−5 4
2
−1
−3
46
Teorema de Parseval para Señales Periódicas

En general la señal x(t) representará un voltaje o una corriente. Si se
aplica x(t) a un resistor de resistencia de un ohm, la potencia media
disipada en él será igual al valor cuadrático medio de x(t) y se llama
potencia normalizada o media asociada a la señal x(t).
La siguiente ecuación representa el Teorema de Parseval para señales
periódicas
Pm =  Cn
2
47
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
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))
Espectro de Fase. En este caso, la sintaxis es

stem(n,angle(cn))
49
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
Obtener las gráficas de los espectros de amplitud y fase, usando

Matlab
>> % Grafica del Espectro de Amplitud
>>% en función de frecuencia normalizada
>> n = -10:10; T = 8;
>> w0 = 2*pi/T;
>> cn = cos(pi/2*n*w0)/4./(1-(n*w0).^2);
>> stem(n,abs(cn)); %Dibuja la secuencia abs(cn)
>>% en funcion de la variable n
>> title('|c_n|'); axis([-10 10 0 0.3]); xlabel('Variable n');
50
Espectro de Amplitud
51
Espectro de Fase. Para el espectro de fase, se tiene
>>% Grafica del Espectro de Fase

>>% en función de frecuencia normalizada
>> n = -10:10;
>> T = 8;
>> w0 = 2*pi/T;
>> cn = cos(pi/2*n*w0)/4./(1-(n*w0).^2);
>> stem(n,angle(cn));
>> title('Angulo(c_n) en rad');
>> xlabel('Variable n');
52
Espectro de Fase
53
Representación de Señales no Periódicas. Transformada de

Fourier . Los modelos básicos de señales no periódicas que se manejan
en Teoría de la Comunicación son las funciones limitadas en el tiempo.
Esta limitación se puede clasificar en estricta , asintótica y mixta .
Limitación Estricta. Una función tiene limitación estricta en el dominio del
tiempo , cuando la función es nula fuera de un cierto intervalo de tiempo
x(t)
0 t
54
Limitación Asintótica. Una función tiene limitación asintótica si tiende a

cero cuando el tiempo tiende a infinito.
x(t)
0 t
55
Limitación Mixta. Este tipo de limitación es una combinación de la

limitación estricta con la asintótica .
x(t)
0 t
56
Las señales a considerar son de cuadrado integrable, si la señal x(t)
es de este tipo, se cumple
lim  x(t) dt< 

2
T →
T
Definición de Transformada de Fourier. Se define la Transformada de

Fourier Fx(t) de la señal x(t), como

Fx(t) = X(f ) =  x(t)e− jt dt
−
donde  = 2f
Definiéndose la Transformada Inversa de Fourier, F-1{X(f)}, como

F−1 X(f ) = x(t) =  X(f )e jt df
− 57
Considerando a  como variable independiente las definiciones
tienen la forma siguiente

X() = 
−
x(t)e − jt dt

1

jt
x(t) = X( )e d
2 −
58
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
−
Densidad de energía. En el dominio de la frecuencia, la expresión de

la energía de x(t) es
 
1
E =  X(f ) df =  X() d
2 2
−
2 −
El término |H(f)|2 o |H(w)2 se define como densidad espectral de

energía. En base a esta densidad espectral, se define el concepto de
59
ancho de banda .
Potencia . Densidad Espectral de Potencia .
Potencia . Para el caso de señales descritas en términos de potencia,
considerando una carga resistiva de un ohm y una señal arbitraria
x(t), la potencia media P de x(t) está dada por
T
2
1
P = lim  x(t)
2
dt
T → T
T
−
2
Para x(t) periódica de periodo T, su potencia media es

T
2
1
P =  x(t) dt
2
T −T
2
60
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
De acuerdo a su definición, xT (t) es una señal descrita en términos de

energía. Siendo XT (f) su transformada de Fourier, su densidad espectral
de energía (f) es
SxT (f ) = X T (f )
2
61
Donde
T
 2
XT (f ) =  x T (t)e− j2 ft dt =  x(t)e − j2 ft dt

− − T2
La densidad espectral de potencia asociada a x(t) en el intervalo -

T/2 < t < T/2, está dada por:
2
SxT (f )
XT (f )
G xT = =
T T
Como interesa la potencia media en todo el tiempo, no en un
intervalo finito, para determinar la densidad espectral de potencia Gx
(f) de x(t) se considerará el límite cuando T tiende al infinito, o sea
1
G x (f ) = lim G xT = lim XT (f )
2
T → T → T
62
Densidad Espectral de Potencia para Señales Periódicas . Se

considerará que x(t) es una señal periódica, por lo que admite
representación en Serie de Fourier, y lo establecido por el Teorema de
Paeseval, para establecer que la densidad espectral de potencia para
señales periódicas está dada por
G x () = 2 Cn ( − n0 )

2
Siendo Cn los coeficientes de la serie de Fourier de x(t). En

consecuencia, la densidad espectral de potencia de una señal periódica
es una serie de impulsos cuyos pesos corresponden al cuadrado de la
magnitud de los respectivos coeficientes de la Serie de Fourier
63
Ejemplo2.31.
Determinar la Transformada de Fourier del pulso x(t) mostrado en la
Figura 2.42 .
x(t)
A
−2 −  2 t
Figura 2.43. Gráfica del Pulso Trapezoidal del Ejemplo 2.31 .

Solución
Dada la forma del pulso trapezoidal es más conveniente determinar su
transformada aplicando el Teorema de Derivación. Para ello, x(t) se
deriva dos veces, las gráficas de tales derivadas se muestran en la
Figura 2.44 . 64
x , (t)
A

 2
−2  − t
− A

a)
x ,, (t) A
A 

− A
 − A

b)
Figura 2.44. Gráficas de x’(t) y de x``(t) del Ejemplo 2.31
65
De donde se obtiene que
F x (t) =  F (t + 2) − (t + ) − (t − ) + (t − 2)

,, A

por lo tanto
F x (t) = ( e − e j − e − j + e − j2  )

,, A j2 

Como el Teorema de Derivación establece que
F  x ,, (t) = ( j2f ) 2 X(f )
de donde se deduce que

F x ,, (t)
X(f ) =
−(2f ) 2 66
Considerando la expresión obtenida de , X(f) se puede escribir
A  e j2 + e− j2 − (e j + e− j ) 

X(f ) =  
 −(2f )2 
Aplicando Euler,y haciendo uso de la definición de la función sinc(x),
X(f) queda finalmente como:
X(f ) = A sin c2 (f)(1 + 2cos 2f)
67
Transformada de Fourier de Funciones Singulares y Especiales.

Transformada de Fourier de la Función Impulso : (t) .
Por definición, se tiene que

F(t) =  (t)e− jt dt = 1
−
t t
68
Transformada de Fourier de una Función Periódica . Para una señal x(t)

periódica, su Transformada de Fourier es

Fx(t) = 2  Cn  (  − n0 )
n =−
o

Fx(t) =  C  ( f − nf )
n =−
n 0
69
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 − jt dt
−
Haciendo el cambio de variable : t = -x , FA se puede escribir como


F A = A  e jx dx
−
de donde F A = 2A()

o
F A = A(f ) 70
Transformada de sgn(t) . La función sgn(t) se define como
1 para t>0

sgn(t) = 
−1 para t<0

Su Transformada de Fourier es
2
X(f ) = Fsgn(t) =
j
71
Transformada de Escalón Unitario : u(t) . La definición analítica de la

función u(t) es
1 para t>0

u(t) = 
0
 para t<0
Su Transformada de Fourier es
1 1
Fu(t) = (f ) +
2 j
72
Transformada de ejwt. Se demuestra que la Transformada de Fourier de

la señal ejwt es:
F e   = (f − f )
j0 t
0
Y para e-jwt es

F e − j0 t
 = (f + f )0
73
Transformada de cosot y senot . Haciendo uso de la regla de Euler, se

demuestra que las Transformadas de Fourier de cosot y senot , son
1
Fcos 0 t =  ( f − f 0 ) +  ( f + f 0 ) 
2
−j
Fsen 0 t =  ( f − f 0 ) −  ( f + f 0 ) 
2
o
1
Fseno t =  ( f − f 0 ) e− j / 2 +  ( f + f 0 ) e j / 2 
2
74
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
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
bm r m + bm−1r m−1 +··········+b1r + b0

H(r) = n
a n r + a n −1r n −1 +············+a1r + a 0
Una expresión muy utilizada de H(r) es

cm r m + cm−1r m−1 +········+c1r + c0
H(r) = n
r + d n −1r n −1 +········+d1r + d 0
La forma de la última ecuación puede obtenerse a partir de penúltima

ecuación , factorizando el denominador de ésta por an de manera que ci =
bi/an y di = ai/an. 76
Polos y Ceros de una Función Racional.
Ceros. Los ceros de una función racional son las raíces del polinomio del
numerador, y cada uno de ellos hace cero la función racional.
Polos. Los polos de una función racional son las raíces del polinomio del
denominador, y cada polo hace infinita la función racional.
Designando por zi a los ceros y por pi a los polos de una función
racional, la ecuación de la función racional se puede escribir como
b m (r − z1 )(r − z 2 )··········(r − z m )
H(r) = ·
a n (r − p1 )(r − p 2 )·········(r − p n )
Función Racional Propia. Para el caso que en la función racional, se tenga m

< n, la función racional H(r) se conoce como Función Racional Propia.
Función Racional Impropia. Si m  n, H(r) se denomina Función Racional
Impropia. En este caso, H(r) se puede expresar como la suma de un polinomio
en r y de una función racional propia. 77
El denominador de una función racional, se puede factorizar en función de
sus polos, es decir
cm r m + cm −1r m−1 +··········+c1r + c0

H(r) =
(r − p1 )(r − p 2 )··········(r − p n −1 )(r − p n )
Esta ecuación se puede expandir en fracciones parciales y toma la forma

siguiente
A1 A2 A n −1 An
H(r) = + +·······+ +
r − p1 r − p 2 r − p n −1 r − p n
El problema de la expansión en fracciones parciales se reduce a la

determinación de los coeficientes Ai , los que dependerán de la naturaleza de
los polos de H(r). De aquí, se pueden analizar los siguientes casos.
78
Polos diferentes. En este caso, los coeficientes Ai se determinan
utilizando la ecuación
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
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
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
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
A1 A2 Ai1 Ai2 Aii

H(r) = + +····+ + +····+
r − p1 r − p 2 r − pi ( r − pi ) 2
( i)
r − p
i
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
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
En consecuencia, H(r) se puede escribir como

A1 A 2 A31 A32
H(r) = + + +
r r + 3 r + 5 (r + 5) 2
Por lo que
2(r + 1) 2
A1 = rH(r) r =0 = =
(r + 3)(r + 5) 2 r =0
75 83
2(r + 1) 1
A 2 = (r + 3)H(r) r =−3 = =
r(r + 5) 2 r =−3
3
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
Derivando y evaluando, se obtiene
9
A 31 = −
25 84
Por lo tanto, la expansión pedida es
2
− 259
1
− 54
H(r) = + 75
+ 3
+
r r + 3 r + 5 (r + 5) 2
Para determinar la Transformada Inversa de Fourier de H(), se puede aplicar

el siguiente procedimiento: se realiza el cambio de variable de j por r y se
procede a la expansión en fracciones parciales de H(r). Una vez, determinados
los coeficientes correspondientes, se vuelve a la variable j y se aplica
Transformada Inversa de Fourier a cada fracción parcial.
Ejemplo 2.38.
Determinar la Transformada Inversa de Fourier de la función
7 + 5j
H() =
(4 + j) (j) 2 + j + 1 85
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 ) 
Por lo que la expansión en fracciones parciales es

86
A1 A2 A3
H(r) = + +
r + 4 r + ( 12 − j 23 ) r + ( 12 + j 23 )
Los coeficientes son determinados por
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
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)
Aplicando Euler, se obtiene
h(t) = −e u(t) + cos( t)  e 2 u(t)

−4t − t
1
2
3
t) + 3sen( 2
3 88
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
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
N(x) r(1) r(2) r(n)

F(x) = = + + ........ + + k(x)
D(x) x − p(1) x − p(2) x − p(n)
k(x) es un polinomio en x, con el mayor exponente de x dado por

m –n, cuando m  0, o sea cuando F(x) sea una función racional
impropia. El polinomio k(x) es cero cuando F(x) es una función
racional propia, o sea, cuando m < n.
90
Para un polo p(i) de multiplicidad q, la expansión en fracciones parciales

contendrá términos de la forma
r(i) r(i + 1) r(i + q − 1)

+ + ...... +
x − p(i)  x − p(i) 2
 x − p(i)
q
91
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
Solución. El programa MATLAB es

>> num=[2 11 5];
>> den=[1 2 2 1];
>> [r,p,k]=residue(num,den)
obteniéndose
92
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
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)
Aplicando Euler, se obtiene
h(t) = 6cos(0,866t) + 6,9282sen(0,866t)  e−0,5t u(t)
94
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
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 () −  
 jT j
 − jT
 j
96
Multiplicando y dado que
e jT ( () ) = e− jT ( () ) = 

Se obtiene
 e jT e− jT 
X ( ) = A   − j −+ j 
   
Aplicando Euler, se obtiene:
2A 2AT
X() = senT = sen2fT
 2fT
Aplicando la definición de función sinc(x), se obtiene
X() = 2AT sin c(2fT)

97
Transformada Inversa de Fourier. Si X() es la Transformada de Fourier
de x(t), para determinar x(t) a partir de X() empleando MATLAB, se usa
la función ifourier, con la sintaxis ifourier(X).
Ejemplo. Considerando el resultado obtenido para la Transformada de
Fourier del Ejemplo anterior, utilizar la función ifourier paradeterminar la
Transformada Inversa de Fourier x(t).
Solución. La expresión de X() es

X() = A e jT () − j  − e− jT () − j  
Luego, el programa MATLAB es
98
>>% 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
−
En la definición así planteada, la función y(t) se denomina núcleo de la integral de

convolución. Se trata de una integral paramétrica, función del parámetro t, el que
define puntualmente a la función z(t), la cual es el resultado del producto100 de
convolución de x(t) e y(t).
Propiedades de la Convolución. Se establerán algunas de las
propiedades de la Convolución .
Conmutatividad.
x1 (t)  x 2 (t) = x 2 (t)  x1 (t)
Distributividad.
x1 (t)   x 2 (t) + x3 (t) = x1 (t)  x 2 (t) + x1(t)  x 3 (t)
Asociatividad.
x1 (t)  x 2 (t)  x3 (t) =  x1 (t)  x 2 (t)  x 3 (t)
Inversión. Haciendo  = -u, se obtiene

x1 (t)*x 2 (t) =  x1 (−u)x 2 (t + u)du
−
En este caso, la traslación de x2(t) sería de t unidades hacia la izquierda para
t > 0 y hacia la derecha para t < 0, por no haberse invertido tal función.101
Cambio de Signo. Si
x 3 (t) = x1 (t) * x 2 (t)
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
Teorema de Plancheral. Si se tienen los siguientes pares de transformadas

F{x1(t)} = X1(f)
F{x2(t)} = X2(f)
Entonces
Fx1 (t)  x 2 (t) = X1 (f )X2 (f )
Convolución en el dominio de la frecuencia. Considerando:

F
x1 (t) X1 (f)
F
x2(t) X2(f)
103
Se tiene

 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 con el Impulso Delta Dirac [(t)]. Para generalizar el

análisis, se considerará el impulso desplazado (t-t0 ) y la señal x(t).
Luego, se tendrá la siguiente convolución
x(t) (t − t 0 ) = x(t − t 0 )
O sea, que toda convolución con  (t-t0 ) equivale a un desplazamiento

de monto t0 en la señal original
105
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
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
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
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
Uso de MATLAB en la Obtención la Gráfica de la Convolución de

Señales de Tiempo Continuo. En la biblioteca de MATLAB, no existe una
función que permita obtener, en forma directa, la gráfica de la convolución
de señales de tiempo continuo. Para tal objetivo es necesario determinar una
función auxiliar: convolucion.m, la que para representar z(t) = x(t)*y(t),
podría tener la sintaxis siguiente
[z, nz] = convolucion(x, t1, y, t2, T)
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
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);
Ejemplo. Dadas las señales
x(t) = u(t) + u(t – 1) – 2u(t – 2) , y(t) = 2u(t+1) - u(t) – u(t – 1)
Obtener la gráfica de z(t) = x(t)*y(t), usando la función auxiliar convolucion

de MATLAB
>>% Grafica de z(t) = z(t)*y(t)
>> t=-5:0.01:5;
>> u(501:1001)=1; % Se crean los escalones para formar
>> u1(601:1001)=1;% x(t) e y(t)
>> u2(701:1001)=1;
>> x=u+u1-2*u2; % Se crea x(t)
>> u3(401:1001)=1;
>> y=2*u3-u-u1; % Se crea y(t)
>> [z,nz]=convolucion(x,t,y,t,0.01);
>> plot(nz,z)
>> axis([-10 10 0 6]);
>> grid;
>> xlabel('Tiempo');
>> ylabel('z(t)'); 112
>> title('Grafica de z(t)= x(t)* y(t) del Ejemplo 3.12');
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
−
En la definición de autocorrelación, se tiene que  es el parámetro de

integración . La función de autocorrelación se puede expresar como una
convolución.
R x () = x (−)  x() 114

Correlación Cruzada. Si x(t) e y(t) son señales de energía finita, se
define la correlación cruzada Rxy () como

R xy () =  x  (t)y(t + )dt = x  (−)  y()
−
o

R xy () =  x(t)y (t − )dt = x()  y (−)
−
Análogamente Ryx () se define como


R yx () =  y (t)x(t + )dt = y (−)  x()
−
115
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
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 z () = R x () + R y () + R xy () + R yx ()
Si x(t) e y(t) son señales incorreladas, o sea que
R xy ( ) = R yx ( ) = 0 
Se tiene
R z () = R x () + R y ()
117
. Funciones de Correlación para Señales Definidas en Términos de

Potencia .
Dadas señales reales o complejas de potencia media finita, se definen las
siguientes funciones de correlación :
Autocorrelación de x(t) : Qx() . Se define Qx () como
T
2
1
T → T 

Q x () = lim x (t)x(t + )dt
−T
Siendo T el intervalo de observación . 2
En el caso de que x(t) sea periódica con período T, la función de

autocorrelación Qx() está dada por
T
2
1
Q x () =
T  T
x  (t)x(t + )dt
− 118
2
Correlación de Señales de T.C
Correlaciones Cruzadas: Qxy() y Qyx(). Si x(t) e y(t) son señales de
potencia las correlaciones cruzadas tienen las siguientes definiciones
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
Propiedades de la Función Correlación para Señales Definidas
en Términos de Potencia. Se considerarán las siguientes propiedades
Simetría. Esta propiedad establece que
Qx (−) = Qx ()

Qxy (−) = Qyx ()
Valor Cuadrático Medio. La función de autocorrelación Qx ( )
evaluada en  = 0 es igual al valor cuadrático medio de la señal x(t), o
sea
T
2
1 
Qx (0) = lim  = (t) 
2
x (t)x(t)dt x
T → T
T
−
2
Por lo que Qx(0) proporciona la potencia media de la señal x(t) .

120
Valor Máximo. Para todo valor de  se cumple que
Qx (0)  Qx ()
Aditividad. Si se tiene
z(t) = x(t) + y(t)
Luego
Qz () = Q x () + Q y () + Q xy () + Q yx ()
Periodicidad. Si x(t) = x(t + T ) , luego

Qx ( ) = Qx ( + T )
Teorema de Wiener - Kintchine. El Teorema de Wiener - Kintchine,
establece que
FQx () = G x (f )
Donde Gx (f): Densidad Espectral de Potencia Media de la señal x(t) 121
Incorrelación. Dos señales x(t) e y(t) de potencia finita están incorreladas
si
Qxy () = Qyx () = 0 
En este caso y supuesto que

z(t) = x(t) + y(t)
Se verifica
Qz() = Qx () + Qy ()
Ortogonalidad. Se dice que x(t) e y(t) son ortogonales si
Qxy (0) = Qyx (0) = 0
En este caso se verifica que

Qz(0) = Qx (0) + Qy(0)
Si dos señales son incorreladas, también son, ortogonales, y es suficiente,
aunque no necesario, que dos señales sean ortogonales para que la energía
(potencia) de z(t) sea la suma de las energías (potencias) de x(t) e y(t).
122
Muestreo de Señales de T.C
El muestreo es un proceso por el cual una señal, que es una función de
una variable continua, es convertida en una señal que es función de una
variable discreta .
Muchas señales de interés práctico, tales como voz, señales
biológicas, señales sísmicas, señales de radar, y señales de comunicación
(como las señales de audio y de video), son análogas. Para procesar
señales análogas por medios digitales, primero es necesaria convertirla a
una forma digital, o sea, convertirla a una secuencia de números con
precisión finita. Este proceso es llamado conversión análoga - digital (A/D)
y los correspondientes dispositivos son llamados conversores A/D .
Conceptualmente la conversión A/D es un proceso de tres etapas :
-Muestreo. El muestreo es la conversión de señales de tiempo continuo

en una señal de tiempo discreto, obtenida por la toma de muestras de la
señal de tiempo continuo en instantes de tiempo discreto. Luego, si xa(t)
es la entrada al muestreador la salida es xa(nT) = x(n), donde T se
conoce como intervalo de muestreo . 123
Cuantización. Es la conversión de una señal de tiempo discreto de valores

continuos en una señal de tiempo discreto de valores discretos. El valor de
cada muestra de señal es representado por un valor seleccionado de un
número finito de valores posibles. La diferencia entre la muestra no
cuantizada x(n) y la salida cuantizada xq(n) se denomina error de
cuantización .
-Codificación. En el proceso de codificación, cada valor discreto xq(n) es
representado por una secuencia binaria de bits .
La Figura siguiente ilustra el proceso de conversión A/D .
Xa(t) X(n) Xq(n) 11100

Muestreador Cuantizador Codificador
Señal Análoga Señal de Tiempo Señal Cuantizada Señal Digital

Discreto
124
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 .
Xa(t) X(n) =X(nT)
Señal Análoga Muestreador Señal de Tiempo Discreto
125
Xa(t)
126
Muestreo Periódico de una Señal Análoga
Dependiendo del tipo de la señal muestreadora, se tiene la siguiente

clasificación del muestreo : Muestreo Teórico y Muestreo Práctico .
Muestreo Teórico. Para el caso del Muestreo Teórico la onda
muestreadora s (t), con Ts como intervalo de muestreo, está dada por
s (t) =  (t − mTs )

m
Donde Ts es el intervalo de muestreo. En este caso se dice que s (t) es la

onda muestreadora ideal .Con x (t) como la señal muestreada de x(t), se
tiene que
x  (t) = x(t)s (t) = x(t) (t − mTs )
m
ecuación que puede escribirse como
x  (t) =  x(mTs )(t − mTs )

m 127
Aplicando Transformada de Fourier a la ecuación anterior, se obtiene
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
Ecuación que establece que el espectro de x (t) es el de x(t) repetido y

128
centrado en cada armónica de la frecuencia afectada por un factor fs .
La Figura siguiente muestra los espectros de x(t) y de x (t)
X(f)
f
-W 0 W
X  (f )
AfsX(f)
-fs - W -fs -fs + W -W 0 W fs - W fs fs + W f
fs - W
129
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 Práctico. El Teorema de Muestreo es consecuencia de la limitación en

banda de la señal analógica original. La caracterización de la señal requiere conocer
sus muestras x(nT), obtenidas de un modo simple pero también irrealizable
físicamente, con la onda muestreadora Delta de Dirac. Como el Teorema de
Muestreo no impone exigencia alguna en cuanto al modo de obtener las muestras,
es razonable inferir que la señal de banda limitada x(t) podrá reconstruirse a partir
de muestras x(nT) que se obtengan mediante algún procedimiento que pueda ser
realizado en forma práctica, dando lugar a los sistemas prácticos de muestreo .
Los sistemas prácticos de muestreo difieren del modelo teórico, en los siguientes
aspectos :
- La onda muestreadora está constituida por trenes de pulsos de duración no nula .
- Los filtros de reconstrucción no son ideales .
- Las señales a las que se aplica el Teorema de Muestreo no están estrictamente
limitadas en banda, dado a que son señales limitadas en en el tiempo .
Existen dos clases de muestreo práctico : instántaneo y natural.
131
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
s(t) =  p(t − nT)

n
con T  , condición que evita el traslape de los pulsos básicos .

Una forma de transmitir las muestras de x(t) es utilizarlas como
factor de amplitud de los pulsos, obtenidas en los instantes medios nT de los
pulsos, o sea formando la señal xpi(t) dada por
x pi (t) =  x(nT)p(t − nT)

n 132
El espectro Xpi(f) de la señal muestreada en forma práctica instántanea

está dado por
X pi (f ) = fs P(f ) X(f − nf s )
n
como P(f) es una función continua, de acuerdo a la ecuación (6.37), se

produce una modificación del espectro de la señal muestreada con
respecto al de la señal original . Por lo tanto, para recuperar fielmente la
señal original hay que disponer de un filtro corrector o igualador que
cancele la influencia de P(f).
133
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
x pn (t) = x(t) p(t − nT)

n
El espectro Xpn(t) de la señal muestreada xpn(t), es
Xpn (f ) = fs  P(nfs )X(f − nfs )

n
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 .
APLICACIÓN DE SOFTWARE PARA LA GRAFICA DE SEÑALES

MUESTREADAS
Se considerará muestreo ideal y el programa a utilizar, para obtener la

gráfica de señales muestreadas, es el MATLAB.. Se tomará como base que la
señal muestreada x(n), correspondiente a la señal analógica xa(t), está dada
por
x(n) = xa(nTs)
siendo Ts el intervalo de muestreo. Para obtener la gráfica de la señal
muestreada x(n), se aplica el comando stem a la señal x = x(n), en la forma
siguiente
stem(n,x)
135
Ejemplo. La señal analógica ya(t) = 3sen(250t), es muestreada a una

tasa de 1000 muestras por segundo. Obtener la gráfica de la señal
muestreada, en un intervalo de tiempo igual a un periodo de la señal
analógica.
Solución
Del enunciado del problema, se deduce: que la frecuencia de la señal es f
= 50[Hz], el intervalo de muestreo Ts= 1/fa=1/1000=0,001[seg]. Luego,
el programa MATLAB para graficar y(n) es
136
>>% 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)’);
138
− (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
>> %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
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
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
Representación Gráfica de una Señal de Tiempo Discreto
143
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
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
b) Secuencia de duración finita :

Con x(n) = 0 para n < 0 y para n > 2, la secuencia de l ejemplo
anterior puede ser representada como :
x(n) = 2,5, 2
146
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
La gráfica de (n) se muestra en la Figura siguiente
(n)
1
............... ................
n
-4 -3 -2 -1 0 1 2 3 4
147
Señal Escalón Unitario : u(n) . Esta secuencia se define como
1 para n  0
u(n)  
0 para n<0
La Figura siguiente muestra la gráfica de u(n).
u (n)
1
................. ...............
n
- 4 -3 -2 -1 0 1 2 3 4
148
Señal Rampa Unitaria : r (n) . Su definición es
n para n  0
r(n)  
0 para n<0
Esta señal es graficada en la Figura siguiente
r(n)
4
3
2 u
r
( n )
.....
1
.................
n
- 4 -3 -2 -1 0 1 2 3 4
149
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
La Figura 7.6 ilustra an para -1 < a < 0
......
..................
n
151
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
Gráfica de (n) usando la relación lógica == 0 de MATLAB

153
Escalón Unitario. Para la gráfica del escalón unitario u(n – n0) , se puede
hacer uso de la relación lógica >=0. Para la gráfica de u(n), n0 = 0, se
aplica el siguiente programa MATLAB:
% Gráfica de u(n) usando relacion logica >=
>> n =-10:10;
>> n0=0;
>> x=[(n – n0)>=0];
>> stem(n,x,'fill','k')
>> title('Grafica de Escalon Unitario'); xlabel('n')
>> ylabel('Escalon Unitario');
>> axis([-10,10,0,2])
% Coloca límites de –10 a 10 en el eje X y de 0 a 2 en el %eje Y
154
Gráfica de u(n) aplicando la relación lógica >= de MATLAB
155
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
Gráfica de u(n) aplicando comando stepfun(n,n0) de

MATLAB 157
Rampa Unitaria. No hay comando que permita, graficar directamente la
señal rampa unitaria. Un programa a usar para tal efecto, es el siguiente
% Grafica de Rampa Unitaria de Tiempo Discreto
>> n =-10:10;
>> x =n;
>> f=stepfun(n,0);
>> y=x.*f;
>> stem(n,y,'fill','k');
>> title('Grafica de u_r(n)');
>> axis([-10,10,-1,10);
>> axis([-10,10,-1,10]); xlabel('n'); ylabel('u_r(n)');
158
Gráfica de ur (n) aplicando comando stepfun(n,n0) de

MATLAB 159
DESCRIPCION DE SECUENCIAS O SEÑALES DE TIEMPO DISCRETO EN
TERMINOS DE POTENCIA O DE ENERGIA
De acuerdo a la potencia y energía asociadas a una señal de tiempo discreto,
ésta se puede definir o describir como Señal de Energía o Señal de Potencia .
Señales de Energía. La energía E de una señal x(n) se define como

E= 
2
x(n)
n =−
Definición que se aplica a señales reales y complejas .
La energía E de una señal puede ser finita o infinita. Si E es finita, o
sea 0<E<, luego x(n) es llamada señal de energía .
Señales de Potencia. Muchas señales poseen energía infinita y potencia
media finita. La potencia media P de una señal de tiempo discreto x(n) es
definida como
1 N
P = lim 
2
x(n) 160
N → 2N + 1
n =− N
Si se define la energía EN de x(n) en el intervalo finito -N  n  N , como
N
EN = 
2
x(n)
n =− N
Luego, la energía E de x(n) se puede expresar como

E = lim E N
N →
y la potencia media P de la señal x(n) como

1
P  lim EN
N → 2N + 1
De acuerdo con la última ecuación, si E es finita, P = 0. Por otra parte, si E

es infinita, la potencia media P puede ser finita o infinita. Si P es finita (no
cero), la señal x(n) es llamada señal de potencia .
161
Señales Periódicas. Una señal de tiempo discreto x(n) es periódica con
período N ( N > 0) si y solamente si
x(n) = x(n + N) n
El valor más pequeño de N que satisface la ecuación anterior es denominado
periodo fundamental. Si x(n) no satisface la ecuación anterior, x(n) se dice que
es no periódica o aperiódica .
Si se considera la señal senoidal de la forma
x(n) = Acos(0 n +  ) = Acos(2F0 n +  )
Esta señal es periódica si F0 es un número racional, o sea, que F0 puede ser
expresada como
K
F0 =
N
donde K y N son enteros
162
De aquí, las secuencias obtenidas por muestreo de una señal analógica
periódica, serán periódicas cuando el período T de la señal analógica y el
intervalo de muestreo Ts, sean enteros o racionales. Si el periodo de la
señal analógica es entero y múltiplo de Ts, el período NTs de la secuencia
x(nTs) será igual al período de la señal analógica, o sea, NTs = T, con N
igual al entero dado por T/Ts. En el caso, de que el periodo de la señal
analógica sea racional, el período de la secuencia x(nTs) será NTs,,con N
igual al numerador de la razón T/Ts,, con el numerador y denominador
números primos entre sí. En todos los casos, el periodo de la secuencia
x(n) es N. Si el período de la señal analógica no es racional, la secuencia
x(nTs) será aperiódica .
Por otra parte, la potencia media de la señal periódica es finita y
es igual a la potencia media en un período. Luego, si x(n) es una señal
periódica con período fundamental N y toma valores finitos sobre valores
finitos, su potencia media P es
1 N −1
P= 
2
x(n)
N n =0 163
Señales Simétricas y Asimétricas. Una señal x(n) real se denomina

simétrica o par si
x( -n) = x(n)
Una señal x(n) real se denomina asimétrica o impar si
x( -n) = - x(n)
Se observa que si x(n) es impar , luego
x(0) = 0
164
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
Señal o Secuencia con simetría impar 165

OPERACIONES ELEMENTALES DE SEÑALES DE TIEMPO
DISCRETO
Las operaciones a analizar son las siguientes:
Transformación de la Variable Independiente. Una señal x(n)
puede ser desplazada en el tiempo reemplazando la variable
independiente n por n - k, donde k es un entero. Si k es un entero
positivo, el desplazamiento resultante es un retardo de la señal en k
unidades de tiempo, desplazamiento hacia la derecha. Si k es un
entero negativo, el desplazamiento resulta en un avance de la señal en
k unidades de tiempo, desplazamiento hacia la izquierda de x(n).
166
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
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
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
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 :
y(n) = x1 (n) + x2 (n) - < n < 
Multiplicación. El producto de dos señales se define similarmente, al

de la suma, sobre la base de muestra a muestra como
y(n) = x1 (n)x2 (n) - < n < 

170
Componentes Par e Impar. Cualquier señal arbitraria x(n) puede ser
expresada como la suma de dos señales componentes, una par xp(n) y la
otra impar xi (n), o sea x(n) = xp(n)+ xi (n). La señal componente par xp(n)
se forma de acuerdo a
1
x p (n) =  x(n) + x( −n) 
2
y la componente impar xi(n) se forma de acuerdo a
1
x i (n) =  x(n) − x( −n) 
2
Por lo que la señal x(n) se puede expresar de la manera siguiente
x(n) = xp (n) + xi (n) 171

Uso de MATLAB en Operaciones Elementales de Secuencias. Para el
escalamiento de amplitud de x(n) por la constante A, se emplea el operador
*, o sea, A*x(n). Para la suma de las secuencias x(n) e y(n), se emplea el
operador +, teniéndose x + y. Para la multiplicación de las secuencias x(n) e
y(n), se emplea el operador “.*”, es decir, x .* y. Los dos operadores
requieren que las secuencias x e y, tengan la misma longitud, para ello se
puede utilizar el relleno con ceros, donde corresponda, en la secuencia más
corta.
Ejemplo. Considerando las secuencias
x(n) = −2,1, −1,0,4, −3,2 , y(n)= 1,-3,1,6,-4,2
Usar MATLAB, para determinar y graficar

a) 4x(n)
b) x(n) + y(n)
172
c) x(n)y(n)
a) Escalamiento de Amplitud. En este caso, el programa MATLAB es

% Calculo Escalamiento de Amplitud: q(n) =4x(n)
>> x=[-2 1 –1 0 4 –3 2];
>> A=4;
>> q=A*x
q=
-8 4 -4 0 16 -12 8
>> n=-2:4;
>> stem(n,q,’fill’,’k’);
>> title('Grafica de q(n)=4*x(n)');
>> xlabel('n'); ylabel('q(n)');
>> grid % Agrega reticulado a la grafica 173
Del programa, se tiene que
q(n) = 4x(n) = −8, 4, −4, 0,16, −12,8
174
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
Del programa, se tiene
z(n) = x(n) + y(n) = −2, 2, −4,1,10, −7, 4
176
c)Producto. Para el producto v(n) = x(n)y(n), el programa MATLAB es

>>% Calculo de v(n) = x(n)y(n)
>> v=x.*y
v=
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
Del programa,
v(n) = x(n)* y(n) = 0,1,3,0,24,12,4

178
CONVOLUCIÓN DE SEÑALES DE TIEMPO DISCRETO
Dadas las secuencias x(n) e y(n), su convolución z(n) se representa como
z(n)=x(n)*y(n) y se define como
 
z(n) = x(n)* y(n) =  x(k)y(n − k) =  y(k)x(n − k)
k =− k =−
Básicamente, la convolución de secuencias presenta las mismas

características que la convolución de señales de tiempo continuo. La
integración se sustituye por la sumatoria. La convolución de secuencias se
basa en las siguientes operaciones básicas:
1. 1. En ambas secuencias se reemplaza la variable n por k.
2. Se toma la imagen de una las secuencias con respecto al eje vertical, como
por ejemplo y(k), obteniéndose y(-k).
3. Se desplaza la secuencia y(-k) en un monto n, obteniéndose y(n-k).
4. Se multiplican las secuencias x(k) e y(n-k).
5. Se suman los valores obtenidos de la multiplicación para obtener el valor179de
la convolución en n.
CÁLCULO DE LA CONVOLUCIÓNDE SEÑALES DE TIEMPO

DISCRETO
Existen diferentes métodos para el cálculo de la convolución de

secuencias, entre ellos se encuentran
Método Gráfico.
Método Matricial
Método Computacional
180
PAUTA PRIMERA PRUEBA DE ANÁLISIS DE SEÑALES
2º SEMESTRE 2018.
Problema Nº 1. Las señales x(t) = A y z(t) = 2cos( 5 t ) se aplican, no simultáneamente, a

la entrada de un filtro pasa –banda ideal, cuya función de transferencia H(f) se muestra en
la Figura P.1.
a). Determinar la potencia o energía de la señales de salida, correspondientes del filtro pasa
– banda.
b) Proponer un programa MATLAB, para graficar H(f) dada.
H(f)
-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.
Caso z  t   2cos5 t . La Transformada Z de z(t) es

Z 2cos5 t  Z 2cos 2 (2,5)t    f  2,5    f  2,5
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  5T 
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 
En consecuencia la energía E de z(t) es infinita.
b) El programa MATLAB, propuesto para graficar H(f) dada es
>> % Programa para graficar H(f)

>> f=-5:0.001:5;
>> u1=stepfun(f,-3);
>> u2=stepfun(f,-2);
>> u3=stepfun(f,2);
>> u4=stepfun(f,3);
>> H=u1-u2+u3-u4;
>> plot(f,H)
>> axis([-5 5 -1 2]);
>> grid;
>> title('Gráfica de H(f)');
>> xlabel('f');
>> ylabel('H(f)');
Gráfica de H(f)
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
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

Xf   x t  e
 jt
dt

0 1 2
Xf  e  jt
dt   2e  jt
dt   e jt dt
1| 0 1
Integrando, se obtiene
0 1 2
1
X  f    e jt dt   2e jt dt   e jt dt  j 1  e j  2e j  2  e j 2  e j 
1| 0 1

1 1
Xf  j  1  e j  e  j  e  j 2   j  1  2 jsen  cos 2  jsen 2 
 
1 1
Xf  j  2sen 2  2 jsen  2 jsen cos    j  2 sen 2  2 jsen 1  cos   
 
1 sen 1
Xf  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
X  f   2sin c  2 f 1  cos 2 f   j 4 f sin c 2  2 f 
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
r2 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
y  t    2e 2t  3e 3t  u  t 
La señal y(t) podrá tomar valores negativos si
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
En este caso t0 = 0,405 y con t = 0,41 se cumple la condición (I)

PROBLEMA N°3. Determinar la convolución de las señales:
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 siguiente

x(t)
0 1 2 t
La gráfica de y(t) es
y(t)
-1 0 1 t
Eligiendo x(t) como núcleo de la integral de convolución, se tiene la siguiente figura

x   
-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     21 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   11 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   11 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 2t3

0 t3
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
NOTA. Calcule directamente C0
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
Primer Método. Con

T
1
Cn   x  t  e  jn0t dt
T 0
De acuerdo a la Figura P.4, se tiene que T = 6. Luego, Cn se puede escribir como
1 3 
T T 5
6
Cn     1 e  jn0t
dt   1 e jn0t dt 
T T 
6 2T
3
1   j n60T n T
j 0 j
5 n0T
j
2 n0T

Cn   e  e 3
 e 6
 e 3

 jn0T  
Como 0T  2 , Cn queda
1   j n3 j
n 2
j
5 n
j
n 4

Cn   e  e 3
 e 3
 e 3

 jn2  
Para determinar C0 , se aplica
1 3  1  T T 5T 2T 
T T 5
6
C0     1 dt   1 dt       0

T T  T 6 3 6 3 
6 2T
3 
1   j 3 j
2
j
5
j
4

C1   e  e 3
 e 3
 e 3

 j 2  
1     2   5   4      2   5   4  
C1  cos    cos    cos    cos   j   s en    s en    s en    s en   
 j 2  3  3   3   3   3  3   3   3  
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  
cos    cos  2   cos  5   cos  4   j   s en    s en  2   s en  5   s en  4  

1
C3 
 j 6 
1 2
C3   1  1  1  1  j  0  0  0  0     j
 j 6 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
P   x 2  t  dt
T 0
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
Considerando x(t) dada, se tiene que
1 
1 2
Cn   j   1 senn0 tdt    1 senn0 tdt 
6  2 1 
1  cos n0 t cos n0 t 
1 2
Cn   j    
6 n0 n 1
 2 0 
1
Cn   j cos  2n0   cos  n0   cos  2n0   cos  n0  
6n0 
Como la función coseno presenta simetría par, se tiene
1 1
Cn   j  2 cos  2n0   2 cos  n0    j cos  n0   cos  2n0  
6n0 3n0 
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,
PROBLEMA N°1. Determinar la convolución de las señales
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    11 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    11 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 2t3

0 t3
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
 

 jn0t
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  jn0t
dt    3 e  jn0t
dt 
T 0 
 T
2
T
T
2
3 3
Cn  e  jn0t  e  jn0t
 jn0T 0
 jn0T T
2
n T
3   j 20  3   jn0T  j n20T 
Cn  j  e  1  j e e 
n0T   n0T  
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
Aplicando Trigonometría, se obtiene:

3 2  n 
Cn   j 2sen  
n  2 
Usando la definición de la función sinc(x), Cn queda
3n 2n
Cn   j sin c  
2 2
PROBLEMA N° 2
De aquí
3n 2n
Cn  sin c  
2 2
En consecuencia 2
3 n  2  n 

2
Cn sin c   
 2  2 
Luego
P4  C0 
 2 C1  C2  C3  C4 
2 2 2 2 2
 
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
Para las señal x(t) del problema, se tiene

T
2 T
1 1 9 9
P    3 dt    3 dt    9  watts 
2 2
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
• >> %Gráfica del primer periodo, para t positivo, de x(t)

• >> t=-3:0.001:3;
• >> u1=3*(stepfun(t,0)-stepfun(t,1));
• >> u2=3*(stepfun(t,1)-stepfun(t,2));
• >> x1=u1-u2;
• >> plot(t,x1);
• >> title('Gráfica del primer pulso de x(t)');
• >> xlabel('t'); ylabel('x_1(t)'); grid;
• >> axis([-3 3 -4 4]);
)
PAUTA PRIMERA PRUEBA 2° SEMESTRE 2018

).
Problema Nº 1. Las señales x(t) = A y 2cos 5 t , se aplican, no simultáneamente, a la

entrada de un filtro pasa –banda ideal, cuya función de transferencia H(f) se muestra en
la Figura P.1.
H(f)
-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.
Caso z ( t ) = 2cos5 t . La Transformada Z de z(t) es
Z 2cos5 t = Z 2cos 2 (2,5)t =  ( f − 2,5) +  ( f − 2,5)

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=  dt =  + sen10 T 
T 0 2 T  2 20 
En este caso  1
 = 10  f = =5T =
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 
En consecuencia la energía E de z(t) es infinita.
b) El programa MATLAB, propuesto para graficar H(f) dada es

• >> % Programa para graficar H(f)
• >> f=-5:0.001:5;
• >> u1=stepfun(f,-3);
• >> u2=stepfun(f,-2);
• >> u3=stepfun(f,2);
• >> u4=stepfun(f,3);
• >> H=u1-u2+u3-u4;
• >> plot(f,H)
• >> axis([-5 5 -1 2]);
• >> grid;
• >> title('Gráfica de H(f)');
• >> xlabel('f');
• >> ylabel('H(f)');
Gráfica de H(f)
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
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
Solución
a) Aplicando Transformada de Fourier a x(t), se tiene

X(f )=  x ( t ) e− jt dt
−
0 1 2
X ( f ) =  e− jt dt +  2e− jt dt +  e− jt dt
Integrando, se obtiene −1| 0 1
0 1 2
1
X(f )= e − jt
dt +  2e − jt
dt +  e − jt
dt = j 1 − e j + 2e− j − 2 + e− j 2 − e− j 
−1| 0 1

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
X ( f ) = 2sin c ( 2 f )(1 + cos 2 f ) − j 4 f sin c2 ( 2 f )
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
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
Luego, Y(r) se puede escribir como

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
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
y ( t ) =  −2e −2t + 3e −3t  u ( t )

La señal y(t) podrá tomar valores negativos si
−2 t −3t
2e  3e (I)
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)

Analisis Sistemas Ayudantia Clases Apoyo

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Analisis Sistemas Ayudantia Clases Apoyo

Uploaded by

Copyright:

Available Formats

SEÑALES Y SISTEMAS

SISTEMA. Es un grupo de objetos que interactúan armónicamente y

SEÑAL. Genéricamente es un suceso que sirve para iniciar una acción.

SEÑAL ELÉCTRICA. Es una función univaluada en el tiempo que

MENSAJE DE SEÑAL DE SEÑAL SEÑAL SEÑAL DE MENSAJE DE

Transductor Canal o medio Transductor

*Ruido y distorsión asociado a

FIGURA 1.1 Elementos de un Sistema de Comunicación

TRANSMISOR. Es el elemento que proporciona el mensaje al canal en

CANAL DE TRANSMISIÓN. Es el enlace “eléctrico” entre el transmisor y el

RECEPTOR. La función del receptor es extraer del canal la señal deseada

Figura 1.2. Clasificación de Señales eléctricas

SEÑALES DETERMINÍSTICAS. Son aquellas que pueden ser modeladas

SEÑALES PERIÓDICAS. Estas señales presentan la característica de

PROCESOS ERGÓDICOS. Son procesos aleatorios cuya estadística

SEÑALES DE VALORES CONTINUOS. Si una señal toma todos los valores

SEÑALES DE VALORES DISCRETOS. En este caso la señal toma valores

SEÑAL DIGITAL. Una señal de tiempo discreto y que tiene valores

SEÑALES DESCRITAS EN TÉRMINOS DE POTENCIA. Son aquellas

SEÑALES DESCRITAS EN TÉRMINOS DE ENERGÍA. Las señales que

DESCRIPCIÓN DE SEÑALES EN EL DOMINIO DEL TIEMPO.

El estudio temporal de una señal en el dominio del tiempo, se

ESPECTRO. La representación de señales en el dominio de la frecuencia

Espectro Continuo. Un espectro se dice continuo si la función que lo

Espectro Discreto. Un espectro es discreto si existe sólo para valores

DENSIDAD ESPECTRAL. La función densidad espectral de una señal

SEÑAL DE BAJA FRECUENCIA. Si una señal tiene su densidad espectral

SEÑALES DE ALTA FRECUENCIA. Una señal es de alta frecuencia, si su

SEÑALES DE FRECUENCIAS MEDIAS. Una señal que tiene densidad

En relación a la naturaleza de las señales de entrada y de salida, los

SISTEMAS DE TIEMPO CONTINUO. Son aquellos que transforman las

SISTEMAS DE TIEMPO DISCRETO. Un sistema de tiempo discreto

Sistemas Invertibles. Un sistema es invertible si conociendo su

Escalón Unitario: u(t). La señal escalón unitario u(t) se define

Figura 2.1. Escalón Unitario de Tiempo Continuo

Impulso Unitario: (t). El impulso unitario Delta de Dirac  (t) , no es

El escalón unitario es la integral del impulso unitario. También es válido el

 x(t)(t − t )dt = x(t )

La ecuación anterior puede tener la siguiente interpretación: que con el

Simetría. De la propiedad de escalamiento temporal, con a = -1, se tiene

Generación de (t). El impulso unitario  (t) se puede representar

lim  (t) = (t)

Se tendrá que la función  (t) puede tomar las siguientes formas

>> Grafica de Escalon Unitario

Figura 2.5. Gráfica del Escalón Unitario u(t) usando MATLAB

>> Grafica de escalon unitario u(t)

Figura 2.6. Gráficas de u(t) confunción stepfun

Rampa Unitaria r(t). Para graficar la señal rampa unitaria utilizando

Figura 2.9. Gráfica de la Señal Rampa Unitaria r(t) usando

DESCRIPCION DE SEÑALES DE TIEMPO CONTINUO EN EL

Parámetros en el Dominio del Tiempo. Para la descripción de

Cuando existe este límite, el valor medio temporal se denomina

Para señales periódicas, con periodo T, se tiene

Físicamente, el valor medio cuadrático corresponde a la potencia que

Valor Eficaz o Efectivo: Xeff. Para un tiempo de observación T, el valor

Para señales periódicas con periodo T, se tiene

Varianza : . Este parámetro se define de la siguiente manera

Físicamente la varianza representa la potencia de las

Señales Descritas en Términos de Potencia. En general las

Las señales que se describen en términos de energía, son aquellas41en

REPRESENTACION FRECUENCIAL DE SEÑALES DE TIEMPO

Los coeficientes Cn son llamados Coeficientes de Serie de Fourier o

Co es simplemente el valor medio de x(t) en un período.