Carlos Avils Cruz

Ezequiel Rodrguez Rodrguez

K5102.9
7.5~

UNIVERSIDADe A \ .
AUTONOMA
METROPOUTANA

Cm""""_ .\zliIpullllh'O
C ARLOS AVILS CRUZ estudi ingeniera elec-
trnica , con la especialidad en siste mas
digitales, en la Universidad Autnoma Me-
tropolitana. Es maestro, con especialidad en
procesamiento digital d e seales, imgenes
y voz por el Instituto Politcnico Nacional
de Grenoble, Francia, donde obtuvo tambin
el grado de doctor. Es profesor-investigador
titular C en la Universidad Autnoma Metro-
politana, Unidad Azcapotzalco, y autor o
coautor de ms de 25 a rtculos publicados
en revistas especializadas. Ha participado en
congresos nacionales e internacionales, y es
coautor d e d os libros. Sus campos de inters
son la visin por computadora, el procesa-
miento digital de imgenes, el procesamiento
digital de seales y la estadstica de orden
superior.
ANLISIS DE SEALES
C OLECCIN
Libros de Texto

."" . -
' ~ . -. J .*' .. .
'
Anlisis de seales
Carlos Avils Cruz
Ezequiel M. Rodrguez Rodrguez

imAZCAPOTZALCO
COIE' e,aUOTlo..

UNIVERSlDAD~~
AUIONQMA
METROPOLITANA 2893588
Ca~ ".,,, ...... \/1 ,111111/;111 11
UN IVERSIDAD AUTNOMA METROPOLITANA

Rector General
Dr. Lu is Mier y Tern Casanueva

Secretario General
Dr. Ricardo Sols Rosa les

UNIDAD AZCAPOTZALCO

Rector
Mtro. Vctor Manuel Sosa Godnez

Secretario
Miro. Cristian Eduardo Leriche Guzmn

Coordi nadora General de Desarrollo Acadmico

Mtra . Ma ra Aguirre Ta mez

Coordinadora de Extensin Universitaria

DCG Te resa Olalde Ramos

Jefa de la Seccin de Produccin y Distribucin Editoriales

Mira . Silvia Guzmn Bofill

Portada: Virginia Flo res

Composici" tipogrfica, dise,io, prodllcci" y c"idado editorial

Sans Se rif Edito res, tel. 5611 3730, telfax 5611 3737
se rifed @prodigy. net.mx

Prime ra edicin 2003

ISBN : 970-654-967-6

Universidad Autnoma Metropo lita na

Unidad Azca po tzalco
Av. Sa n Pablo 180, co l. Rey nosa Tamaulipas
Mxico, 02200, O.F.

Impreso y hecho en Mx ico

PrillU'd nlld ",nde i l1 Mexico
 Prlogo

D ESDE QUE SE LLEVO a cabo la ltima revisin-actualizacin del plan de

estudios y de los programas sinpticos de la licencia tura en inge-
niera electrnica en la Universidad Autnoma Metropolitana, se
tienen pocos libros de texto que apoyen eficazmente a los estudiantes en el
tronco profesional. En muchas unidades de ensei'ianza-aprend izaje (UEA)
no ex iste material d e apoyo. Con este propsito se origin el presente tra-
baj o; por aos se ha impartido la materia An li sis de seales sin contar con
un documento en espaol y apegado a l programa sinptico. A modo de
marco referencial, la materia se imparte en noveno trimestre, se encuentra
seriada hacia sexto trimestre con Probabilidad y estadstica, y hacia nove-
no trimestre con Comunicaciones III . El curso da por hecho que el alumno
posee una formacin slida en matemticas (Clcu lo diferencia l, Clculo
integral y Probabilidad y estadstica principalmente). Como la materia est
ubicada en noveno trimestre y el alumno dej de tener materias de mate-
mitica s tres trimestres an tes, trae consigo problemas importantes. Los es-
tudiantes no recuerdan con fac ili dad integrar y derivar, lo que conv ierte al
curso en un embudo para la carrera; un alto porcentaje de estudiantes re-
pru eban o desertan (renuncian en la quinta semana) porque no entienden
demostraciones o aspec tos bsicos del clculo vectori al-matricia l. Dicho lo
anterior, result un doble re to escribir el presente libro de texto: n) por un
lado, que contuviera todos y cada unos de los tema s indicados en el plan
de estudios, con la profundidad y claridad debidas, y b) que contuviera
suficien tes antecedentes matemticos para que el estudiante com prenda
f cilmente los conceptos expuestos. Con toda seguridad el texto ser Mil
en o tras escuelas e institutos en los que se incluya el tema com o parte del
pl<111 de estudios de ca rrera s si milares.
L os objetivos del libro no son nica mente ex pone r la teor<1, pllntear
ejerc icios y dejar prob lcl11<1 s a resolve r por pa rte del :lI umno, n o: bU SG1J110S
7
una formacin ms completa adicionando simulacin en Ma tlab; es impor-
tante que los estudiantes puedan apreciar los fenmenos de manera grfi-
ca, que puedan explorar variando parmetros y ver el resul tado inmedia-
tamente. As, nos hemos preocupado por aadirle un captulo de introduc-
cin y manejo de Matlab en un nivel de programacin.
Cabe aclarar que, adicionalmente al libro de texto, se cuenta con la
versin electrnica completa del documento en el servidor thor.uam.mx
del rea de comunicaciones. El objetivo es incursionar en el sistema de edu-
cacin a distancia , con todas las ventajas que representa trabajar en la web.

Los AUTORES

8
 Introduccin

E N LA FORMACIN DE UN PROFESIONAL en electrnica, en la actua lidad las

comunicaciones se han vuelto b sicas, tanto las com unicaciones
sate litales, de computadoras o por radio frecuencia, com o las comu-
nicaciones hombre-mquina. Toda comunicacin est compuesta por un
emisor, un mensaje y un receptor; el mensaje es una "seal " que porta al-
gn tipo de informacin. El mensaje debe ser bien recibido, analizado e
interpretado de acuerdo con lo que el emisor desea comunicar; si falla al-
guno de los puntos anteriores (recib ir, ana lizar e interpretar), se crean seve-
ros problemas d e comunicacin.
En el presente libro se encuentran los fundam entos del ca mpo " Anli-
sis de seales" organizados y presentados de acuerdo con el plan d e estu-
dios de la carrera de ingeniera electrnica. La UEA se cursa en el noveno
trimestre d e la carrera, y es requisito haber cursado Probabilidad yestads-
tica, materia que se imparte en sex to trimestre. Ad icionalmente, Anlisis
de seales sirve com o base para Comunicaciones I1I, que se imparte en
dcimo trimestre. El libro est constituido por seis captulos; el primero es
la presente introduccin, el segundo corresponde a "Ortogonalid ad y se-
ries d e Fourier", el tercero trata d e "Transformada d e Fourier", el cuarto
versa sobre "Teora d e muestreo", el captulo quinto, de "Variables y proce-
sos aleatori os", y finalmente el captulo sexto se dedica a un minicurso so-
bre Matlab (paquete de simulacin). A continuacin se presenta un breve
resumen d e lo que se abordar en ca da uno d e los ca ptulos sigu ientes:

11. Ortogonalidad y series de FOIlrier. En este captulo se proporcionan con-

ceptos bsicos d e qu es una seal, sus ca ractersticas, y algunas de sus ml-
tiples taxonomas. Se presentan los diferentes campos de aplicacin de An-
lisis de sea les. Posteriormente se pasa a las definiciones de periodicidad y
ortogonalidad de funciones. Puesto que es importante la ortogonalidad de
9
funciones para pod er descomponer cualquier funcin en fun ciones base
ortogonales, se presentan las ca ractersticas y propiedades que d eben satis-
facer d os funciones para pod er considerarlas ortogonales. En particula r se
trabaja con fu ncion es d e l ti po seno y coseno, as como con la fun cin
exponencial compleja. Defini dos los conceptos d e ortogonalidad se pasa al
desarrollo d e sella les en series d e Fourier, y se demuestra cmo obtener los
coeficientes nO' n" Y b" para d eterminar la aproximacin d e f(t) a k-elementos
de la serie. Se citan tambin las propiedades que d ebe tener lUla seal pa ra
pod erla desarrolla r en series d e Fourier. Se presentan diferentes ejemplos de
desarrollo en series d e Fourier, y en la pa rte final d el captulo se desarrolla la
serie exponencial compleja d e Fourier; con dicha serie se anali za el conteni-
do d e info rmacin en el d ominio de la frecuencia.
1II. Transfo nllnda de FOllrier. Como una continuidad d el captulo Il se
presenta el ca ptulo III referente a la transformad a d e Fourier; en l se ex-
pone s u d efini cn, se demuestran sus propiedades y se dan ejempl os en
sistemas d e comunicacin: p ro piedad de linealidad, desplazamiento en el
tiem po, d esplaza miento en la frecuencia, esca lona miento en el tiempo,
esca lona miento en la frecuencia, simetra, la p ropied ad d e convolucin en
el tiem po y la p ro pied ad d e convolucin en la frecuencia. En todas las p ro-
pied ades se anali za n las res puestas tanto en tiempo como en frecuencia, en
frec uencia la res puesta en magnitud y en fase. Fina lmente, se plantea el
probl ema d e truncamiento temporal y los diferentes efectos producid os,
con el fin d e amin orar el problema d e inducir altas frecuencias cuando se
usa n ventanas cua dradas (se ven los efectos de utiliza r ventanas: Hanning,
Hammi ng, Bar tle tt y B1ackma n). Se plantea n eje rcicios en Matl ab qu e
ejemplifica n tod os y cada uno d e los conceptos expu estos.
IV. Teora de IIIlIes treo. Se presentan los fundam entos que hacen posible
la conversin de una sella l continua d el tiempo a su equi va lente en mues-
tras digita les. Se exponen conceptos como el muestreo id eal (con d eltas d e
Dirac), el mu estreo rea l, el teorema d e muestreo, la periodizacin d e espec-
tro y los efectos de recubrimiento d e espectros. Ta mbin se a nali za el pro-
ceso inverso, es decir, la conversin d e la sea l d igi tal a sea l ana lgica.
V. Variables y proc~sos aleatorios. En el ca ptulo V se cubren temas como
p rocesos estocsticos, variables aleatorias, procesos e rgd icos . Se plantea n
di ferentes herrami entas para ca racteri za r va riabl es aleatori as; un as de estas
herra mientas son las fun ciones de densid ad d e probabilid ad y las funcio-
nes de distri b ucin d e probabilidad . Otra he rramie nta es la esperanza
matemMica o va lor esperado a sus di fe rentes rd enes; a primer ord en se
ca rac teri za n por el va lor promed io, a segund o orden por el va lor cuadrt ico
medio, la va ri anza, la desv iac in es tnd ar y la correlacin; a tercer orden
se exponen concep tos como el "sesgo" (grad o de si metra respecto al va lor

'"
medio), y a cuarto orden se plantea el concepto de "kurtosis", el cua l indica
el grado de simi litud de una funcin de densidad cualquiera respecto a
una funcin de densidad gaussiana. Finalmente veremos conceptos de fun-
ciones de densidad y distribucin conjunta (nicamente para dos variables
aleatorias), funciones de correlacin, independencia estadstica, autoco-
rrelacin, energa y potencia.
VI. Curso Matlab. En este ltimo captulo se pretende que el estudiante
tome los elementos mnimos que le permitan programar en Matlab.
Matlab es un programa de simulacin que trabaja con base en inter-
pretar lneas de comandos. La finalidad de este captulo es facilitar las ope-
raciones de vectores y matrices, por un lado, y, por otro, facilitar el desplie-
gue grfico de la informacin.
Recomendamos ampliamente al usuario que primero pase al cap-
tulo VI y rea lice todos y cada uno de los ejercicios, para que pueda inter-
pretar mejor los ejercicios expuestos en los diferentes captulos.
Para finalizar se presentan las conclusiones.

11
 Ortogonalidad y series de Fourier

INTRODUCCIN

E
L OBJETI VO DE ESTUDIAR anlisis de seales es aprender a caracterizar
una seal, es decir, conocer los parmetros que la definen. Una seal
es todo aquello que porta informacin y puede viajar por algn me-
dio, ya sea material o el vaco. En las comunicaciones, por ejemplo, existen
varias formas de env iar informacin; antiguamente la informacin se en-
viaba a travs de sonidos que viajaban en el aire, tales como los sonidos
emi tidos por tambores, gritos, etc. Con el avance de la tecnologa los me-
dios de comunicacin han sufrido grandes cambios, pues ahora la comuni-
cacin se realiza por medio de seales elctricas u pticas que viajan por
cables, fibras p ticas o el medio ambiente.
En este curso se consideran solamente seales elctricas, por lo gene-
ral seales de voltaje o corriente que bajo cierto comportamiento se pueden
describir, a lgunas veces, por una relacin matemtica explcita. Adems
tienen la caracterstica de que son funciones univaluadas del tiempo.
Entre los muchos campos en donde hay una importante aplicacin
del anlisis de sea les se pueden citar los siguientes:

Seguridad
Control no-invasivo de estructuras (nuclear)
Pruebas de control de calidad

Sismologa
Anlisis de sea les ssmicas (potencia del sis mo, forma , or igen,
etctera).
 Geofsica
Investigacin de zonas petroleras

Ingeniera biomdica
Anlisis de sea les cardiacas, fetales, etctera
Procesamiento digital de imgenes

Telecom unicaciones
Codificacin
Transmisin
Anlisis

Comunicacin hombre-mquina
Sntesis de voz, reconocimiento de voz

Pblico en general
Computadoras o sistemas que hablan (ca rros, juegos, etctera)
Aprendizaje de lenguas extranjeras asistido por computadora
TV digital
Internet (codificacin-decodificacin de informacin)

Militar
Radar
Pilotaje automtico (misiles, aviones)

CLASIFICACIN DE SEALES

Existen diferentes clasificaciones de sea les, entre las que destacan las si-
guientes categoras:

Seales de energa
Seales de potencia
Sea les continuas o ana lgicas
Sea les digitales
Sea les peridicas
Sea les no peridicas
Sea les determinsticas
Sea les a leatorias
A continuacin se exponen las ca ractersticas de cada categora, as
como ejemplos de ellas.
14
 Sla/es de energa

Una sea l d e energa es una seal en forma de pulso que n ormalmente

existe slo durante un interva lo finito de tiempo. Si est presente en un
lapso infinito, tiene, al menos, la mayor parte de la ene rga concentrada
en un intervalo fini to de tiempo.
Ejemplo de seales d e energa:

f( t )

FIGURA 11.1 . Seales de energia

La energa d e una seal se puede ca lcular con la siguiente frmula:

E= f V(t)!' dI (IJ.1 )

Si esta integral es finita, en tonces f(t) es una sea l d e energa.

Sel1n lt's de pokllcin

A las sea les en las que la ecuacin (II.1 ) es infinita se les conoce como
sea les d e potencia porque en este caso slo se puede calcul ar su potencia .
Si se tiene una seijal f(I), su potencia media en el interva lo (t " 1, ) est
dada por la expres in:

(11 .2)

En el siguiente ejempl o veremos cmo rea liza r el clc ul o de la poten-

cia de una sea l en la que la integ ral (Il.1 ) es infinita.

15
 Ejemplo: Calcule la potencia de la sea l v(l) = ACOS(ll)

con A Y w constantes

Primero calcu lamos la potencia instantnea, que es:

entonces la potencia promedio en un periodo Tes:

p = - fT("
- 1
-+
T o 2R
A A cos 2M) )
2R
(
A ,[T
dl=-- f dl+ T
2RT 4)
f cos(2ll)dl ] =--[I+-sen(2ll)
o
A-,
2RT
1
2l
r
- A'
P= - [watts]
2R

En la figura 11.2 se muestra un ejemplo de seal de potencia.

; ; ; ; j(t) ;
---- -.;---- --~------:._----- ~ ------ ------:._------:------I -- --- -t-----
,, ,, "
"
"
"" "
, , " " "
----- '------ : ------!------~- - --- - - -----~-- ---~------ ~ ------' ---- -
, "" '
'" "
, : :: :::,
----r- -:-----r----:- --- --- -~ -----r---- :- ---f---- CQ

-----~-- ---- t- ---+--- - j --- -- - -- ----~- - - --:---- -~----- -~-----

: : :: ::::
o ~-l:-~:-~: -~: -~-:~~. ~~:-~: ~

o
FIGURA 11.2 . Sea l de potencia

Seiin/es cOll tilluas O allalg icas

Son las que estn definidas pa ra todos los valores de tiempo; pueden to-
mar va lores en un intervalo continuo In, b).
Estas sea les se pueden escribir utilizando alguna funcin, por ejemplo:

x( 1) = cos( ni)
y(l) = e-I'I

La grfica d e estas seales se muestra en la figura 11.3.

16
 0.8 0.9

0.6 0.8 .......... ! .. r

0 .4 0.7

0.2 0.6 ........ ! . . ...... i .......... ........ .

~

."c. O ."
C. 0.5 ....... ..... .........}.........
~...
E E

- 0.2 0.4 f .lt
-0.4 0.3

--0.6 0.2

-0.8 0.1

-1
- 10 -5 O 5 10 -5 O 5 10
, (5e 9) '( 5e 9)

F IGURA 11.3. Seales analgicas

Seiia/es digitales (tambin conocidas como sec llencias)

Las seales digitales o discretas slo estn definidas para cie rtos valores
del tiempo. Por lo comn se denota la variable independiente con la letra 11
indica ndo el nmero de muestras. Una seal en tiempo discreto se puede
representar como una secuencia d e nmeros reales o complejos.
Ejemplo:
X(/I) = [1 , 4, 2, 8, 9, 3, 0, lJ
}(II) = Sexp(-j2/1)

Una g rfica caracterstica se muestra en la figura l/A

Se,;a/es peridicas y 1/0 peridicas

Una seal p eridica es aquella que se repite exactamente a s misma en un

lapso fijo . Suele escribirse como f(1 + T) = f(I), dond e T es el p eriodo de la
seal. Una seal peridica es una seal de potencia si su energa por cicl o
es finita , y entonces la potencia media slo neces ita calcu larse en un ci-
clo completo (figura 11.5).

17
 .. ..
0.9

----------------.-- ...-.........
.. .. .. .
_-----~----------------------,.------------------.--

0.8 --- --- ---------_.--.-- ......

... ...
_. _--- -------~----------------------~---------------------

0.7 .
..... ----- --------r---------------------i---------------....-.........-..----.-------
0.6 --- -.-- --- ---- -. ' -------------------f---------------------l----------.-----------
"
..,-
0.5 --- --- --- --- --- --- .- ---------t---------------------t---------------------
0.4

0.3
_::: ::: :::- --- ---- --- ---- --- --- r-+---::::::::::::::::L::::::::::::::::::
0.2 --- ---, ---------------------

0.1 --- --- --- --- ----r-----

O
O 5 10 15 20
n
FIGURA II A . Sea l discreta del tipo exponencia l negativo

j(1)

Seal no peridica

j(1)

Seal peridica

FIGURA 11.5 . Seales peridicas y no peridicas

18
 Seales determins ticas

Una seal d eterminstica es aquella para la cual podemos conocer tod os

su s valores p ara cualquier va lo r d el tiempo o el espacio; se pued e repre-
sentar con una expresin matemtica.
Un ejemplo d e este tipo d e seales se o frece en la fig ura [1.6, donde se
muestra la g rfica fU) = 2 sen (40t )e' uU)
2 r---~--~----~---r----r---~--~-----

1.S ............. . +ff ....... ;........... .

..... .. ~ . +.~ .. +......,.... !.

0.5 r: .~ f ........... ! ........... .

-o

a.
E
o
'" -0.5 l' .. ............. ............!
~ ~ .... .]. .... j.... .
-1 ........ '1' ........... ~........ .... ..........':
~ ..... ........... .. .
~ ~

l'
- 1.5

-2
o 0.5 1.S 2 2.5 3 3.5 4

t(seg)
F IGURA 11.6. Se a l de te rmin stica

Sena/es aleatorias

Una seal alea toria es aquella en la que hay a lg n g rad o de incertidumbre

en su s valo res. Se pued e representar con una expresin ma tem tica como
fU) = Asen (wot + <1, slo que ahora los pa r metros como la amplitud A, la
frec u e n cia w y la fase <1> ti ene n asoc ia d a un a fun ci n d e de n si d ad
probabilstica. Un ejemplo de sea l de amplitud aleatoria se muestra en la
figura [1.7.

ORTOGONA LI DAD Y SERIES DE FOURIER

Para el anlisis de seales es til poder rep resentar una sea l en trmin os
de fun ciones base, tales como las funciones trigonomtricas, las funciones
19
 f(t)

fx (X)

FI GURA 11.7 . Seal aleatoria y su funcin de densidad de probabilidad asociada

exponenciales, entre otras. Para poder representar una funcin como una
combinacin lineal de otras funciones base, stas deben cumplir con la con-
dicin de ortogonalidad, la cual se explica a continuacin.
Si se tiene un conjunto de funciones <1>,(1) que cumplen con la siguiente
condicin:

f11
f
$1(t)$; (I)o1/ = $;(I)$, (t)dt = O
11

donde $;(t) y $;(t) representan el complejo conjugado de <I>(I) y de <1>, (1)

respectivamente.
En general, si tenemos <l>m(l) y <1>, (1), dos funciones con valor complejo
de un conjunto de funciones complejas <1>,(1) ,entonces las funciones <1> .. (1) y
<1>,(1) sern mutuamente ortogonales si cumplen con lo siguiente:

si m '1-1'1
si m=n (11.3)

El conjunto de funciones <1>, (1) est normalizado si

k, = fl$,, (I)I' dt = 1
"
Si el conjunto de funciones es a la vez ortogonal y normalizado, se le llama
"conjunto ortonormal " .
Para comprender mejor el concepto de ortogonalidad, se puede hacer
una analoga utilizando vectores. Si <1>, (1) y <l> m(t) son vectores, entonces si
n = In los vectores <1>,(1) y <1>,,(1) son colineales y por lo tanto su producto
20
punto es diferente de cero; por el contrario, si m '" n, los vectores son
ortogona les y su producto punto es cero.
Se pueden hacer representaciones de funciones utilizando conjuntos
de funciones ortogonales tales como:

Funciones seno y coseno

Polinomios de Legendre
Funciones exponencia les
Funciones de Bessel
Funciones de Walsh
Funciones Wavelets
Etctera.

En este curso se utilizarn nica mente los conjuntos de funciones

senoidales y exponenciales para representar seales. Iniciaremos con las
funciones trigonomtricas; primero se probar si las funciones seno y cose-
no cumplen con la condicin de ortogonalidad. Si las funciones seno y co-
seno forman un conjunto de funciones ortogonales, entonces se debe cum-
plir lo siguiente:

fsen(nlwot)cos(llw ot)dt
T

= 0, '1 ni, 11 = 0, 1, 2 ... (ll.4)

o

con (J)o =2n/T

La demostracin de esta expresin se hace a continuacin. Si tenemos

1
la identidad trigonomtrica sen(A)cos(B) = 2[sen(A + B) + sen(A - B)] Y la sus-
tituimos en la expresin !I.4 para hacer la integral, tenemos:

fsen(nlwot)cos(llwot)dt f 2[1 sen[(ni +

T
=
T
1/ )wot J+ sen[ (ni - 11 )wot ]ldt
o o

r
cos( ni - 11 )wot ]
(fII - II)W(l ()

evaluando los limites ysustltl.1yendo (JJo = 211: / T

21
 _ __1_[Cos[(",+n)21t] cos[(",-n)21t] _ 1_ _ _
1 _ ]_ . _
- + - O, SI n, ",-0,1, 2 ...
2w o 111+11 m-11 111+11 m - l1

lo cua l demuestra que el conjunto de funciones sen(mwot) y cos(nwot) for-

man un conjunto ortogonal de funciones en el intervalo [O, T ].
Es posible demostrar tambin los siguientes resultad os, que, como
veremos ms adelante, son tiles para el clculo de los coeficientes de la
serie de Fourier:

!r {O si m:l;n
COS("'lot)cos(nl ot)dt = T/ 2 si m=I1:1;O (11.5)

r {O si 111'1:11
fsen("'lot)sen (lIlot)dt
o
= T/ 2
si m = l1'*-O
(11 .6)

Las demostraciones de las expresiones 11.5 y 1l.6 se dejan como ejerci-

cio para el lector.
Las relaciones anteriores muestran que las funciones: {l , cos(wot ),
cos(2wot), cos(3wot ),... , sen(w,t), sen(2wot), sen(3wot),... 1 forman un conjunto
ortogonal de funciones en el interva lo O < t < T Y por lo tanto se pueden
utilizar para representar funciones en trminos de stas.

SERIE DE FOURIER TR IGONOMTRICA

Estas series fueron utilizadas inicialmente por Joseph Fourier para la solu-
cin de problemas relacionados con la transferencia de ca lor.
Segn el teorema de Fourier, una funcin f(t) se p uede representar
como una combinacin linea l de funciones ortogonales, en particular
como una combinacin lineal de funciones seno y coseno, de la siguiente
manera:

I( t) = no + ~:rn, COS(lll ot) + b"sen(lIl ot)] (11.7)

donde 0 0' a" y b" son los coeficientes de Fourier, los cuales se obtienen a
pa rti r de f(t); W o es la frecuencia fundamental y 2wo' 3wo... se conocen como
los componen tes armnicos de la sea l.

22
 ObtellciIl de los coeficientes a", a" y b"

La relacin entre la seal f(t) y las funciones trigonomtricas est en la rela-

cin entre el periodo de la seal Ty la frecuencia lY esta relacin es lo = 2rr(f,
ad ems de los coeficientes, a", a" a" ... a, y bl' b" ... b" los cuales nos d icen
cu nto de los componentes a rmnicos se le d ebe agrega r a la serie pa ra
representar ad ecuadamente una funcin.
A continuacin se aplica la propied ad de ortogona lidad pa ra su ob-
tencin .

Obte" cifl del coeficie1l1e ao

Si se integra la ecuacin (I!.7) en el interva lo [0, T] se tiene

f (t )dt f
T

o
=
T

o
[
ao + L la, COS(]](ll ot) + b, sen (llw ot)i
_

/1- 1
}
t

Distribu yendo la integral e intercambiando el ord en d e la suma toria e

integra l se tiene
T _ T DO T

= faodt + L fa, cos(llw ot)dt + L f

o 11 = 1 o ,,-\ o
b"se n (ll w ot)dt

Las integrales d e las funciones trigonomtricas sen(nl,t) y cos(nlot) tienen las

siguientes caractersticas:
T T

fcos(llw ot)dt Y fsen(nw ot)dt

o
=
o
= O para 11 =1, 2, 3, ....

Aplicando lo a nteri or, se tiene:

T T

f (t)dt =ao f dt =aoT

o o

des pejand o ao se obtiene:

1
f
T
a" = T (t)dt (11. 8)
"
 A este coeficiente se le conoce como valor promedio o componente de
OC de la seal.

Obtencin del coeficiente a,

Multiplicando ahora ambos lados de la ecuacin (11.7) por cos(mwot) e inte-

grando en el intervalo [0, 11, se tiene:
T T

f f(t)cos(mw ot)dt = f ao cos(mwot)dt +

o o

,,-\_ [Tfo a" cos(nwot)cos(mwot)dt + fTo b,sen(llwot) cos(mwot)dt ]

aplicando las propiedades de ortogonalidad (1I.4) y la expresin (11.5), la
parte inferior de la expresin anterior se reduce a:

- T {O nI":# 11
= " a, f cos(llwot)cos(mw ot)dt = TI condicin de ortogonalidad
L.J
n_\ o 2 m=n

T T
f f(t)cos(mw ot)dt = am "2 sustituyendo m por 11 y despejando a a" se obtiene:
o

2 T
a, = T f f(t)(cos nwot)dt (11.9)
o

Obtencin del coeficiente b,

Multiplicando ahora la ecuacin (11.7) por sen(mwot) e integrando en el in-

tervalo [O, T], se tiene:
T T
f f(t)sen(mw ot)dt = f aosen(mwot)dt +
o o

T _

fo [a
,,-\
, cos(llwot)sen(mw ot) + b"sen(nwot)sen(mwot)]dt

24
 Aplicando la condicin d e ortogonalidad (II.4) y la expresin (11.6), la
expresin anterio r se reduce a:
r
fof( t)sen(mOlot)dt = b. I.-
2

Reemplazando m por n y despejando b" se tiene:

b, = T2 fr f(t) sen(nOl ot )dt (11.1 0)

o

A la grfica d e los coeficientes de Fourier a, y b, se le conoce como

espectro d e lneas y nos indica en qu valores de la frecuencia se acumula
la mayor parte d e la energa d e la seal.

COlldiciones de Dirichlet

Una funcin f(l) pued e ser representada como una combinacin linea l de
funciones ortogonales, en particula r en trminos de funciones trigonom-
tricas, si cumple con las siguientes condiciones:

La funcin f (t) tiene un nmero finito d e discontinuidades en un

period o.
La funcin f(t) tiene un nmero finito de mximos y mnimos en un
periodo.
La integra l d el va lor absoluto d e f(t) en un period o es finita, es d ecir

r~r(t)ldt ~
v,
-v,
< (11 .11)

A continuacin se muestran algunos ejemplos d e representaciones de

funci ones en series d e Fourier trigonomtricas.

Ejemplo: Encuentre la representacin en serie trigonomtrica de Fourier

d e la funcin que se muestra en la fi gura (11.8); grafique el espectro de l-
nea. La amplitud es V y el periodo es T.

25
 JI')
,-----t-- V '------t------'-

-----r---- ----T----- -----T----- ------f------ ------

----r---- -----j------ ------i------ ------i------ ------
o
----- .... -----
----- ..... ----- .. ------ ... ------ ------

....
------~------

....
---'-r----- -----t----- ------r----- ------r----- ------
: v_; ______ . :
- -----t----- , T

o
FI GU RA 11.8. Seal cuadrada

Primero definimos analticamente la funcin f(t) en un periodo:

-v si
f(t ) =
V
si

Clculo de ao

no =+ f TI'

- T/2
f (t)dt = 1'
1['f -Yz
(- V)dt + f
Y:]
o
Vdt =0

Este resultado es lgico ya que la componente de oc de la seal vale cero.

Clculo de a,

ff
T/l

n" = f (t )cos(nwot)dt
-T/2

n" = 1'2[0f - V cos(n wot)dt + Y:f V cos(nw , t )dt ]

-Yz o

26
 Y2
a" = 3.[- vsen(l1lolJlo + v(sen l1 l ot)I ]
T 1100 0 _~ 1100 0 o

a" = 3.[ -VSen(lo T/ 2) + Vsen(lo T/ 2) ] =3. [0]

T n l o lll o T

Como se d esprende d e la grfica, para los componentes d e la sea l

este resultad o es el esperado, pues si se incluyera este coeficiente la grfi ca
d e los componentes cosenoidales introducira un error muy grande en la
ap roximacin de la seal.
C lculo d e b"

b" = ff [
o

-~
- Vsen(l ot)dt + JVsen(l1l ot)dt ]
Y2
o

v COS(l1lot)I Y2 ]
110.>0 o

2 - [ V - Veo {
=-
l1l oT
21t-
rl -
T 2
T)- Veo { 21tT T)
2
+ V] 11--

= 2V [2 - 2cos(I11t)J= 2V (1-(-1)")
112n /I n

como cos(nn)=(-l)", entonces:

J~v/
para 1'1 par
b"
1 / 1l1t
para ti impar

Fin a lmente, la representacin d e la se al (t ) en se ri e d e Fouri er

trigonomtrica es:

27
f (t) = -
4V ~ 1 [ 1 4V 1 1
L... (2 1)sen (2" - 1)00 , 1 = - [sen(oo,l) + -sen(3oo,l) + -sen(5oo,l) + ... J
1t ".1 n- 1t 3 5

Las grficas de los primeros cuatro componentes de la onda cuadrada se

muestran en la figura 11.9 cuando V = 1 YT = 2 seg:
(a) (b)
2,---,---,----,---, 2, - - - , - - - . - - - - , - - - ,

~"a. O

a. O
~
-1 -1

-2 " -__~___'____'_____' -2 " -__-'-__--"---__--'--__--'

-4 -2 O 2 4 -4 -2 O 2 4
TIempo (seg) TIempo (seg)

(e) (d)
2,---,---.---,,---, 2,---,---.----,---,

-1

- 2 ~_~_~ _ _~_~ - 2 L-__~___'____'_____'

-4 -2 O 2 4 -4 -2 O 2 4
TIem po (seg ) Tiempo (seg)

F IGURA 11.9 . Aproximacin a una onda cuadrada utilizando seri es de Fourier,

con : a) n = 1 , b) n = 3 , e) n = 5 Y d) n = 7

De la figura (11.9) observamos que al ir adicionando ms y ms com-

ponentes a la serie, la grfica de la suma de dichos componentes se va aproxi-
mando a la sea l cuad rada. Sin embargo, notamos que en las esqu inas de
la sea l cuadrada siempre habr pequeas oscilaciones conocidas como
fenmeno de Gibbs.

La grfica del espectro de lneas para esta seal es la siguiente:

Los va lores de b" cuando V = 1 son:
28
 b, = 4% = 1.27

b, = 4VJ" = 0.4

b, = 4%" = 0.25
b, =4'j4" =0.1 8
b, =4%" =0.11

La grfica d el espectro d e lneas se muestra a continuacin:

1.4 1---,--...,---,----,-----.,.----,,...--.,-----,

12 ' , , , , , ,
..Trrr---rr.....
: : : : : : :
--------r------T--------r--------r-------r------T----------------
-c
.2
'3.
E
0.8
Trrr Trr...
'" 0.6
T---rrrrT...
0.4

0.2

o l r: 'F F I~
2 3 4 5 6 7 8 9
n

F IGURA 11.1 0 . G r fi ca de l es pectro de ln eas

En el espectro de lneas la disminucin rpida d e la magnitud d e los

coeficientes indica una convergencia rpida de la serie a la funcin f(l).

Ejemplo: Encuen tre la serie d e Fourier trigonom trica d e la seal que

se muestra en la figura (ll.11 ); grafique su espectro de lneas suponiendo
una frecuencia d e 1 kHz.

Definim os ana lticamente la funcin en un periodo T,

f (t ) = cos(w,t )

29
 j{ t )

FIGURA 11. 11 . Func i n co se no

Clculo de ao

Clculo de a"

a" =3.
T _v,
f cos (OO ol)cOS(IIOO ol)dl = {~// 2 ::
11 ,q

}/ ::::: 1

por la condicin de ortogonalidad, el nico coeficiente diferente de cero se

obtiene cuando n = 1; entonces

a, =(Hf)=1
y todos los dems a" son iguales a cero.

Clculo de b"

b" =-T2 Ir /2 COS(OO l)sen(IIOO l)dl

-T/2
o o =O 'ti =1, 2, 3...
11

Entonces la serie de Fourier slo tiene un componente:

fU) = COS((001)

El espectro de lneas se muestra en la fi gura 1I.12. La g rfi ca nos indica

que toda la energa de la seal est concentrada en la frecuencia f = 1 kHz.

30
 +-----~----------- f
1 Khz
11=1

FI GURA 11.12. Espectro de linea

FUNCIONES PARES E IMPARES

Para simplificar el clculo de los coeficientes de Fourier se puede aprove-

char la simetra de las funciones; esto se muestra a continuacin.
Se dice que una funcin f(l) es par si f(-I) = f(I); entonces es fcil probar

que J
-,
J
f(l)dt = 2 f(t)d t
o
Si una funcin es impar entonces f(-I) = -f(I), Y en consecuencia
,
f f(t)dt =O

Aplicando lo anterior al clculo de aO' a, Y b", si f(l) es par, entonces:

ao =.!.
T _",
r r
",
f(t)d t =3.
T o
",
f(t)dt

para an se tiene:

a" = yr ",

o
f(t)COS(liw ot)dt (1l.12)

y b, = O

Si por el contrario f (1) es impar, entonces n, = no = O, y entonces

b" = r
",
Y f(t)sen(liw ut)dt
o
(11.13)

31
 En resumen: Si j( l) es par, entonces tenemos:

tU) = no + L a" cOS(l/l ol)

". 1
2 T/ 2
con ao = T f
o
j(l)d l Y n, = T
4
f j(t)COS(l/l l)dl
T/

o
o

Si j( l ) es impar, entonces

t U) = L b,sen(l/l ol)
,-1

con b" = *f
T/ 2

o
t (l)sen(l/l ol)dl

Ejemplo: Encuentre la serie d e Fourier trigonom trica d e la funcin

que se muestra en la fig ura H.13.

r- -~--------.;.--------- ---------r-------

' F " :1' 1 '

F IGURA 11 . 13. Sea l d ie nte de sie rra

Solucin: Defi nimos la funcin en un period o: j(l) = I en el interva lo O$ f 5 1

Por otro lado, se aprecia que el period o T es d e valor uno; la frecuen-
cia fund a mental (Jo es
2n 2n
w o =-= - = 2n
T 1
Si a la seal anterior se le resta el va lor medio, entonces j(t) es una
fu ncin impa r, y por lo tanto a, = O entonces slo se tiene que calcul ar b"
para hacer la rep resentacin en serie de Fourier trigonomtrica. Pa ra ello
va mos a calcular el valor de los coefi cientes.
32
 Pa ra "ose tiene
T 1
2 2
y para b"

b" = T
2 J' I sen(nl ol)dl
o

Integrando por pa rtes se tiene

b" = 3.[-1
T IlW o o o nw o
1
COS(11lol)I ' + cos(nlol) di]

y eva luando los lmites

b" =~ [_ cos(11 21t) + Sen(1121t)] =.:i

21m 1'1 TUI

La representacin de f(l) en serie de Fourier est dada por la expresin:

f(t ) = ~ _
2
!
",. )
sen (11lol)
1m

ObtencilI de la serie de FOllrier trigo l1omtrica por diferel1 ciaci lI

Del clculo sabemos que al deri va r una funcin, el orden de sta va dismi-
nu yendo; esto puede aprovecharse para simplificar los clculos de los coe-
fi cientes de Fourier, y se muestra a continuacin:
De la serie d e Fourier trigonol1" trica

f (t) = " " + L [""COS( I/l"t) + b"sen(l/lol)]

",, )

Si se deriva respecto del tiempo en ambos lad os, se tiene:

df(t) =
di
L 1- l/lo""Sen (l/l"l) + l/l"l>" COS(l/l"I)1 (11.14)

puesto quef(t) es peridi ca de periodo T, df(t) /d l tambi n d ebe se r perid i-

ca. Po r tanto, proponemos la siguiente ecuacin:

33

2893588
 j'(t) = a; + La;,cos(nw , t ) + b;' sen(nw, t ) (11.1 5)

Al compa rar la ecuacin (I1.14) COn la ecuacin (I1.15) se tiene

a~ =0 (1/.16)

a~ = fI(.J}ob ll
(11.17)
b~ = -f1w oall

a;, y b;' se d eben calcular ahora como:

2
f,
T
a;, = T j'(t)cos(nw,t)dt

f f,
T

b;' = j' (t)sen(nw, t)dt

Para ilustrar este concepto se obtendr nuevamente la representacin

en serie de Fourie r de la seal diente de sierra.
211 rad
wo = -T =211-
s
Clculo de ao

Al derivar la seal se obtiene la que se muestra a continuacin:

, , , i
---- -~-- - - ------ - -:---- --:----- -
['(ni , , ,
------:----- -:---------- --:-----
: i i ! i i

-2 -1 o 2

FIGURA 11.14 . D e ri vada d e la seal diente de sie rra

 Clculo de a;,

=3. J T
=3.
~r [l -o(t)]COS(IIW
a;, j'(t)dl ol)dl
T o T _~
La funcin (tI tiene la propiedad

Jf( I)O(! - lo)dl = j(tll,.," = f(t o)

Al aplicar esta propiedad, la expresin para a;, es:

=2
[r r
~ cos(IIW ol)dl - ~ O(!)cos(IIW ol)dl
-~ -~
]
= -2cos(1I2nt)l,.o =-2

de la ecuacin 11.1 6 se tiene:

2 1
l1W b = -2; entonces b" = - - = - -
o" 21t1l 1m

Clculo de b;'

b;' = ff -~
~
j'(t)sen(lIw ol)dl = 2 r
~

-~
[1 - o(t) ] sen(lIw ol)dl

=2
[
~ sen(lIw
f
-~
ol)dl -
-y,
r
y,
o(t)sen(lIw ol)dl
]

= 2 sen(21l1tt)I,,,o = O=:::)- l1W ofl " =O

por lo tan to:

n" =O
 La representacin en serie de Fourier trigonomtrica de la sea l dien-
te de sierra queda de la siguiente forma:

1 - 1
/(1)=-- L -sen(1I2nt)
2 tI,, 1 n1t

que es idntica a la obtenida, slo que con menor dificultad.

En el caso en el que no se obtienen funciones delta en la primera deri-
vacin, es posible obtener los coeficientes de Fourier derivando varias ve-
ces la seal hasta simplificar el clculo de dichos coeficientes. A continua-
cin se muestra un ejemplo de esto.

Ejemplo: Encuentre la serie de Fourier trigonomtrica de la seal trian-

gular que se muestra en la figura (11.15).
['(1)

FI GURA 11 . 15. Seal triangular

Derivando la funcin se tiene la seal que se muestra en la figura 11.16.

2 j"(1)

-1 o
'f
'----
3i
2 2

-2

FI GURA 11.1 6 . Seal triangular derivada

Al derivar una vez ms la funcin se obtiene el tren de impulsos que

se muestra en la figura 1l.l7

36
 J"(I)
4

-1 - 1/2 o 1/2 3/2 2

- 4 I
FIGURA 11. 17 . Seg und a derivad a de una sea l tri a ng ul a r

Al d eri va r d os veces la expresin I1 .14 se tiene:

j"(t) = L -(n"'o)' a" cos(n"'o/)-(n"' o)' b" sen (n",o/) (Il.18)

Ahora prop onemos la serie d e Fourier para una seal f( l) derivad a d os veces

(I1.19)

Al compa rar las ecuaciones (11.18) y (11.19) se tiene

a~= O
a~' = - au (llw o )2
(1 l.20)

b;' = - b ll
(1 W o )2 (I1.21 )

Si volvemos a la solucin d el ejemp lo, observamos que el va lor medio

es cero, as qu e no = 0, y como f(t) es una funcin impar, entonces n" =
Para b;' se tiene:

,
= ~ f - 4.( I - ~)
bU
, 2 \ 2 sen (n"' o/)d/ = -8sen (11"' 0/)1,,, 1/2 = -ssen( 1I 2'2.)
o

de la expresin (11. 21) se obtiene:

- bU Sse 11 J 2'. )
b = _ _"_= 1\ 2
" (11"' 0)' (1m )'

entonces la serie trigonomtrica de Fou rier de la seal tria ng ular es:

(
_ sen (21t - 1)- ,,)
f(t ) = ~ L , 2 sen[ (211- 1)"I )]
,, - ". , (211 - 1)
37
 Los componentes armnicos de la seal triangular se muestran en la
figura U.IB.
2,----,~--~-----, 2,-----,.-----,------,
1 -------------- --------------!-------------- 1 --- ---- ---- --- --------------!--------------
O~----~----~~----~

------------- --------------!-------------- - 1 ------------- --------------t--------------

-2~--~L---~----~ -2
-1 O 2 -1 O 2

2r-----~----_,----_. 2r-----~----_,----_.

1 ------------ -- ------ --------------------- -----r------------

0k-----~----~~--~ 0k-----~----~----~

-1 ___________________________ [ _____________ _ -1 ________________ _____ _____ _ !_ __

-2 -2
-1 O 2 -1 O 2

FIGURA 11 . 18. Primeros cua tro compone ntes armnicos de una se al triangular
utilizando se ri e d e F o urier trigonomtrica

SERIE DE FOURIER EXPONENCIAL

Adems de las funciones trigonomtricas, otro conjunto de funciones que

tambin cumple con la condicin de ortogonalidad es el de las fun ciones
exponenciales complejas. Esto significa que tambin es posible escribir una
funcin f(t) como una combinacin lineal de funciones exponenciales, es
decir,j(t) se puede escribir como:

(11.22)
11 = ___

donde F", a l igual que para la serie de Fourier trigonomtrica, depende de

la seal en cuestin.
Comproba remos inicialmente si el conjunto de funciones <1>,, (1) = el"'''o'
forman un conjunto ortogona l.
38
 Aplicando la condicin d e ortogonalidad tenemos:

=. 1 [eicn-m)WoI2 _ eiCn-nr)w~ ], con 11 '1:- m,

J(n - l1I)w o
= 1 e iC n-m)wOI [e ,CU-m)WO(l2-1) - 1]
j (n - l1I)w o

nicamente en el caso trivia l en que 1, = 1I el trmino entre corchetes

es cero, en otro caso el resultado es 1, - t i; en resumen:

f"" {t - 1
eillWole -imwO' d t = 2 1
para 11 = 111
O para n '1:- ni

Por lo tanto el conjunto d e funciones <1>,, (1) = ei",' forman un conjunto

ortogon al d e funciones en el intervalo [1" IJ
An logamente a la serie d e Fourier trigonomtrica, para pod er expre-
sar una funci n en trminos d e funci ones exp onencia les debemos encon-
trar el valor d el coeficiente F".
Si multiplicamos la expresin (11.22) por e-im." e integramos en el in-
tervalo [11, 1,], tenemos

p or la propied ad de las funciones ortogonales, tenemos

= L F,,(I , - t , )
Haciend o n = ni el coeficiente F" lo pod emos escribir como:

F" = _ _ 1_f'
(1, - ti) "
!(t )e-i"" dt

Es posible establecer una relacin entre la seri e de Fourier trigono-

mtrica y la serie d e Fourier exponencial compleja. Pa rtiendo de la serie d e
Fourier trigonomtrica
39
 f (t ) = ao + L [a , cos(nw ot) + b,sen(l1w ot)1
11= \

Las funciones seno y coseno se pueden escribir en trminos de funcio-

nes exponenciales como:

e illwol + e- jllWfjI e inlOol _e - illWol

coS(I/W ot) = 2 y sen(I/W ot) = 2j

Si sustituimos stas en la expresin para la serie de Fourier trigono-

mtrica f(t) se tiene:
I i
L~
f (t) = ao + - [ a, (el'." +e- '.") + b, (e '." -e-i'.")]
2
.
~

Agrupando y factorizando en trminos de exponenciales positivos y

negativos

b
haciendo Fo = ao, F
11
a
::...J!..+~
2 2j
y F
-,
=~-~
2 2j
se tiene

f (t) = Fo + L- F,ei'.,' + L- F_,e- i'. ,'

,, = \ ,,=1

arreglando trminos y reemplazando en el tercer trmino n por -n

L F,ei'w" + L F,ei'w"
- -1
f (t) = Fo +
11=\

finalmente se llega a la expresin (1I.22)

En trminos de los coeficientes a, y b, el espectro de Fourier tiene la

siguiente forma:

40
 (IL23)

donde a" y b" son los coeficientes de la serie trigonomtrica. El ngulo de

fase est dado por la expresin:

9" = tan -I(~) (11.24)

n"

Ejemplo: Encuentre la representacin en serie de Fourier exponencial com-

pleja de la seal f(/) = e', en el intervalo [0, 211] con f(t + 211) =f(t).

Clculo del coeficiente de Fourier F", como T = 211 entonces lo = 211 / T = 1.

como:
, -,.. " = cos(2Il1t) - j sen (2n1t) = 1
entonces
1
f(t ) = L- 2n
e - ei""'o'
"._ 21t(1- jn)

Para obtener el espectro de lneas se escribe el nmero complejo F" en

e 2n - 1
forma rectangular. Haciendo A = - - , se tiene
2"
A 1 + jn A + jAn A . A"
F = --'-- = = --+J--
11 1-jl1 l +jn 1+112 1+112 1 +,,2

entonces la magnitud del coeficiente F" es:

Su grfica se muestra en la figura 11.19.

41
 0.9

0.8

0.7

0.6

,,-" 0.5
OA
0.3
(' : :
0.2

0.1 ::::::: ::::::::::::::: ::::::: :::::::.'.::::::L:::::Y::::F :::f::::::

O
O 2 4 6 8 10
n
F IGURA 11 . 19. Espectro de lneas

Interpretacin del coeficiente F" respecto al periodo T

y la duracin del pulso r

Para observar el efecto que tiene sobre la grfica del espectro de una seal
un cambio en su periodo o en la duracin del pulso se obtendr el espectro
de una seal definida en un periodo como:

O -TI2,;, t';'-r /2
f(l)= A -r/2,;,t';'r/2
{

r / 2 ,;,t,;,TI 2

La grfica de f(t) se muestra en la figura 11.20.

A

--+--,-......
- ","'- 1, . . . . .
,--1---1 r-;---, .. ~.r---+--r

_......... -:-._.. r l ..... ..... l ......~ .. _.. ..... -:- .... .

r
!
-t/2
iT
i ....... _........... ~

F IGURA 11.20. Tren de pu lsos cuadrados de duracin 'l' y periodo T

42
 Clculo de F"

y,
F -
"
1
- -
T
f A e- jub'o'dl _- - -A- e -IlWfJ'I ,12 -
TI-n", o
-A- e
_ -
~ '/2 TI-n", o
[- IlW fJ-,'
- e/lIwo-,,]
_~

La funcin sin c(x) es una funcin de gran aplicacin en procesamien~

to digital de seales y se le conoce como funcin de muestreo o funcin
"sampling"; su grfica es la que se muestra a continuacin:

:: F l .["'1;
:: :.::::.:::1:::::::::1::::.::::r :::.::::[::::::::1::::::::::

::; I" I"t.... ' , o

FIGURA 11. 21. Funcin de muestreo sen(x)/x

Entonces, la representacin del tren de pulsos f(t) en serie de Fourier

exponencial comp leja es:

1 (1) = ~' :t
"= __
sinc(n",,, -r/ 2)e l "'"''

Para observar su comportamiento se graficar el coeficiente Frr pa ra

varios valores de T y r ; los va lores elegidos se muestran en la siguiente
tabla_
43
 r (seg) H seg) Wo Amplitud
1/ 4 1 2" A/ 4
1/ 4 2 A/ 8
1/ 4 3 "
2,, /3 A/ 12

La grfica con estos valores se muestra a continuacin:

(n) (b) (d
0.3 ,----,,----,--,,- -, 0.3 ,----,---,----,----,
F(w) , [(w) F(w J i

0. 2S r ...... ! ............,...... 0.25 r ,:I ' -f 0.25 r ,I .. ... -f

0 .2 r" , ~f* L 0.2 r , ! , -f

0 .15 r +flHT I 0.15 r , II'-f

,
,
...... !....
8n

O 1ft 1,1
2n
---0.05

-0.1 '---_~_'---~'------' -O . I '---~'------'_---'_---' -0.1 L_~_--'--_--'--_--'

o o b

F IG URA 11.22 . Espectro de lineas cuando : a)"t = 1/ 4 Y T = 1 ; b)"t = 1/4

yT=2.yC)T=1 /4yT=3

Como se puede observar de las figuras anteriores, al incrementar el

periodo, manteniendo la duracin del pulso, la amplitud disminuye y au-
menta la densidad de lneas. En el infinito, es decir cuando T -->~ , el espec-
tro tiende a ser continuo y el espectro representa la energa de una funcin
no peridica en el interva lo ~ < t < =.
Si ahora fijamos Ty variamos 't de acuerdo con los valores que se mues-
tran en la siguiente tabla:

r (seg) H seg) Wo Amplitud

1/ 4 1 2" A/ 4
1/ 8 1 2" A/ 8
1/16 1 2" A / 16

44
 La g r fi ca del espectro de lneas se muestra en la figura I1 .23.

(a)

~ ......................... ! ........... ' jA ' . F(w )

~~. .'=~
. ll ,}L~~~
W,' '~~'\Jj .
..dI.~
, ~
: W

o
(b)

~ ........ ............... ...............! ............. ............. .... . F(~), ........:!:

r-~~--r-=. ~~1ni~~.:."*:_
. .......;i_. .....~
J
o
le)

................ ................ j
F(w )
...... - ........ -..... + ................ f ..... -......... :-............... .J . .................; ...
. . ! .
..... ........... L. ................. j .................~ ............ .,. '; ................ ,. ....... j ................. , ................. ...
.................;._._-..__""-_~UU~;~_.;.;.~._-+__ :
w
o

F IGURA 11. 23 . E spectro d e lineas cua nd o : a) '! = 1 / 4 Y T = 1;

b) '! = 11 8 Y T = 1 . Y e) 1: = 1/ 16 Y T = 1 seg

De la figura I1 .23 se observa que cuando mantenemos fijo el periodo y

variamos la d uracin del pulso, el espectro su fre tambin una disminucin de
la amplitud, y adems aho ra la distancia entre lneas permanece constante.
Volviendo al coeficiente d e Fourier F" se p uede observar que el ng ulo
d e fase es <1>" =O
Una pregunta interesante es: qu le su ced e al espectro F" s i el pulso
se d esplaza , / 2 segundos? Esto se muestra en la fig ura [1.24.
Calculem os nueva mente el coeficiente de la serie de Fou ri er expo-
nencial Fn

[-I"(oj\l~ I!HJJo-:i-)
t
-to-' e
T }""';-
. .] ~I"'~o-
A
= _ __
TI/j w o
e 2_ (, I!
-1"("0-
2 = _
2A_
TI/W o
"
[ 2 -e
2j
2

45
 lit!
A
1---i------------ -----------

, , , O ' ,T ,

----------r--------T---------r---------------------r ----------r-----------r---------
FI GURA 11.24 . Tren de pulsos desplazado

2A l' -jnm():!..
= --sen(nw o -le '
Tnw o 2

A diferencia d el calculo anterior d el coeficiente F", ahora ste tiene

una fase dada por

La grfica d e la fase Iil" se muestra en la figura Il.25.

FI GURA 11.25. Fase d e la onda despla zada

La grfica del espectro F" no sufre ningn cambio, sa lvo a l va riar el

periodo o la duracin d el pulso, como se mostr en las figura s 1I.22 y 1I.23.

46
 Como veremos en el captulo siguiente, al hacer tender el periodo T al
infinito se llega al concepto de la transformada de Fourier de tiempo conti-
nuo para seales no peridicas. Esta h erramienta es de gran importancia
en el tratamiento de seales, pues nos permite observar de manera conti-
nua el espectro de dicha seal.

EJERCICIOS DEL CAPTULO II

1) Encuentre la serie de Fourier trigonomtrica para la funcin f(l) defini-

da por

{~
para -11<1<0
f(t) = sif(t + 211) = f(t)
para 0< t < 1[

- 2n -n 2n

Utilizando Matlab, grafique el espectro de lneas, la funcin f(I), as

como los componentes armnicos de la seal. (Vase la funcin square.)
2) Qu le ocurre a la serie si la sea l se desplaza n / 2?, y si se genera otra
seal g(l) tal que g (l) = f(l) - 1/2?
Nuevamente grafique el espectro de lneas y comente los resulta-
dos de las grficas.
3) Halle la serie de Fourier trigonomtrica de la funcin definida por f(l) = 1,
en el intervalo (- n, n) conf(1 + 2n) = f(l); utilizando Matlab grafique los
componentes as como el espectro de lineas (vase la funcin sawtooth).
fItI

2.

47
4) Encuentre la serie de Fourier de la funcin f(t) d efinida por f(t) = ' en el
intervalo (-71, 71) conf(t + 271) = f(t)

-n

5) Obtenga la serie de Fourier exponencia l para las formas de onda mos-

tradas en las figuras. Convierta los coefi cientes obtenidos a los de la
serie trigonomtrica y grafique el espectro de lneas (utilice Matlab).

6) La serie exponencial compleja de Fourier d e una seal f(t) en un

inte rvalo (0, T) est dada por

f U) = L- 511, , e''''''
",_ 8 + (1I7t-

n) Cunto vale el periodo T?

b) Cul es el valor med io de f(l) en el intervalo dado?
c) La componente de fU) en cierta frecuencia puede expresa rse como
kcos(3711). Determ ine el va lor num rico de la constante k.
 Transformada de Fourier

INTRODUCCI6N

NA DE LAS APLICACIONES ms comunes de la transformada de Fourier

U es que nos ayuda a conocer las frecuencia s componentes de las se-

ales presentes y, adems, a distinguir las seales del ruido. Vea-
mos un ejemplo sencillo: supongamos que tenemos dos seales senoidales,
una d e 50 Hz y otra d e 120 Hz, inmersas en ruido; si vemos la figura lll.l
de la seal en el tiempo, notaremos que es imposible distinguir las sea les
del ruid o.

f (t )

.' - - ------- -.,._- -

.)J. _ ~_

, ,
--------- -- -.,------------ -. -
, ,

" FI GURA 111.1 . Sea l inme rsa en ruido

11111111111
2893588 49
 Si obtenemos la d ensidad espectral d e la sea l utilizando la transfor-
mad a de Fourier y la graficamos en funci n de la frecuencia, tendremos
una grfica como la que se muestra en la fi gura 111.2.
70 r-------r-------r-------,-------,-------,

60 -- ----- - - - :-_
, , ,
--------,------- - -- ~ -- - - ------1 -- - -- --- - - ,
,
50 - - - -- - ----"-
, ,
--- - ---~---- - ---- - ~- --- --- --- . --- -- - ---- ,

40 __ _ _____ __ ,- _
, , ,,
- - - - - - - -'-- - - - - - - - - -' - - - - - - - - - _! - - - - - - - - - -

, , ,
30 - - --- .... -
- -- - - --~---------- , --------- -, - ----- - ---

,,
_ ___ _ _ __ , _ ___ __ _ ___ ~ _ _ __ __ ___ J _ __ ____ __ _
20 _____ L_
, , ,

Frecuencia (Hz)

FI GU RA 111. 2. E spectro de la se a l co n ruido

Como se pu ede observar en la fi gura 1I1.2, ahora s es posible distin-

guir las frecuencias de las seales componentes y el ruido; stas se pued en
identifi ca r como los picos que se encuentran en 50 y 120 Hz, los d ems
picos correspond en al ruido. Pod emos decir que la transformada de Fourier
nos permite observar, en el espacio d e frecuencias, la concentracin d e la
energa correspondiente a cierta seal.
El instrumento gracias al cual podemos observar este tipo de parmetros
es el analizador de espectros. Existen tambin dispositivos como los DSP que
permiten obtener la transformada d e Fourie r de la seal en tiempo real.
Otra forma de caracteriza r una sea l es observa r sus caractersticas en
el d ominio d e la frecuencia. Dentro d e las ca ractersticas que pod emos d e-
tectar se encuentran el ruid o inmerso en una seal y el contenido frecuencial;
pero sobre todo, en sistemas de comunicacin interesa poder dete rminar
su ancho de banda . Aunque sabemos que ex isten diferentes d efini ciones
aqu presentaremos slo un a.
A continuacin haremos un breve anlisis acerca de la obtencin ana-
ltica de la transformad a de Fou rier de tiempo continuo (TFTC) .
50
 TRANSFORMADA DE FOURIER DE TIEMPO CONTINUO
DE UNA FUNCIN NO PERIDICA (TFTC)

Iniciaremos con la obtencin de la transformada de Fourier de una funcin

no peridica a partir de la serie de Fourier exponencial, y posteriormente
extenderemos el estudio a seales peridicas.
Dada una funcin peridica en el tiempo f(I), como se muestra en la
figura 111.3.
~tl

FI GURA 111. 3 . Seal peridica

En el captulo anterior aprendimos que podemos representar una se-

al fU) como una combinacin lineal de funciones exponenciales; entonces,
si tenemos la representacin de esta seal en serie de Fourier compleja

(Hl.l)

donde

F" = fJ
T

o
j(t)e-"w" dt (III.2)

Como se vio en el ca ptulo anterior, si hacemos que el periodo T au-

mente y graficamos el espectro de lneas, ste no cambia en su forma, ni-
camente en su amplitud. Al incrementar el periodo T, aumenta la densidad
d el espectro de lneas, y cuando T-'>= la grfica de F" se hace continua.
Si sustituimos la expresin (111.2) en (IlI.l), tenemos

51
 2" 1 w
cambiando I1Wo por W, y si w ; T' entonces T; 2" . Cuando T ->~, w -> dw
y la sumatoria se convierte en integral:

a las integrales

F(w); f f(tV ""' dt (1I1.3)

f(t); - 1 f- F(w)e l""dw

. (IlI.4)
2"

Se le llama integral de Fourier o transformada de Fourier directa e

inversa respectivamente de una funcin no peridica e indica la distribu-
cin de la energa de la seal en el espacio de frecuencias.
Simblicamente la transformada directa e inversa la representamos
como:
F(w) ; ~{J(t)} transformada directa

f(t); ~- l {F(w)) transformada inversa

Una cond icin suficiente pero no necesaria pa ra la existencia de la

transformada de Fourier es que la integral f 1!(1)ldl sea finita , aunque exis-

ten fun ciones especiales para las cua les no se cumple la condicin anteri or
y sin embargo existe su transformada de Fourier (funcin escaln unitario
o una constante).
A la grfica de F(w) se le conoce como espectro de energa de f(I) . A
continuacin se obtendrn las t"nsformadas para a lgunas funciones tiles
en el anlisis de sei\a les.
Ejemplo: Encuentre la TFTe d el pulso f(I); e-I'I cuya grfica se mues-
tra a con tinua cin:

52
 1.4 jtt+fi;;jtt
1.2 ::::::I::::::::::::::r::::::::::::::;:::::::r::::::::::::::1::::::::::::::::
: : :: ::::
0 .8 .... ~ ........ toooo ... +..o.oo.tooo.o .. } oo ... o~... oooo.~_...o+too ... oo.
0.6 . .. L..o.. .Lo .....l. ......L... oL ....L......L...... ~.oo .. o.L .. o.. .
0.4 ...... + ......,....... _.......:......L... ................ _....... 1......
0.2 .. . j.... :....... +. T.. +Ttj
O L-~~~~L-~ __~~__~__~~~
- 10 -8 -6 -4 -2 O 2 4 6 8 10

FIGURA 111 .4 . Funcin si mtrica a energa finita de l tipo va lor abso luto
de la exponencial
_ o _

F(w) = 5{J(t)} = f f(t)e '"'dt f eul'l e-'"'dt f e!"-'''''dt fe-1u,,"I' dt

= = =
o

f
c (a-,M)I e-(u"JUI)1 "" 1 1 o. + jw + o. - jw
(a -iw) I- + -(a+iw) lo = (a- iw)+(a+iw) = (a-iw)(a- iw)

La grfica d el espectro se muestra en la figura !l1 .5.

...... . 0~.0.0 ......

, 00.00 ~
. ., o.. o..o.. o.o .....
.......0........ , o.....
., ..o.
.. o., o.. o.o
o ~o

f++;
O"
FI~~f+-i:
0Looo.o.":'0.0 ... J.oo.o .. l.oooo ol.
ooooo~o.oo.o.:.oooo.oJ.oo_
... 1.o .....
: : : : : : : : :
oo .... i ..... -:-.o
o~o
.... i.. o...otoo
: .. : .. o.. ....::-.. o.. i ... otooo.oo
~ o .~o
:
~.oo o~o.o

: : ! : : : : : :
: .. to.
00.0000:: .0.00.-::..00 0"1.: 00 ... otoo : oo.-.oooo
: ..:;o. "0'1": ... oot: ..... 0
: : : : : : : : :
o...... ~.o .. o.oo.o .... ~.o .. o.of.o .. 0..... o.. ooo.o.~o.oooo~o.oo.o.f .. o..o_
i i i i i i
... o.. otor ; ,,0"T"'0 ""oo"'r'o",-,oo,o,-,oo",
.o.o.o+.o .... --.... o.i .. o. ..... 0.... . ... .... .. o.... io .... o.
o~.o ~

i : ' ' i
() L-- '_...!:=-'-_'-----'_--'-_-'-='-----'_ _..J
UI

FI GURA 111. 5 . Transfo rmada de Fo urier de la funci n definida e n la fig u ra 111 .4

 Note que el ngu lo de fase <I>(l) en este caso es cero (parte imaginaria
es cero).
Ae-m para t~O
Ejemplo: Encuentre la TFTC de la sea l f(t) = {O
para t < O
La grfica de esta sei;a l se muestra a continuacin:
,, ,, ," . ""
. " ,
, ,
______ 0- - - - - -- "
_--- - " "
_____________ 0 _______ 0 _______ _______ ______ _
, , " " , .
i i i i 1(1) i i : :

r~rl;~flr
,'_ _ _ ,','L,',','"L',',',',',",',',',',',','r',',',',', ,',',,',"~',',',',',','r',',',','T,'__,',',J,',',',','__,'

------------r------1-------1------- ------r--- --~--- T ~-

L-~ __~__~~___L__~__~_2~~~ ,

-8 -6 -4 -2 O 2 4 6 8 10

FI GURA 111.6 . Seal en e l tie mpo de l tipo exponencia l positiva

SU TFTC es

A
a+ jw

rara lleva r a F(l) a la fo rma rectangular, multiplica mos y dividimos

por el complejo conjugad o

En forma de magnitud y fa se:

.--,----0-
F( lO ) __ (Aa))
'+)(Al")'
., e' '''''''1''1
,~
(a' + ,,, ')'

Las grifi cl s de magnit ud y fase se lprccian en In fig ura 111. 7.

5,1
 2 r--'--'---'-~~~--'---'--'---'--,
F(w)
....",=*'="*=~f--_l'''' ' "
1.5 ,------ -- -------- - - : -,-------- -::::::r--:::r:--:1-
_-:_-________ _

,ollrl; t1''1'' '' :

O ~~~==q=~~~~~~~==~~

, ,
-0 .5 ...............................
" "
. ............ ... ..."
. ....... -_._----.-----_ ..
,
~ .......

, " " "

-,:[:~I t ~T11
-2

-50
L-~ __
-40
~

-30
__ ~

- 20
__
- 10
~~ __
O
~

10
__ ~~

20
__
30
~

40
__ ~

50

F IGURA lB. 7 . E spe ctro d e F o urie r y ngul o de fa se

Ejemplo : Encu en tre la TFTC d e la sea l f U) = ~ - t /2 ,; t ,; t /2

en otro caso
cuya grfica se m uestra a continuacin:

j(t)

- t l2 ,;2

FI GURA 111. 8 . Pul so rectang ul a r de duraci n T y a mpl itud A

 Empleando las identidades de Euler para el seno, tenemos:

F(w ) = 2A seJ W! ) = A! sen(w! / 2)

w '\ 2 w! / 2

La grfica del espectro se muestra a continuacin:

,, ,,
--------1---------:--- --- -r----------------t ----r, ----------r, ---------
:: :

FI GURA 111. 9 . Transformada de Fourier del pulso rectangular

Una funcin muy importante en anlisis de seales es la funcin delta

de Dirac. Esta funcin est definida como:

l si t = O
8()
t ={
O sit;<O

Su grfica se muestra a continuacin

Mi

1Jllj]
FI GURA 111.10 . Funcin delta de Dirac
56
 Una propiedad de la funcin delta es:

Ejemplo: Encuentre la TFTC de la seal 1(1) = 8(1).

Aplica ndo la propiedad de la funcin delta, tenemos:

F(w)= f 8(IV ""' dl ='-""'1"0 = 1

IF(w)l= l

El espectro se muestra en la fi gura 11 1.11 , y es conocido en anlisis de

seales como ruido blanco.

2 .-~--~--~--~-.--~--~--~~--,
F(w)
, , " " , '
15 --------r--------r------T-----T------ -------r------r-------r----r------

o: ------T-- ----;--------! -------r----- ,

.. _----..--- -----,

:
,._------ ,. --_ .. _._ ,.
,,
,,
:
,
..
.: :
, _---_.-
,,
,,,
w

.........
. ......
,
-0 .5 ------- .,,-------- .,, ------_ . ."" .. ..... -. _-_... . . .............
. . _--.----_._.
'"
,,
.. .
, .. ,,, .
,
_

... ,
., , .
_
..
~ _

,
,
.. . .. ..
' ,
. . , ..
. . .
- 1 --1-------r---- 1-----1----r--------:-----
- 1.5
------T------------------------------------j------T---------------------
-2 L-__~__~__~__~__+_--~--~--~--~--..J
-5 -4 -3 -2 - 1 o 2 3 4 5

FIGURA 111.11 . E spectro de l ruido blanco

Vea mos ahora qu le oc urre al espectro cuand o desplaza mos la fun-

cin 0(1), In segundos.

57
 fIt)
... ...... ~.......... i .~.......... _........ ~._--_ ._. i..........~ ........ .

_ ~
....................................... ........ ............. .... .........

r---r r--- .....:.........

TrT TrT
o lO

~r + ~,r

FIGURA 111.12 . Funcin delta desplazada lo segundos

Nuevamente aplicamos la propiedad de la funcin d elta, y tenemos.

con IF(Ol)1 = 1 Y <I>(Ol) = - Olio' la grfica se muestra en la figura 1Il.13.

F(w)

.........1 ....... ---....... ---...... rrr

--_ ...... .......... ......... .......... ..........:. ........ .
~ ~ ~ ~_ ......... ~ .........

i ; i
r_-r ....... r-1-
j

i i l i ! w
~(W)=-tow
..-<--...... , ..... ... +.......... ..... .+.......,......... + ........ .

F IGURA 111.1 3 . E spect ro de la funci n d e lta d e D irac despla za d a

58
 Observamos que la amplitud y la forma d l espectro no ca mbian , slo
sufre un ca mb io la fase.
En el captulo anterior, el hecho de tener funciones d elta simplificaba el
c lculo d e los coeficientes de la serie d e Fourier. De igual manera, a conti,
nuacin vamos a utili zar la fun cin delta para calcular la transformada de la
funcin exp onencial e ~'o' ; para ello procederemos d e la siguiente m anera:
Si tenemos en el espacio d e frecuencias la funci n F(w) ~ 8(w wo) cuya
g"rfi ca se mues tra a continuacin:

F(w)
---------~------ -- --{- ---------~---------- -- -- -----~-- --------f----- ----~---------
! '1'
---------1---- -----i----------r---------- --------+---------t---- ---+--------
......... , ......... , ............................. ,.......... ,.... . .... ........

---------1---- -----1---- ------r---------- ------- --~-------- -- ~ ---- ----r---------

: : : w
o "'o
, " ,
-- -------i--------- -;-------- --)----------- ---- -----~-------- - ~ - ---------:----------

! ! 1 ji!
F IGURA 111. 14 . F uncione s delta e n la frecue nci a

La tran sforma d a in versa d e Fourie r d el impul so d e la izqui erd a

8( l +lu) es

f( t) ~ 2. f- 6( w + w" le ''"' dw ~ 2. f- 6[w - (-w,, ) ]e"" dw ~ 2. e""'"'

2. 2. 2.

y la transform ada in versa de Fourier del impulso de la derecha o(w - wo ) es

((1) = _1_ 'f"' 8(w - wlI )e "" dw = ~ f~ 6f) - (u (, ]e'''''iw = ~e l' 'I' '
. 2. 2. 2.

Ent onces podemos escrib ir que la s tran sfo rm ad<ls d e la funcin

ex ponencial co mplej<l son:
 (111.5)

~ e""' ); 2no( w -wo) (111.6)

Observamos que cuando (Jo = O

3(_2n1); _2n13(1)=o(w)
3(1); 2no(w)

que son resultados que ya conoca mos. Con los resultados obtenidos y la
frmula d e Euler podemos encontra r fcilmente la TFTe de las funciones
trigonomtricas sen(w ot), cos(Wuf); con Wo constante, veamos cmo se obtiene:

; ~ [2no(w - wo ) + 2no(w + wo )J; no( w - wo ) + no( w + w,, ) (111.7)

3[ coS(Wot)1; no( w - w,, )+ no( w + w,, )

La grfica d e esta funcin es similar a la fi gura 111.1 5, slo que con

amplitud n. Paro la funcin seno tenemos:

;; [2nS(", - lo' ,, ) - 2no(w+ 0',,)1; -njS(w - w,, ) + njS(", + w,, )

 F(w)
---------.{---------- ----------~---------- ---------.{---------- -------- --~ ---------

~J
.................. . ................ . ................ ...................

r ..... T T r
r . . . T T ~:r~
-<0
0 o
......... ~.......... T T ~~~ ----!---------
FI GURA 111. 15 . Tra n sfo rmada de Fourier de se n (w/)

5[sen(() ol)1= - nj 8( () - () o) + nj8(() + () o) (1I1.8)

La grfica se muestra en la fi gura I1US.

Ejemplo: Encuentre la TFTe de la funcin signum; su grfi ca se mues

tra a continuacin:

f(l)
---------~----------~----------f_--------- dr_--+---+---+---_l
1
.................. .1..........1........ . ......... r. . . . !........ .

o
........ '1" .......
,
1'. . . .,. . . . . T. . . .
"
~1 ....
,,
"
,,
1........

FI GURA 111. 16 . Fun cin signum

Podemos escribir la fun cin s ignum como:

 lsit<!O
sgn(t)= { _) si t < O

Para encontrar la transformada hacemos el siguiente artificio mate-

mtico:

11--10
i
g{sgn(t)} =g{lime-'I'l sgn(t)) = lim e-'I'l sgn(t)e-"" dt
" ....0 _

[ a-jw lo_ + -(a+ jw) 1-] = 11m

....., [- - + - - ]=-+-= -J
. _e(a-}OJ)' e- ("+/W)' -1 . 1 1 1 -2 .
= hm
HO a-jw a+jw jw jw w

2'
g{sgn(t)} =:...L (1II.9)
w
La grfica del espectro se muestra en la figura m .l7; se observa que
hay una asntota en w = O,

o w
F IGU RA 111 . 17 . E s pectro de la funcin si gnum

62
 1 sit "0
Ejemplo: Encuentre la TITe de la funcin escaln unitario, "(1) = {
O si t < O
Su grfica se mues tra a continuacin:

j{t)

---------,----------,----------f--------- G---i---i---+---~

: : : 1
---------.,:----------~----------~---------- ---------.!..---------;----------~---------
i
: : i !:

--------l--------r-------r-------- --------l-----------------t---------
--------- .,:- - --- -- - - -~----- ----- ~ - - -------- --------- ..:---------- !----------!. ---------
i i i i .
FIGURA 111.18 . Funcin esca ln unitario

Vemos que podem os escribir la funcin escaln unitario como :

1 1
!t(I) = - + - sgn(t)
2 2
y como conocemos las transformadas de una funcin constante y la fun-
cin signum, entonces:

1 1
5 -+-sgn(l)
22
} =5 -1 } +5 -sgn(t)
1
} =-S(w)+-
22
211 1 [ -:-
2 ) = llS(w)+ -:-= i
1 llS(w) - -
2 2Jw JW W

finalmente:
3{,,(t) } = llS(w) - L (11110)
W

La g rfica del espectro se muestra en la figura 1lI.19. Note que ahora

en (j) = O hay una delta.

63
 t

o w

FI GURA 11 1. 19. E s pe c tro d e la funci n e scaln unita rio

TRANSFORMADA DE FO URlER DE TI EMPO CO NTIN UO

DE UNA SEAL PERI DICA

Hasta el momento hemos estado trabajando con sea les no peridicas, pero
ahora nos pregunta mos: qu ocurre cuand o tenemos una seal peri dica ?
Existe su transformad a de Fourier? A continuacin se muestra cmo obte-
ner la TFTe d e una sea l peridica.
Podemos escribir una fun cin peridica usando su serie d e Fourier
como:

A( t) = L F" ei"'''u
l

Si obtenemos la transform ada d e Fourier d e f TU) tenemos:

= 2" L F,.I5(w - I/W ,,)

entonces la TFTC de una funcin peridica es:

(Jl1.11 )

Note que ahora la TFTC es una funcin discreta compuesta por funcio-
nes impulso moduladas por el coeficiente de la serie de Fourier compleja.
Ejemplo: Encuentre la TFTC de la seal peridica que se muestra.

~ ::::::r.--:_.,--'--,.------------r-II--.------:----- . -----~-----
-----"----- -----.----- ----- ----- ----------- -----r--- ------,- ----

- '[ /2 t/ 2 T

,
___________ .... ___________ "____________
~ ____________ , , "
___________ _ ___________ 4
___________ .... ___________ .... __________ _

, " " "

i i i i i i i
F IGURA 111.20 . Tren de pulsO S

Si hacemos que T = 2 seg, entonces Wo =r2" ="

Del captu lo anterior sabemos que el coeficiente de la serie de Fourier
exponencial es
AT
~, =r sen(llwoT/ 2)/ (I1WoT/ 2)
entonces la TFTC es:

F ()
) = 2n ~
L.J A T sen(llw"T/ 2),,(
u ) - lIJ o
~ sen (IlW"T/2),,(
) = 1t AT L.J u ) - /In
)
""....... 2 llW ot / 2 "....... llW oT / 2

La grfica de F(w) se muestra en la figura 111.21.

Ejemplo: Encuentre la TFTC del tren de pulsos que se muestra en la

figura 111.22.

65
 F(w)

,,
, , , , ,
------~-----~--- ---
, {---r-----~------'------
I
, I \ , , ,
I
--r j---~----
\
- ~---- - -~------
I
, , \
_____ _ _____ J ______ J_ I , , ,
,
~

, ,, -r-----~------,------
, I \ :
:
: :
------~--- --~- - ----~~

~ ~f.,\! !/
: I

-- \
y ~~ -- -T,f~;r -- - ~-

i:,
I ,
-,------
n
:\
-------
~', \ 1/:: ::
I ' ,

L.-'---:------~------
,,

FIGURA 111.21 . Trans formada de Fourier de una func in peridica

~ --------- ____________ < ___________ :___________ ~ -A-- ----- -------------- ~ - - - - - -- --------------- <

-----------j----------- ------------j------------ ----- -------f----------- ------------f-----------

1 1
2T

FI GURA 111. 22 . Tren de deltas de Dira c

Esta funcin la podemos escribir como:

T(t) = A L 0(1 - nT) \;;j ll = 0, 1, 2, 3,.

Primero encontramos el coeficiente F"

Aplica ndo la propiedad de la funcin delta de Dirac, tenemos

66
 ~

F
"
=l
T
f' <s(t)e-""" 'dt = le-""'"
T
If=o =lT
,
T

La grfica de esta funcin se muestra a continuacin. Observe que la

TITe de un tren de pulsos de Dirac es tambin un tren de pulsos de Dirac.

F(O)
0)0
---------- ...... ---------- ----------- . ----------- ----------_.-----------

, , ,
,
------------'------------ -----------_ .., _----------- -----------_., ---------- -
, , ,
,,, ,,, ,,,
,,, ,,, ,,,
,, ,, ,, O)

-Ul
o o

FIGURA 111.23 . Transformada de Fourier de un tren de deltas de Dirac

PROPIEDADES DE LA TRANSFORMADA
DE FOURlER DE TIEMPO CONTINUO

Como veremos a continuacin, la transformada de Fourier posee propie-

dades que nos ayudan en el clcu lo de stas. Las propiedades parten de
que conocemos la funcin en el dominio del tiempo, as como su respectiva
transformada de Fourier; ahora la pregunta es: qu pasa si modificamos
la seal en el dominio del tiempo o en el dominio de la frecu encia?, cmo
repercute dicha modificacin en el otro dominio? Pues bien, las propieda-
des de linea lidad, simetra, esca lamiento en el tiempo, esca lamiento en la
frecu encia, corrimiento en frecuencia y modulacin, nos auxilian en esto
y adems nos permiten entender rpidamente otro tipo de seal.

67
 Propiedad de linealidad

Esta p ropied ad nos dice que la transformada d e una suma d e funciones es

igua l a la suma d e las transformadas de cada una d e las funciones invo-
lucrad as.
Si x(I)~ X(W)
y( I )~Y(w)
Entonces
~{x(t) + y(t) } = X(w) + Y(w)
Demostracin:
~{X(I)+ y(t)}

= [[X(I)+ y(t)]e-/""dl =[x(t)e -""dl +[y(t)e-"" dl = X(w)+ Y(w)

Ejem plo: Sea la siguiente funcin f( I), compuesta d e un valor consta n-

te k ms una funcin peridica cosenoida l.
f(t) = k + coswot; encuentre su transformad a de Fourier.

....... ~ ...... 1. ..
------ -------

T T

o
....... +.............. +-...... /........ ........ , ........[ ....... + ...... + ..... .

F IGU RA 111. 2 4 . Sena l cose no m s un a co nsta nte

Si aplica mos las transformadas que ya habamos calculad o:

68
 F(w )

l'
__________ ~,_____~~:~~L~~)
,
______ :__________ ~ ___________ _______~~~~~~)
"
______ ~ ____ ~~~~~~~_~~)_____ ~ __ .. _____ _
, '
, , "" " ,

I LIlll t l
---------~----------- ----------~-----------~---------- ----------~-----------~---------- -----------~---------
i i i i i i ,

FI GURA 111. 25 . Tra nsfo rm a d a d e F o urie r de la se a l cose no

(a la frecue ncia 00 0 ) m s un a co nstante ( nivel d e d .c .)

Observacin: k es una componente d e d .c., p or lo que su representacin en

frecuencia la obtenemos a la frecuencia w = o.

Propiedad de simetra

Si F(w) =5(F(t)) , entonces ::l[F(t)J= 21!f(-w)

Demostracin: Sabemos que la transformad a inversa d e Fourier tiene
la expresin:
/ (t) ~ _1
2rr -
f-F(w )e"'''dw
d espejando tenemos
2rr/ (t) ~ [F(W )e""dW

susti tuyendo t por -1 en la expresin anterior, tenemos

ahora interca mbiando 1 por w, obtenemos:

2rr/(-w) = [F(tV ''' dt

lo que se conoce como p rop iedad de sime tra de la TFTC.

69
 Ejemplo: Supongamos que tenemos un pulso de duracin 1: cuya trans-
formada de Fourier es la que se muestra:

-T T F(w) = ATSen(WT /2)

f (l)= A para 2"1""2 WT 12
{
O en otro caso

Supongamos que ahora la funcin sampling est en el tiempo y de-

seamos encontrar su transformada de Fourier de tiempo continuo, o sea
que ahora tendramos:
g{ F(I)} = 21[f(-w)

1"f ATsen(lT
IT 1 2
/ 2) ] '"
= 21[f(-w) = 21[f(w) por ser una funClOn par. AqUl f(w) es:

A1[
f(w)= O
-T
para - $ W $ -
2
en otro caso
2
T

Grficamente tendramos lo siguiente:

I' j(I) F(w)

........ ~ ......--i--....:.:...--+------.-.-..
A
-.-.-. _At....... + ..... -. j........ .
U'_"uuU u < TFTC
;>

- t/2 ! o w

j(I) F(w)
: : Al : 2M
~-T lT ---':-:';--t-------------. ----
TFTC

F;;/~ < ;> ........... -._ ........... _.................. .........

- t/2 : o t /2
w

F IGURA 111.26 . Ejemplo de la propiedad de simetria de la transformada de Fourier

70
 Propiedad de escalamiento en el tiempo

Si F(w) = ~[J(1)1, la propiedad de escalamiento en el tiempo nos indica que

(lII.12)

Esto significa que una expansin en el tiempo equivale a una contrac-

cin en la frecuencia, la demostracin es la siguiente:
Tenemos dos casos, uno cuando a > O Y otro cuando a < O.
- x dx
Cuando a >0 ~[J(at)l =
f- f(aIV "" dl si x = al => -a = t => -a = dI en este
caso los lmites de integracin son: cuando 1->= => x -> = y cuando
t~-oo ::::::) X~-oo

Entonces la transformada queda de la siguiente forma:

- x dx
Cuando a < O ~[J(al)l =
f- f(aIV "" dl si x = al => -a = I => -a = dI, cuan-
do a es negativa los lmites de integracin cambian de la siguiente manera:
si t ---?
00 => X ---? y entonces t ---?
--00 => X ---? oo.
--00

Entonces la trasformada de Fourier es

g{J(al)} = -1
a _
f-f(x)e -/( ~)'" dx = --1 f-f(x)e - , ~)' , dx
a -
1
= -F -
( l )
lal a
La grfica de la figura IlI.27 muestra este efecto.

Propiednd de escalamiellto en la freClll!lIcia

Si la transformada inversa de Fourier de F(l) es f(t), la transformada in-

versa de Fourier de F(aw) es Rf(Yal con a = constante, es decir, tenemos el

par de transformadas siguientes:

Rf(~) <=> F(al) (IlI. I 3)

71
 1 M
F(J) "" AT -~"':..cn,-,(::;
,"'o-l:::2),
Jt / 2

- t/ 2 t/ 2

o O
r- [(I!2) r-
.--------'Jk'--~: F(w) = ZAt sen (w,)
TITC : Wt

~
--- -_
- --- --!----I-!----L
I ---_
-----~ <<=: :::::::;> ......... ~.... . .
i",
t
", i
- t i it : V V
i- n/ t n/ ,
O O
'r- /(t I')
sen (2Wt)
TITC F(w) == 4A,
-r r-- <; > ..... +...... . 1 .. .... urr

"
v"v n/ 2t:,

"
-2, 2, , v \l /
-nh t v

O
FIGURA 11 1.27 . Ejemplo de la propiedad de escalamiento en tiempo para la seal
de l tipo ventana cuadrada. En el tiempo se expande y en la frecuencia se contrae

Esto indica que una contraccin en el tiempo equivale a una expan-

sin en la frecuencia; la demostracin es similar a la de la propiedad an-
terior.

Propiedad de co rril1liwto en el tiempo

Si la funcin fU) es desplazada por una constante lo' entonces tenemos que:

:.i[f(t - lo)] = F(w)e- jwl,

Demostracin: si hacemos
x = t - to ~ t = x + to ~ dt = dx
sustituyendo
:.i[f(t - lu)] = [ f(t - lu)e-'""dl = [f(x)e-"'"" )dl = e-""" [ f (x)e-"udx

volviendo a la variable; si x = 1, entonces,

72
 Ejemplo: Encuentre la transformada de Fourier de la funcin ventana
de duracin ~ y amplitud A.
A si O:=;; t:=;; t
(1) =
f {O en otro caso

f(tl

o
FI GU RA 111. 28 . Funcin ventana rectangular de duracin .. y amplitud A

Encontramos primero la transformada de Fourier de una ventana como

la anterior, pero adelantada ~(2 seg; en este caso su TITe es la que se mues-
tra en la figura siguiente.

_________ , _____ ~~t!-- ~ ----

- t /2
---------r-----
o o
FIGURA 111. 29 . Transformada de una ven tana de duracin T

Volviendo al ejemplo vemos que ahora el pulso est desp lazado a la

derecha en el tiempo ~ / 2 seg. Podemos calcu lar analticamen te la transfor-
mada o bien utilizar la propiedad de corrimiento en el tiempo: calculmos-
la primero analticamente:

73
grfica mente tenemos:

FI GURA 111. 30. Tran sformada de una ve ntana desplazada 0:12 seg

Si ahora aplica mos la propiedad de corrimiento en el tiempo el resul -

tado es la transformada de un pulso d e duracin T pero con una fa se dada
por - jw T! 2

Propiedad de corrimiento en la frec ll encia

(teorema de modlllacin)

Si una funcin f(l) la multiplicamos por la funcin compleja e""', entonces

el espectro de la seal se desplazar W o rad ! seg. Esto es de gran utilidad en
comunicaciones ya que podemos mover nuestra sea l hacia regiones de
frecuencia de trabajo deseada s. El inters por modular una seal para su
transmisin va area radica en utili za r antenas ms pequeas con una
menor potencia d e transmisin. La modulacin permite hacer un uso pti-
mo d el espectro radi oelctrico.
Una grfica tpica d e una sea l modulada se muestra en la figura 1Il.3 I.
El siguiente ejemplo ilustra el efecto en la frecuencia cuando se modu-
la una sel1al f( I) , si tenemos el espectro d e una seal sin modular como se
muestra en la fi gura 111.32.
74
 , f(t)
--------: --;------: ------/ K ----- ---r ' - - - - - - - - -- ~ ~

-------fj -- 1\+--- - -- -- -- ---, t \i------

t\ ------ --- f---t --- \ ---f - - --- --
-:Z :J\:- -?I :J: ~- :
-, I/'
-1/:-:;-: --rr_: ___ ; _:-\ _
- ----X- fA- ---- ____ \ ~ ___ 11--_- __
1/------:~ _\.-- ~ -~----\
--- - -- - - ~ - - - - - - - --
J--- --: -- -- :------\
cos wot
________ ~
\.
___ ~
1
k::/ __ :I _______ _

FIGURA 111.31 . Seal modulada en el dominio d e l tiempo

F(w)

_____________ ~-----------------l----------------- -----------------~-----------------~--------------

" "
" "
" "
" "
" "
i!
"
!!
"
" "
" "
" "
" "
" "
______ _______ ~-----------------l---------------- ---------------~-----------------~--------- - ----

. . . . . . . .. . . . . . . 1...vyA . .Nvl ..l~.

I o
I I

FI GU RA 111. 32 . Espectro de la seal sin modular

75
 Despus de la modulacin, es d ecir, d espus d e multiplica r la seal
f(t) por una seal cosenoid al que oscila a la frecuencia JO' el espectro resul-
tante su fre la modificacin que se muestra en la fi gura IlI.33.

F(w)

------------- . . -------------
. .
-----------------~----------------------- - -- --- --- -- --------------

! . ...i
..
.., ..
............ r---L---t........... .... __..-_..
..,, ...
.
~~o f\A.. ... +--........... -................ --.------V\P. W
o
fvv- w

I
,
I
: I
'
I
,
I
:
o
FIGURA 111. 33. E spectro de la sea l m od ula d a

Es decir, ahora a F(J) lo d esplazamos Jo rad / seg. Ma temticamente

tend ramos:
5{J(t)e''''''' } = F(w - w o) (111.1 4)

Demostracin:

= F(w - w o)

Po r otro lado tenemos:

76
 = f f(t )e~i(w,w,)' di

= F(ro + ro o)

e indica una rplica d el espectro anterior.

Propiedad de C01lvolucill

Convo lucin en el tiempo continuo

La convolucin es una d e las herramientas m s tiles y eficaces en el anlisis

de se ales de sistemas lineales e invariantes en el tiempo, ya que nos permite
conocer la relacin entre la entrada y la salida d e un sistema lineal en el
d ominio d el tiempo y en el d e la frecuencia, con las siguientes caractersticas:
una convolucin en el d ominio d el tiempo equivale a una multip licacin en
el d ominio d e la frecuencia; asimismo, una convolucin en el dominio de la
frecuencia equivale a una multiplicacin en el d ominio d el tiempo.
A continuacin obtendremos la expresin m atem tica de la integral
d e convolucin a p artir de la relacin entre la entrada y la sa lida de un
sistema linea l e inva riante en el tiempo.
Consid erem os un sistem a linea l com o el que se muestra en la fi g u~
ra JI1. 34.

x(f) ------7{3------7) y(t)

FI GURA 111. 34 . S iste m a line al con e ntrada x(t) y sa lida y(t )

d onde x(l) es la entrad a al sistema y y(t ) es la sa lid a d ad a por el operador

T[ x(t) ], es d ecir:
y(t) = T [x(t) ] (IlU S)

Si hacemos uso d e las propied ad es de la funcin d elta, x(t ) la pod e~

mas escribir como:

x(t) = f x(t)8(1 - t)dt (11 1. 16)

77
Si sustituimos (I1I.16) en (I1I.15), tenemos:

puesto que el operador T slo afecta a seales en el tiempo, entonces pode-

mos escribir y(t) como

y(t) = [I x(T)T[8(t - T)]dT] (IlI. 17)

Si x(t) = 8(t), una funcin impulso, tenemos:

y(t) = T[8(t)]

Si llamamos h(t) a la sa lida del sistema, como y(t) y 8(t) son seales
invariantes al corrimiento, podemos escribir:
/t(t - T) = T[8(t - T)] (IIl.IB)

donde a h(t - T) se le conoce como respuesta a l impulso del sistema.

Si sustituimos (1I1.18) en (111.17) tenemos:

y(t) = f X(T)/t(t - T)dT (111.19)

A esta expresin se le conoce como integral de convolucin y nos permite

conocer la salida del sistema con slo conocer su respuesta al impulso y la seal de
entrada.
La expresin (I1I.19) tambin se puede escribir como:
y(t) = x(t)/t(t)

La convolucin descrita puede resumirse en el siguiente algoritmo:

La seal de entrada a un sistema lineal e invariante al corrimiento

se representa como una funcin continua de impulsos
Se determina la respuesta del sistema para un solo impulso
Se calcula la respuesta del sistema a cada uno de los impulsos que
representan la seal de entrada
La respuesta total del sistema se obtiene al s uperpone r las respues-
tas indi viduales de todos los impulsos que representan la sea l de
entrada.
78
 En general pod emos definir la convolucin como sigue:

(lIl.20)

dondefJI) y f, (I) son dos funciones cualesquiera e y(l) es el resultado de la

convolucin; a T se le conoce como la variable independiente, f,(-r) se ob-
tiene al rotar f,(r) alrededor del eje vertical que pasa por el origen, y el
trmino f ,(I - r) represen ta la funcin f ,(-r) desplazada I segundos a lo lar-
go del eje T.
El procedimiento que describe la ecuacin (I11.21) es el sigu iente:

Lleve a las funciones f(l) al espacio T

Rote la funcin fir) alrededor del eje vertical que pasa por el origen
para obtener la funcin f,(r)
Desplace una cantidad lo sobre el eje r: f,(lo - r)
Multiplique la funcin fl(r) por f,(lo - r): j(r) f, (lo - r)
Calcule el rea d el producto, el resultado d el valor y( l) al momento
I = lo' y(lo)
Repita el procedimiento para diferentes valores d e lo'

El algoritmo de convolucin, adems de requerir que una de las fun-

ciones se rote alrededor del eje vertical, requiere que esta funcin se des-
place una cantidad lo' donde lo toma todos los valores de - a~. Veamos el
concepto de convolucin con un ejemplo:
Un circuito Re como el de la figura 1II.35 tiene una respuesta al impul-
so dada por h(l) = R1C e-'/Re l/(I).

R ~

y(t)

'V x(1) ;=c

x(l )
--~
r-=-l y(t)
)

FIGURA 111.35 . Circuito Re visto como un sis tema lineal co n respuesta

al impul so h(t)

79
 Cul ser la respuesta y(t) si la entrada a l sistema es la sea l x( t ) =
V [ll(t) - ll(t - T) ], cuya gr fica se muestra en la figura IlI.36?
h(l)
x( l ) 1
Re

v f-- - - - - - - ,

o T o
F IGURA 111. 36 . Func io nes d e e ntra d a y respuesta
a l im pulso de l ci rcu ito Re

La sa lida d el circu ito Re est dada por la expresin:

y(t) = x(I)"h(l) = f x(1:) h(l - 1:)d1:

Si sustituimos las expresiones para x(l) y h(l) en la integra l anterior,

tenemos:

y(l)= j V[ft(r)-ft(r-T) ] R1Ce-(-n/Re ft(l - r)dr

la cual se puede escribir como:

y(l) = :c {I e-(H)/RC ft(1:)ft(1 - T)dT - I , -(H )/RCI/( T - T)ft(1 - T)dTl

Si mpli fica ndo tenemos:

y(l) = :c {e-'/ReI e,/Re ft(T)I/(I - T)dT - e-/RC I 1

e./RC I/(T - T)I/(I - T)dT (lII.2I)

En la ecuacin (111. 21) observa mos que tenemos la combinacin d e

fu nciones esca ln: 1/(1:) I/(t - 1:) Y 11(1: - T) I/(t - 1:); las g rficas se muestran en
la figura 1l1.37.

80
 1/(t - T)
I/( t )

, ~Or-----~T~---------7 '
o
In) lb)

l/U - t )

./

o
le)

FIGURA 111. 37 . Grfica de las funciones impu lso en el dominio L,

rotadas y desplazadas T seg

Analizando estas combinaciones, tenemos:

Para t < O
1/(, - T) l/(t - ,) = O para toda,
l/(,) I/(t - ,) = O para toda,

Para O < t < T

l/(' - T) l/(t - ,) = O para toda,
l/(,) l/(t - ,) = 1 para O < , < t

Para t > T
1/(, - T) l/(t - ,) = 1 para T < , < t
l/(,) l/(t - ,) = 1 para O < , < t

Volviendo a la ecuacin 1II. 21 , cuando t < O, tenemos:

y(l ) = O

Cuando O < t < T, la ecuacin Ill.21 es:

81
y SI. Integramos
. tenemos: y( t) = RVC e- II RC RCel /RCI'o = Ve - II RC [etIRC - 1]
y(t) = V[ 1- e-'/Re ]
Cuando t > T, la ecuacin I1I .21 es:

resolviendo tenemos
y(t) = ~{e-IIRC RCe1/RCI'
RC o
_ e-I/ RCRCe1/RCI'1
lJ

El resultado final d e y(t) es la superposicin de los tres casos anteriores:

O para t < O

y(t )= V[l - e- IIRe ] para O < t < T

para t >T

La grfica de y(t) se muestra en la fi gura 111.38.

82
 1 . 5 ~--.,----,,.------,---,----...,.....--

y(t)

o., ....
rr
1 1' ..... 1
T
-

O L-__ ~ ____ ~ __ ~~=-~ __ ~ __ ~

O 2 T 4 6 10 12

FIGURA 111. 38 . Resultado de la convolucin cuando T =3 seg y Re =1 seg

Propiedades de la convolucin

Sean las funciones Ut) y 1,(1); la convolucin de U t) y 1,(1) en el dominio

continuo est d efinida por:
y(I) = [ /, (x)/, (I - x)dx = [ j, (t - x)/,(x)dx (I1L22)

la cual tambin podemos escribir simblicamente como:

y (l) = j, (I) * 1, (1) (I1L23)

La convolucin es una operacin que cumple con la ley conmutati va,

es d ecir:/,(t)*I,(I) = 1,(I)* I, (t)
Demostracin :
j, (I )*I,(I ) = [ j,(x)/, (I -x )dx

Si s ustituimos k = 1- x => x = I - k => dx = di

j, (t) * 1, (1 ) = [ j, (t - k)/ , (k )dk = f j , (k)j, (1 - k)dk =1,(1) * 1, (1 )

La con vo lu cin tambi n cumple con la ley asociati va, es decir:

[j, (1 ) * / , (1 )]* 1, (1 ) = j, (1) * [/ , (1 ) ' / ,(1 )[

 Veamos el efecto de la funcin Ii en convolucin con una funcin f(l).
Si aplicamos la definicin de convolucin def(l) con Ii(l)

f(t )' 8(t) ~[ f (x )8(I - x)dx ~ 8(t)' f (l) ~ [ 8(x)f(l - x)dx ~ f(t)

la integra l es vlida en un solo punto, es decir, cuando x = o.

NOTA: La convolucin de ul1afuncin f(t) con unafuncin impulso unitario

Ii(t) conduce a la misma funcin f(t).

En genera l, si Ii est definida como Ii( t- T), donde T es igua l al despla-

zamiento en el tiempo, la convol ucin con una sea lf(!) ser:

8(t - T)' f(l) ~ f(l- T)

El teorema de convolucin en el tiempo afirma que si :3[/,(1)] ~ F,(w) y

:3[1,(1)] ~ F,(w), entonces:
:3[/,(1)' f,(I)] ~ F,(w)F,(w) (111.24)

Demostracin:
Sabemos que

f,(I)'f,(t)~ [/,(x)f, (t-x)dx

aplicando la transformada de Fourier af,(I)'f,(I), tenemos que

:3{J, (1)' f,(I) } ~ [[Jj, (x)f,(t - x)dx }-"" di

intercambiando el orden de integracin:

aplica ndo la propiedad de desplazam iento en el tiempo de la transforma-

da de Fourier de f~f, (t - x)e -''''dl, tenemos:

f~f2 (t - xV""' dl = e-'''''' F,(w)

Sustituyendo este resultado nos queda:

84
sacando los trminos constantes de la integral.

5[/,(1)* I,(t) ] = F,(w)F,(w)

El hecho de tener la relacin IlJ.24 facilita los clculos de la convolucin,

ya que podemos cambiar una integracin por una multiplicacin.

Propiedad de dlferellciacill e ll el tiempo y en la frecuencia

Si tenemos una funcin /(t) tal que 5{1(I)} = F(w), al d erivar la funcin en el
tiempo tenem os que la transformada de Fourier es ahora:

d"
5 { -/(1) ) = jwF(w)
d('
(11125)

Observamos que la TFTC de una funcin derivada en el tiempo equi-

va le a multiplica r por w en la frecuencia, esto nos sugiere que a l derivar
una sea l en el tiempo incrementamos los valores de las frecu encias a ltas,
lo cua l acta como un filtro pasa-altas.
Por el contrar io, si ob tenemos la TFTC d e la integral de una funcin, las
altas frecuencias decaen rpidamente, como observamos en la siguiente
ec uacin. Esto acta como un filtro pasa-bajas.

5{-I )d<} = "'!-F(W)

JW
(111. 26)

A continuacin veremos alguros ejemplos del uso de estas propiedades:

Ejemplo: Encuentre la TFTC de la sea l que se muestra en la figura

111.39.
De l teorema d e desplazamiento en el tiempo tenemos:

(1II. 27)

85
 A

-10 ~6 10
--r-rr rr
F IG URA 11 1. 39. Ej e mpl o de sea l mo dula da e n a mplitud
por una fun ci n coseno id a l

Demod ulando la seal tenemos:

2
.......... -+ .......... +-......... +-.......... -1-+-+-

F IGURA 11 1.40 . Sea l de m odu lad a e n a m pli tud

(desplazada a la frec ue ncia cero)

La tra nsformad a de esta sea l es

g{!(t)} = A2Sa' (w)

Como T = 8 seg, entonces, ap licando la expresin 111. 27 te ne mos:

g{!(t + T ) + f (t - T)} = 4ASa' (w)cos(8w)

 Ejemplo: Encuentre la TFTe de la seal (figu ra 111.41).

1(1)
A
1\. . . . . . ........
....,..... --- \ .......... ~

........\.............. T ..........,....... r

F IGURA 11 1.41 . Sea l del tipo coseno id a l

En este caso aplica mos la propied ad d e mod ulacin.

La funcin modulad a es g(t ) cos(201)
Podemos obtener la transformada de la funcin g(t ) y posteriormente
aplicar e l teorema d e modulacin.

1(1)

T!2
F IGURA 111.4 2. Fun cin ven ta na d e d uracin T y amplitud A

2"A. w"
g{g(t) } = -S-smc(S)

Si a p lica mos ahora el teorema de mod ulacin. tenemos:

S7
 Ejemplo: Encuentre la TITe de la seal (figura IlI .43).

1 1 1 : f(t) 1 : 1
_ _ __ ~ ____ ~ _ __ _ _ 1_ _ _ _ _ L _ _ _ _ L ____ ~ __ _ _ _ 1 _ _ _ _ _
, ,

---- T -- --
,
- - - - -1 -
,
- - -
A'
-
1

/- cos 100 ni

-- - '-- - - -; - - - - -

_ _ _ _ 1_ _ _ _ ____ 1 _ _ _
,
- - - _ !_ - - - - -
,
_ 1- __ _ _

, t
o --- -..,.. -- - - -1- - - - - -1- - - - -
-1 5
, ,
--------
, --------
, - -_!..._- -, - - - _1 -

_ __ _

,
, -A
- - - - + - - - -
,-
~ - - - - 1- - - - - ~ - - - - + - - - - ~ - - - -
,
- 1- - - - -

1 1 1 1 I ,
--- - T -- -- 1- --- -- --- -~- ---r- ---1-- -- -I ---- -

o
F IGURA 111.43

Sabemos que para una seal pe ridica I r(l) su transformada es:

53{JT(t)} = 21t f F,, 8(w - tlWo)

'1"'--

Los parmetros de la sea l son: T = 4 seg y "'o= 2; = ~.

Observamos que el pulso es una seal triangular modulada, que po-
demos escribir como: f(t) = g(t) cos 100 nt (figura I1I .44).
La transformada de Fourier de la seal triangula r es:

La transformada del pulso l(t) es:

53{J(t)} = 53{g(t) cos IOOnt} =%1F(w + wo) + F(w - wo)]

= ~ 15n'[ %(W + IOOn )]+5n'[%(W - Ioon)]i
88
 : . A. .
---------1'--------- ----- -----r---------- ---------1----------1----------r---------
---------1': --------- ----------f----
: :::
---- ---- ----T---------l-------------------
........,....................1 ................... i ..............................

---------r-------- ---- ----r---------- ---------T---- ----l-------------------

: i !::
. :-1. .:1 .
---------r-------------------r---------- ---------r-------T--------r--------
i ! : i

FI GURA 111.44 . Funcin tringulo de duracin 2 y amplitud m xima A

El coeficiente de la serie exponencia l de Fourier lo podemos obtener a

partir de la TITC, si hacemos lo siguiente:

1
F" = -F(W)
T
!m=".,o

Finalmente la transformada est dada por la expresin:

(Como ejercicio, grafique la expresin anterior utilizando Matlab. )

Ejemplo: Encuentre la TITC d e la seal (figura 1Il.45).

89
 l~'--------"-r--- - ---
t F
A

,1
, " , ,

--------T--------L-:::]:::-::~~: ---------r -------[_::-:_:::r::::-::

F IGURA 111 .45 _ Sea l cu ad rada con va lo r medi o ce ro ,

du raci n 2. y a m plitu d 2 A

Si integramos la seal obtenemos un pulso triangula r g(t), cuya trans-

formada de Fourier es:

~{g(t)} = At Sa ~t)2 2
(

A,

r ,I7F~I, r~
, " " ,
---------r---------i----------f------~~- ---------:----------1----------r---------
--------- --r - -------- ~------ ------------r------..
F IGURA 111 .46 . Seal triang ul a r de d uracin 2. y va lo r m x imo A.

d(g(t
como f(t ) = -d- { } {dg(t) } _
I -, entonces ~ f( l ) = ~ di = JwG(w)

Si sustitu imos valores, tenemos:

AA
_J- sen 2(wt /2 )
w

90
 Otra forma d e resolver este ejemplo es aplicando el teorema d e d es-
plazamiento en el tiempo; vea mos cmo.
Del teorema de d esplaza miento en el tiempo
3{g(t -lo} = G(w)e -''''O

como lo = ~(2, entonces

Para la seal tenemos

simplificando tenemos

3{J(t)} = A-rS{ ~T)( e~"/2 ;r~/}j

finalmente la TFTe es:

TRA NSFORMADA DE FOURIER DE TIEMPO

DISCRETO (TFTD)

Con el desarrollo de las computadoras fu e posible tener seales discretas a

partir de sea les ana lgicas; para procesa r este tipo de informacin se hizo
necesa rio adecuar los conocimientos del a n lisi s de sea les a este nuevo
tipo de se!'\al; de all nacieron los a lgoritmos para la transformada d e Fourier
de tiempo discreto y para la transformada de Fourier discreta. En esta par-
te vamos a ver cmo hace r esta s operaciones, as como el uso que tienen en
el an li sis de seil ales.
El cuadro lIJ .l presen ta un res umen de las ca racters ticas d e las trans-
forma ciones de Fouri er.
Los casos 1) y 2) ya se estudiaron en el ca ptul o 11 ("Ortogonalidad
y series de Fourier") y en este captulo ("Transformada de Fourier"). Los
casos 3) y 4) se ilustran en la fi gura 111.47 y sern objeto de explicacin en lo
qu e resta d el presente ca ptul o.
9\
 CUADRO JIl.1. Tipo de transformacin y dominios involucrados
(tiempo: continuo/discreto, y frecuencia: continua/discreta)
Tiempo Transformacin Frecuencia
1) Funciones peridicas Series de Fourier Frecuencia discreta
continuas
2) Funciones no-peridicas Transformada de Fourier Frecuencia continua
continuas
3) Funciones discretas Transformada de Fourier Frecuencia continua
de tiempo discreto
4) Funciones discretas Transformada de Fourier Frecuencia discreta
discreta

Caso 3)

1*) TFTO
===}
x(W)

11/1
T2T3T4TST "T

C.lso 4) x(k)

) x(,,)
TFD
===}

[l/[! [ I k
T2T3T4T5T . "T

FIGURA 111 .47. En la parte superior de la figura vemos casos en los que e l dominio del
tiempo es discreto y la frecuen cia continua (transformada de Fourier de tiempo di screto).
La parte de abajo corresponde tanto a tiempo discreto como a frecuen cia discreta
(transformada de Fourier discreta)

En cuanto a los casos 3) y 4), nos limitaremos a dar sus definiciones.

Primero se darn algunos ejemplos de sea les discreta s. Como ahora se
trata de funciones discretas en el tiempo (secuencias de va lores), cambiare-
mos la notaci n de parntesis por corchetes.

92
 Trmlsforll1ada de FOllrier

SEALES DISCRETAS

A continuacin se presentan las sea les discretas comnmente usada s en

el anlisis de sea les:

Implllso Il l1itario

. {l
8..j = O
si 11 =O
s i 11:/:. O

01"1

-1 o 2 3 4
"
FI GURA 111 .48 . Sea l impu lso un ita rio

Im pulso ullitario desplazado

iJ = {~
si H = i
8[11 -
si 11 :/:. i

5(11 - i)

"
F IGURA 111. 49 . Seal impul so unita rio desp lazado cie rto
va lo r i a la de recha
 Escaln unitario

1l[1l1= {~
si n < O
si n ~O
II(IIJ

-1 o 2 3 4 ...
"
FI GURA 111.50. Seal escaln unitario

Flincin seno

X["l =A sen (119+<1

con A = amplitud
8 = frecuencia
. = fase
xlII]

-'--
FI GURA 111.51 . Sea l senoidal disc reta

FllncilI lilleal de "

para O > 11 > 3

p<1ra 0 :5 // :5 3

L::'I g r fica S2 muestra l continua cin:

 xln]

3 ........................
2 ..........

-1 o 2 3 4
"
FIGURA 111.52 . Seal del tipo lineal

FUllcin decreciente de 11

O para 11 <O
x 11 -
[ ]- {(0.9)" para 11? O

Su grfica se muestra a continuacin:

xiII]

.....
".

"
FIGURA 111. 53. Sea l discreta decreciente

Como se dijo al principio, con la llegada de las computadoras fue po

sible convertir sea les analgicas en discretas, lo que permiti tener mues-
tras d e las sea les, y por lo ta nto se hizo necesario tener la transformada d e
Fourier de una sea l discreta.
A esta tra nsformada se le conoce como transformada de Fourier de
tie mpo discreto (TFTD), y s u expresin es la siguiente:

(111.28)

Tambin suele escribirse como:

X(I""') = L x[II r V ,,,,,r

,,"'-

95
 La TFTD tiene las siguientes caractersticas:
X(eiw ) es una funcin peridica de periodo 211, as que solamente
necesitamos graficar el intervalo [O, 211J para conocer la TFTD de x[n J.
Note que X(elw ) es una funcin continua a pesar de ser obtenida a
partir de una funcin discreta.
A continuacin se muestra una grfica donde se ilustra lo anterior.

TFTD
~

'"
FIGURA 111.54. Seal muestreada en el tiempo y su respectivo espectro
emp leando la transformada de tiempo discreto de Fourier

Asimismo la transformada inversa de Fourier de tiempo discreto est

dada por la siguiente expresin:
. IT
x[IlT] = l f
2n - ", (T
X(w)e i" .. T dw (Jll.29)

PROPIEDADES DE LA TRANSFORMADA DE FOURlER

DE TIEMPO DISCRETO

A semejanza de la TFTC, esta transformada tiene las siguientes propiedades:

Linealidad nx, [n] +bx, [Il] H nX,(w)+bX, (w)

Desplazamiento en el tiempo

Despla za miento en frecuencia x(nleJl!!V1 H X(iV-W K )

1
Convolu cin - X ,(w)' X , (w)
2n

X,[lIjX," --. X ,(w)X , (w)

Ejemplo: Encuentre la TFTD de la sea l x[nJ = (0.8)" I/(n); grafique uti-

li zando Matlab .
96
X( e" ) = L- (0.8)" e-""' II(II) =L- (0.8)" e-..m = L- (0.8e-l"')"
"",o .r_O

d e la expresin para serie geomtrica tenemos:

X(e 'W ) _ 1
1- (0.8e -"')

El programa en Matlab para g raficar X(eiw ) se muestra a continuacin :

w = -3* pi:0.l:3* pi;

Fw = abs(l/(l - (0.8* ex p(j* w))));
plot(w, Fw) , g rid, xlabel('w'), ylabel(' Magnitud de F(w)'l

4.5 ........ ....

~

4 ----------- l::::::r:::::1:::: -::::1::::1:::::1 -:::T:::::

.-u:- 3.5

w 3
~
~

"'"
'c
~
:;
2.5

1.5

0.5
y '
i. \". / "(jl
,
i" 't-
- 10 -8 -6 -4 -2 O 2 4 6 8 10

FI GURA 111.55 . Transfo rmada de F ou rie r d e tiempo di sc reto

Ejemplo: Enc uentre y g rafiqu e la TFTD de la sea l: x [n ] = 5(0.7) "-'

/I(II) -/1[ 11 - 1011

X" ') =
- ,
L 5(0.7 )"-' 11(11) - 11(11 - 10),'- "'" = 5(0.7r' L (OT''')''
" .. (1

97
 K-l k l -o. K
Utilizando la expresin: La = -- Va
k=O 1-0.
la TFTO es:

X(e fw ) = ~ [ 1 - (O.k/W)"]
0.7 1- 0.7e-""

El programa y la grfica se muestran a continuacin:

w = - 2* pi:0.Ol:2* pi;
A = 1- (0.7* exp(j* w)).1\ 10;
B = 1 - (0.7* exp(j* w));
Fw = 5* A./((O.7)* B);
p lot(w, ab s(Fw)), grid, xlabell'w'), ylabell'Magnitud d e F(w)'}
24 r---'-~--~-~-~, --,~-~:---'
, , ,
22 --------~---- -----~-------- --------~------------- - - - ~ --------
" " ,

20 --- ----- -------+-------1-------- r ------+-------+-------:

, , , ,
.- 18
il:" 16
--- -----,--------..,-------
!, i,
-------..,-------- -.------
.'
i'
-~-
------- ~ --------- ~- -------

!,
-------~-------_ .
,j
--------
-------- ---------
~
"O
"O
-"
14 -------L-------t------
,,, ,,
,
_L_____ L
,, _______ L
,
''
'
,, _____ L-------
,
,
,,
c
'"
::
12 ------i---------r----- --1-- ------[--------t-------1---------
10 --------~-
, ---- -~--
, -------~----
, --~---
' -----~--------~------
, , -~---------
,
, , , ' , , ,
8 ________ 1--_____
,
~---------~
, ,
-- - ____ 1--_____
'
-L-_____
,
--1,_____ __ ~---------
,
,, ,, ,, '' ,, ,, ,,
64 --------j----- --j-------+ ------j------ -f-------___ -----j---------
-8 -6 --4 -2 o 2 4 6 8
w
F IG URA 111. 56 . Tra nsformad a de Fourier de tiempo discreto

TRANS FORMADA DE FOURIER DISCRETA (TFD)

La transformada d e Fourier de tiempo discreto nos da informacin d el es-

pectro de una secuencia discreta , pero no nos permite manipular los datos
del espectro utilizando una computadora. Pa ra solucionar esto se cre la
transformada de Fourier discreta (TFD).
Este tipo de transformada se utiliza cuando se tiene una seal de tiempo
discreto y se quiere hacer W1 a representacin de la seal en frecuencia discreta.
98
 Tiempo discreto T. Fourier discreta Frecuencia discreta

[n] [k]
El par de transformadas d el tiempo y frecuencia para una secuencia
discreta peridica son las siguientes:

N -I -,!.::b'
X[k]= x(n)e N "(111.30)
.,,,0

donde N es el periodo de x[n]

La transformada inversa est dada por la siguiente expresin:

1 N-I i~k.,
x[n] =- X[k]e N (IlI.31)
N k"O

La transformada de Fourier discreta satisface las mismas propiedades

que la transformada d e Fourier en tiempo continuo.

Linealidad
Simetra
Desplazamiento en tiempo
Desplazamiento en frecuencia
Convolucin (lineal o peridica), etctera

La utilidad de la TDF radica en que nos permite una aproximacin

digital a la transformada de Fourier de una seal continua. Esto se ilustra
en el siguiente ejemplo.

Ejemplo: Encuentre la TFTD y la TFD d e la secuencia : x[l1] = [2, 2,2, 2],

n = [0, 1, 2, 3]; grafique utilizando Matlab.
La TFTD d e x[n] es:

Su grfica se muestra en la figura 111.57.

La transfo rmada de Fourier discreta se calcula a continuacin:

99
 8

7 -------_ ....., ..
_------ - --~--------- .."--- -----"----------"---------- ---------

6
-- -------r---------r------ -r---- ----r---------T--------- i----------
e 5
t
u "
.ee 4 :::.'::::r:::::::::r::::'.:r:::. ::r:::::::r::::::'r :::::::.
"

~

2
rr.l . f TJ
o
O 2 4 6 8 10 12 14
w
F IGURA 111.57. T ransformada de Fou rier de tiempo discreto

donde WN es el kernel de Fourier y en este caso va le WN = e'j ,.v4 = -j; en-

tonces:
I X[k) I = [8.0, 0, 0, O)
(verifique los valores utilizando el programa que viene en la seccin de
Matlab). La grfica se muestra a continuacin:

9 , , , ' . ,

e
8
.,, ,,, ,, , ,,, l-, ----~--------
--------L--------t--------j---------l--------L--------
., ,,
,
,,
'
.
'' ,, ,, ''
""
.,
~
7
-------r------T------T-------T-------r----- T----- -r-------
u
~ 6 ----- -- ~ --------- . -------- . -- ------_._---- -- -~ ----- ---.-------- ---------
:;
~
~
~
5 ------ l---------l--------L------.l.-------L-
: : : : : ----1..------1
: : -------
E
~ 4 -------- :---------~--------~---------~----- ---~-- ------~-------__i_- ------
e , : : : i
"" 3
_____ ___ ~ __ __ ___ ~--------~---------i ________ ~- _______ !___ _____ l.__ ___ _
u" i i i
.'l
'c
O>

2 --------1-- ___ o_o' -- ---j------- -t- ------ ---------t--------t---- ---
" --------~--- -- --- -----1---- -- ~- --- -----t--------+----- --

O
i!!
O 2 3 4 5 6 7 8
FIGURA 111.58 . Transformada de F o urier disc re ta y de tiempo disc reto en asteriscos

100
 Com o puede verse en la grfica anterior, la resolucin del espectro es
muy pobre; p ara aumentarl a agregamos ceros a la secuencia . Es decir, aho-
ra tenem os X[I1] = [2, 2, 2, 2, 0, 0, 0, 0, 0, 0, 0, O], entonces ahora tendremos
WN :;;:; e-j2n/ 12 :;;:; e -j 1t/6; la TF D tiene ahora los valo res:

X(k) = [8, 47321 - 4.7321i, -3. 4641i, Oi, 2. 0000 + O.Oi, 1.2679 - 1.2679i, - O.OOOOi,
12679 + 1.2679i, 2.0000 + Oi, 0.0 - O.Oi, - 0. 0 + 3.4641i, 4.7321 + 4.7321i[

La grfica se muestra a continuacin:

9
, , , :
---------:---------~--------- t --- - - - -- -~ ----- -- --~------ --T--
, : '
-----'!---- -----
8
: : : : : ' :
~ 7 -------+--------t--------+--------~--------+_------
,
t------ -~---------
" ,, "
,""
"
,""
'"
w 6 ----
"O
~
--7-------- ~ - --------~-- -- - --

:
,,,
:
,
:
-
,
- ~ --- - -- --- ~ -----

' :
' ,
,
------- -- ----- -- --
:
'
'

~ ,"" , , ,' ,, ''

;;; s ---- -- - -------- . ---------.---------.--- - -- - --~--- -- -...,..-------_. -------
w
o i,, i,, !,, i,, i,, '
,, .i
'
E 4 ---- --- ---------:---------~--- - --- - - - - - - - - - - - -- -. --r-------- -: -- ------
~ ,, ,, ,, ,
,
,
,
''
o , , , , , '
t 3
"
"O
---- --- -------t------------------t---------r ---- -+--------1--- ----
"''"
c 2 ---- ___ o: - ______ ~
i,
----t------- -' ------- - ---- -+--------i----- ---
i i : :, i'

::;; " '
- t--- - -T -- -- r- ---- -r-------r---- --
, , , '
o
O 2 3 4 s 6 7 8
w
F IGURA 111. 59 . Transformada de Fourier discreta y de tiempo d iscreto

Como se puede observa r, al aumentar los ceros aumenta tambin la resolu-

cin del espectro. Actua lmente se utiliza el a lgoritmo llamado transformada
rpida d e Fourier (FFT) para rea lizar estos clculos ya que es ms eficien te.

C LCU LO DE L A TFD A PA RTIR DE UNA SEAL CONTINUA

Para poder ca lcular la transformada de Fourier de una sell al con tinua x(t)
se d eben da r los siguientes pasos:

Muestreo => sella l numrica X[II ]

Clculo de la TFD (para e l c lculo d e la TFD se requiere una ,elia l de
duracin finita )

10 1
 Truncam iento temporal
Clculo de la TFD => muestreo espectral

Los efectos generad os en las etapas anteriores son:

A) M uestreo => periodizacin espectral

B) Truncamiento tempora l

Veamos qu significan estos efectos.

TrIlIlcamierlto temporal

Principa lmente veremos en qu consiste el truncamiento tempora l.

Partiendo d e la seal x[n] de duracin infinita, sta x[n] ser transfor-
mada en una secuencia d e longitud N, XN(n), es d ecir:

11 E[O, N- I]
con no

Pero el hecho de trunca r o cortar una seal x[n] en p untos d iferentes

de los cruces por cero ind uce un efecto d e a ltas frecuencias. Ejemplo:
Si la fu ncin sen (x) la ventaneamos o multiplicamos por una funcin
N(x) ta l que

l~
si O<x <3/ 2
N(x) =
si no

xl'IJ

3/2N 2N

"

FIGURA 11 1. 60 . Seal senoidal , tomada exactamente un pe riodo

(no ex iste discon tinuidad en la regin cons iderada)

102
 Discretizando la seal, tenemos:

xlIII

"

FI GURA 111. 6 1 . Sea l senoidal. tomando tres cuartas partes del pe riodo
(existe disconti nuid ad e n la reg in co nsiderada)

Si la sea lf(x) est ya limitada en banda, a l momento de hacer el trun-

camiento se generan componentes de alta frecuencia , los cuales ca usarn
una distorsin en el dominio de las frecuencias.

lO

IV

F IGURA 111.62 . Efe cto en la frecuencia cuando se trunca una sea l en el tiempo.
tomando una ventana cuad rada (se inducen o generan componentes de alta
frec uencia Que no co rresponden a la sea l original)

103
 Para minimizar el efecto de truncamiento, se utilizan otro tipo de ven-
tanas diferentes a las cuadradas, como son:

Velltalla rectalIglllar

si /1 E [O, N- I]
en otro caso

Velltalla Bartlett

2/1
Si /lE[O, (N-I)/2]
N-I

WBN( /I) = 2-~ sin E[(N-I)/2,N- I]

N -1

sie [O,N-I]

Ven tana Hal1lmillg

2m,
WIIN( /I) = 0.54-0.46cos ( - -) para n E[O,N- I]
N- 1

VClltfllIn Blackmall

2m,
WbN( /I) =0.42 - 0.5cos ( - 1
41tn
- +0.08cos -
N-1
-
N- I
( 1 para n E [O, N- I)

104
 rectangular

0 .8

0 .6

0.4

0.2
O ~~------------------------------------~~~__
(N - 1)/2 N-1
"

F IGURA 11 1.63 . Ejemplos de ve ntana s com unm en te usa da s para ll evar a cabo
el truncamiento temporal

EJERCICIO EN MATLAB

Genere dos sef\ales de la funcin seno con 128 mues tras por seal :

y ; sen(O.5I)
y, ; sen(0.551)

Multiplique cad a una de las sea les [y, y, ] por cada una de las venta-
nas y obtenga sus TF respecti vas. Analice qu efecto produce cada ven-
tana .

Ejercicio de periodizacin del espectro

Genere una fun cin a muestrea r (x muestras) (cos(l

Genere un tren d e impulsos al doble de la frecuen cia
Multiplique ambas fun ciones y ob tenga la TF. Observe e l efecto de
periodi zacin en la frecuencia .

105
 EJERCICIOS DEL CAPITULO IlJ

1) Encuentre la TITe de la seal que se muestra :

A cos 190 nI

~ f\ -<n
A
f f\f\f\ n
ti
~
-3 -1 1 3 5
V V V V V V V V

Utilizando Matlab grafique el espectro.

2) Demuestre las siguientes expresiones:

~COS(Wol)lI(t)]=!:[O(W-wo )+O(W + wo )]+j , w ,

2 wo-w

~sen(wot)lI(t)]= , W , j !:[O(w-w o) - O(w+w o)]

Ol o -ol 2

3) Un voltaje tiene la forma v(t) = Ae-O'sen(w ol)lI(t) . Encuentre la transfor-

mada de Fourier de v(I). Cu l es el ngulo de fase <I>(w)?
4) Encuentre la siguiente integral de convolucin:

1/(1)* e ' 1/(1)

5) Encuentre I (t) = F-[ (1 + jW)~2 + jw) 1transformada de Fourier inversa.

6) Encuentre la transformada de Fourier de tiempo discreto de las siguien-

tes secuencias:

a)x [n] = [156231 02]

b)x[/1] = (0.7)' - ' l/(11 -10)
e) x [/1 ] = cos(/1 - ,,/4) I/(n - 12)

Grafique las seales y su correspondiente TITD; utilice Matlab.

7) Esc riba un programa para ca lcular la transformada de Fourier discreta .

106
8) Utilice el programa anterior para encontrar la TFO de las siguientes se-
cuencias:

a)x[n] = [12345 12 34512345]

b!x[n ] = (0.5)" u(n -15)

Grafique las seales, as como su TFO.

9) Encuentre y grafique las TFO de las ventanas descritas al final de este

captulo. Haga las observaciones correspondientes.

107
 Teora de muestreo

INTRO DUCCION

E
L INTERS DE MUESTREAR una sea l x( t) en tiempo continuo, pa ra te-
ner una representacin de sta en el d ominio discreto, se ha d esarro-
llad o en gran medida gracias a la facilidad , accesibilidad , bajo costo
y facilidad d e reproducir el procesamiento digitalmente. Si nos interesa
ten er una representacin de la seal x(t) (do minio continuo) en el d om inio
discreto x (nT), o simplemente X (n ), esta rep resentacin tendr ciertas res-
tricciones, las cua les d escribiremos aqu (seal a banda lim itada y frecuen-
cia d e mues treo) . Fina lmente, la seal muestread a x(n) o x(nT), una vez
procesada, pued e ser reconstruida en el d om inio continuo x(t) por diferen-
tes mtod os.
En el presente captulo nos enfocarem os a definir las ca ractersticas
que debe tener una sea l que se d esea con vertir d e analgica a digita l; asi-
mismo, se presentar la teora de muestreo (rea l e idea l). Los anli sis sern
tanto en el d omino del tiempo como en el d e la frecuencia. Una vez p roce-
sada la informaci n, se explica r !a teora que permite reconstruir una se-
al ana lgica partiendo d e va lores digita les (interpolaciones linea les).

MU ESTREO IDEAL

El proceso d e muestrea r id ea lmente consiste en multipl ica r, en el do minio

d el tiem po, una sea l continua x(t) por una funcin de tren d e impulsos
unitarios, y as obtener va lo res instantneos a la cadencia, determinada po r
el tren de impulsos, es decir:

109
 x(t) ----<.,.JU
O~x . 1--_
Xm (l)

Donde:

x(t) es una seal d e tiempo continuo limitada en banda

0T(t) es un tren de impulsos unitarios de periodo T
Xm(t) es la funcin x(t) muestreada a periodos T

Grficamente, se observa en las figuras [VI , IV2, y IV3, tanto en el

tiempo como en la frecuencia.
x( l )
X( 1V )
<Transformada
>
de Fourier

- Wm Wm
(n) (b)

F IGURA IV . 1 . Ejemplo de seal ana lgica limitada en banda :

a) en tiempo y b) en frecuen cia

o,(t)
1

< >
Transformada
de Fourier

-
T Wo 1V
Wf)= 21t/T
FIGURA IV.2. Tren de impul sos de Dirac: a) e n tiempo y b) en fre cue ncia

Xm (t ) Xm (w)
<Transformada
>
de Fou rier

T w

FI GURA IV.3 . Efecto de muestreo en tiempo , produciendo e l efecto de periodizacin

de espectro en frecuencia

110
 El desarrollo analtico se expresa a continuacin. Cabe aclarar que 8T (t)
es un tren de impulsos de amplitud unitaria y espaciados cada periodo T.
Adicionalmente, los valores de X(t) son continuos.
La seal Xrn(t) ser el resultado de multiplicar el tren de impulsos 8T (t)
por la seal X(t), es decir, se escribe como: Xrn(t) = X(t) 8T (t)
Si sustituimos la funcin 8T(t) por su equivalente suma de impulsos

8(1 - I1T) espaciados cada T segundos, como resultado se tiene la ecua-

cin IVI:

Xm(l) = x(l) - 8(1-I1T) =x(I)8(1

- -I1T) (IVI)
'1=_

Si se toman las muestras cada t = nT, se pasa de tiempo continuo

a tiempo discreto para la seal x(t).
En el dominio discreto, la ecuacin lVI se puede escribir como la ecua-
cin IV2:

X1I1(1) = x(I1T)8(t -I1T) (IV2)

Posteriormente se analizar la representacin en frecuencia de la ecua-

cin lV2 tanto de manera analtica como grfica.

IMPORTANCIA DE LA ELECCIN DEL PERIODO T

EN LA FUNCIN TREN DE IMPULSOS 8T (I)

Desde el punto de vista grfico en el dominio del tiempo, se puede apreciar

en la figura IV.4 la importancia de tomar apropiadamente el intervalo T de
la funcin 0T(t).
Se debe tener cuidado, ya que varias seales continuas XJt), X,(t) y
X, (t) (por ejemplo) pueden ser muestreadas en los mismos puntos, en los
cuales sus amplitudes coinciden. Sin embargo, se puede apreciar que la
seal X,(t) vara ma s rpidamente que X,(t) y sta a su vez ms rpido que
X,(t); si se utilizara la misma funcin 8T (t) habra informacin que se perde-
ra de X,(t) y probablemente tambin de X 2 (t) Si el objetivo que se persigue
es no perder informaci n de la sei;al analgica al pasa rla a su correspon-
diente digital, se d ebe muestrear a una velocidad diferente, dependiendo
de las variaciones de cada sei;a!. (El teorema de muestreo, se explica en
detalle ms adelante.)

111
 - 3T -2T -T o T 2T 3T

FIGURA IVA. Tres sea les en tiempo continuo con valores id nticos
en mltiplos enteros de T, muestreadas a un mismo periodo de tiempo T

Para poder representar cada una de las seales en el dominio discreto,

stas se deben muestrear a la cadencia dada por los cambios de la seal, es
decir en funcin directa de la frecuencia mxima de cada seal.
Pero veamos desde un punto de vista ms formal qu condiciones se
deben imponer a la seal y al tren de impulsos para tener una representa-
cin en el dominio discreto de la seal analgica, y posteriormente poder
reconstruir la sea l original partiendo de las muestras (sin prdida de in-
formacin).
Sabemos que la transformada de Fourier de la multiplicacin de dos
funciones en el dominio del tiempo es la convolucin de las transformadas
de Fourier de las dos funciones involucradas; es decir, la propiedad de
convolucin de la transformada de Fourier se expresa en la ecuacin IV3:

1
5[/, (1)/,(1)] = - [ F,(w )' F, (w)] (IY.3)
2"
donde

5{/, (I)] = F,(w )

5{f, (I )] = F, (w)

el smbolo 5 representa la transformada de Fourier y el ' significa la opera-

cin d e convolucin.
Por otro lado, a la funcinf(t) (la cual vamos a muestrear) le impon-
dremos la siguiente condicin en el dominio de la frecuencia:

112
 3[J(/)] : F( w) : Q para Iwl >wm (IVA)

donde 10", es la frecuencia mxima de la seal analgica def(l); es decir, una

funcin a banda limitada. La figura IY.5 muestra un ejemplo.

F(w)

- Wm Wm

FIGURA IV .S. Sea l a banda limitada

Por otro lado, el tren de impulsos 0T(I) tiene como transformada otro

tren de impulsos espaciados a Wo : ~ y de amplitud 100' es decir:

OT(I) : .. + 8(t + 2T)+ 0(/ + T) + 0(/) + 8(t - T ) + Il(/ - 2T) + .. . (IVS)

: L 8(t - liT) (IV6)

8T (/) = L 8(/ - liT) (IV.?)

La ecuacin IY.8 indica que la transformada de Fourier de un tren d e

impulsos sigue siendo otro tren de impulsos, espaciados cada 100 y de am-
plitud lU o'
Empleando la propiedad de la transformada de Fourier para la
convolucin y la s ecuaciones IY.4 y IY.8, se puede obtener la representa-
cin en frecuencia de la sea l muestreada /,,,(1) .

3!j.,, (I)] = Fm(w ) = 21 [F( w)* woo"o(w)] = ~~[F(w)*Il " , , (1V)1 (l V9)

113
si Wo = ~ (denominada frecuencia de muestreo), entonces la transforma-
da se puede reescribir como:

sU,,(t)] = 21t ( 2.)[F(W)'O wo (W) ] (lV10)

T 21t

1
= y[F(w)' o"o (w)] (lVIl )

Si sustituimos la ecuacin IVS (tren de impulsos en la frecuencia) , se

tiene:

(IV12)

Ahora, se puede escribir la sumatoria sobre la variable n al inicio de la

expresin, para quedar:
1 -
= y L, F(w)' o(w - /lW o) (lV13)
'1"'_

En la expresin IV13 se puede apreciar que la convolucin para cada

va lor de n, es vlida en un solo punto, cuando el argumento de la delta,
w - muo= 0, hace v lida la frecuencia igual a n-veces mltiplo de la frecuen-
cia W o (w = n wo); quedando e l resultado de la convolucin para el valor
(n wo) como la fun cin F(w), evaluada en (w - nwo)'

1 -
sU,,(t)] = y L,F(w- nwo) (IV14)
,,"'-

La expresin rV14 nos indica una periodizacin de espectros cada nwcY

la amplitud de los espectros estn afectados por un factor l i T, recordando
que T es el periodo de muestreo.
Pero veamos, desde el punto de vista grfico qu nos indica la expre-
sin rV14? En la fi gura rV6 se tienen las seales en el dominio de la fre-
cuencia de la seal a banda limitada F(w); rV6(a), el tren de impulsos a la
frecuencia nwo(w), rV6(b), y el resultado d e la convolucin de rV.6(a) y IV6(b)
generando la periodizacin del espectro ry.6(c).

114
n) F(w)

- Wm Wm IV

b)
1 Wo o(W-nWo)

2.
wU= T

o Wo

e) Fm{w )

FIGURA IV.6 . Efecto de periodizacin d e l espectro :

a) se al a banda li mita d a , b) tran s formad a de F ou ri e r del tren de impul sos ,
yc) resultado d e la co n volu c in d e las seales a) y b)

11 5
 TEOREMA DE MUESTREO

En la figura rV6, se pueden apreciar los sig uientes puntos:

1) El espectro F(w) se repite cada nwo
2) La amplitud de F(w) se ve afectada por (l iT)
3) Entre nlOo y (n + l) lOo debe d e poder contenerse dos veces lO"" sien-
do lO", la frecuencia mxima d e la seal (seal a banda limitada).
Segn los comentarios anteriores, se pued e poner d e manera explcita
el teorema de muestreo, es decir:
Sea fU) una seal d e banda limitada con F( w) = O p a ra IWol" 2w", .
Entonces f(l) est determinada unvoca mente por sus muestrasf(nT), con
11 :;;:: 0, 1, 2 ... , si
(IY. IS)

d ond e !v o = 2; = frecuencia d e muestreo

lo " 21m (IY. 16)

con

fo = frecuencia d e muestreo
1,,, = frecuencia mxima de la seal
Definiremos W como la frecuencia angular y f como la frecuencia en
ciclos por segundo.
Al teorema d e muestreo tambin se le llama frecuencia de Nyquis l o
teorema de Shanl1ol1.
Si no se cumple la relacin [V IS o [V16 se produce el efecto denomi-
nado "recubrimiento de espectro", como se pued e apreciar en la figura IV7.
Una vez producido el recubrimiento de espectro, NO se podr recupera r la
seal analgica correspondiente.

RECONSTRUCCIN DE LA SEAL ANALGICA

A PARTIR DE LAS MUESTRAS DIGITALES

Al proceso de reconstruir la seal analgica a partir de sus muestras digitales

se le denomina "conversin di gital-analgica". En la ex plicacin siguiente,
partimos d e que la fase d e muestreo (conversin analgica-digital) fue rea-
lizada por muestreo idea l, adicionalmente, partiremos de la representacin
en frecuencia, es decir, d el espectro periodizado (figura lV8). Hechas las
11 6
 Recubrimiento
Fm (w) de espectro

FIGURA IV. 7. Efecto de recubrimiento de espectro cuando

no se re spe ta el teorema de muestreo

aclaraciones anteriores se pueden plantear dos situaciones posibles: a) No

se respeta el teorema de muestreo, y b) S se respeta el teorema.

a) No se respeta el teorema de muestreo, es decir, que IV", > ~o , enton-

ces no se puede reconstruir la sea l fU)
W
b) Si se respeta el teorema de muestreo implica que IV" ,; _ 0 ; enton-
2
ces, partiendo del espectro periodizado, el cual est afectado por una am-
plitud 1 /T, lo que se tiene que rea lizar es una multiplicacin con un filtro
de ganancia T. Cabe remarcar que se puede filtrar cualquiera de los espec-
tros, pero el ms senci llo es el que se encuentra alrededor de la frecuencia
cero. Las frecuencias de corte del filtro ideal pueden tener dos puntos de

corte: 1) desde -w", hasta w", y 2) desde - ~o hasta ~o (vase la figura IV.B.
El efecto del filtro ser eliminar todos los espectros restantes, de tal modo
que calcular la transformada inversa de Fourier de la seal F(w) dar como
resultado j(t).

DESARROLLO ANALTICO PARA EL CLCULO DE LA SE A L ORIGINAL

ANALGICA A PARTIR DE MUESTRAS DIGITALES

En la seccin anterior se empez a esbozar grficamente la reconstruccin

de la seal analgica a partir de muestras digitales, ahora se llevar a cabo
el desarrollo analtico. Dicho desarrollo parte de la definicin de la trans-
rormada inversa de Fourier; a modo de recuerdo ponemos la defin icin en
la ecuacin lV.17.
11 7
 FII/( w ) . .
Filtro de amphtud T
liT /

W o
2
w
F IGURA IV.B. Fi ltro de amplitu d T y d e limites --t a -t, filtro id ea l,
W

Filtrado de un espectro , con e l fin de poder recupera r la sea l original . primero

a F(w) y posterio rm ente a f(t) , a travs de la transform a da in ve rsa de Fou rier

f(t) = 2. f- F(w)eJ"'dw (IV.17)

211

d onde sabemos que F(w) es la funcin en el domino de la frecuencia .

Partiendo de la ecuacin V17 y sustituyendo la funcin periodizada

F,,,(lO), multiplica mos por un fi ltro idea l rectangular definido de --:f

W W
a - o
2
y de amplitud T, dando la exp resin de la ecuacin VI8.
Vu n
f(t) = 2~ f
- Wu/2
TF., (w)e J"' dw (IV.lB)

Si sustituimos la expresin de F,,(lO) como la transformada directa de

Fourier d e muestras discretas:

(IV.19)

siend o t = nT, se tienen muestras de la seal cada nT.

Sustituyendo la ecuacin IVl9 en VI 8, se genera e l siguiente re-
sultado:

(IV.20)

11 8
 Interca mbiando el orden d e la integral y la suma toria qu eda:

(1v'21)

Agrupand o lo que est en trminos d e la va riab le w:

(IV.22)

Integra ndo con respecto a w:

(1v'23)

Se eva lan los lmites de la integral, qued ando:

(IV.24)

Aplicando la propiedad d e Euler d el seno:

(Iv'25)

seno (x)
Com p lementa nd o la exp resin d e la fo rm a x (funcin de
muestreo), qued a:

:-
211 "._
[2
(1 - liT)
]
T - ( liT) - - - s enl (i-IIT)wo / 21 si ?VII
211
=--=- (1v'26)

(1v'27)

Fin almente tenemos la expresin I V.2?, la ctI ,, 1 e~ la connl lucin de

d os sei\a les, una d e ellas es el tren de impu lsos de amplitud dados por lo,
119
valores de la sea l original a los intervalos nT; la otra seal es una funcin
de muestreo (sampling) :

(1V.28)

Expresada en trminos de la funcin sinc(x), queda:

(1V.29)

Grficamente se puede apreciar la reconstruccin de la seal ana lgica

f(l) a partir de muestras digitales en la figura ry.9. Podemos apreciar cmo
sobre cada delta se posiciona una funcin de muestreo

Los va lores que no existan entre nTy (n + l)T han sido ahora interpolados
por la suma de todas las funciones de muestreo a un tiempo dado (hay
va lores positivos y negativos).

(I)

V(I) __

IIlrl
FI GURA IV .g . Reconstruccin de la seal analgica a partir de muestras digitales

120
 MUESTREO REAL

Pa ra el muestreo real, se conside ra que no existen d eltas d e Dirac, y lo ni-

co que contamos son funciones cu adradas (o ventan as).

n) Si d eseamos muestrea r una seal d tiempo continuo x(t), lo que

hace el muestread or "bloquead or" es suje tar el va lor instantneo de la se-
a l al instante nT y deci r que se es el va lor d e la sea l del intervalo (n I) a l
intervalo (n + l )T, Y as, pasa despus a una fase de cuantizacin y represen-
tacin de los valores. Un ejemplo grfi co se muestra en la sigu iente figura:
x(II T)
x( t)

Bloqueador

>
o T 2T 3T 4T

FI GURA IV. 1 O. Proceso de mu estreo rea l con la tc nica d e "blo queo"

En el d ominio d el tiempo es convolucionar la funcin x(nI) con la

funcin n (t). En el d ominio d e la frecuencia resulta una multipli cacin d e
espectros (propied ad d e convolucin d e la transformada d e Fourier).
La transformada de Fourier de la ventana de duracin T y amplitud A es

Asen (2WT)
D(w) = ( wf )

De forma grfica, pod emos ver el efecto de convoluciona r las dos se-
ales en la fi gura ry.n , dond e se pued e observa r que se genera distorsin
d el espectro por la multiplicacin d e ambas sea les.

Fm(w)

F IGURA IV .11 . Resultado de co nvolucionar las muestras de f(t) co n una funci n ve nta na
12 1
 Si ahora el filtro en el dominio de la frecuencia es una funcin sampling
al cuad rado, veremos cmo afecta la funcin en el dominio d el tiempo.

A[sen(WJI2) ]'
lU -
2

~ o
FIGURA IV. 1 2. Efecto de multiplicar e l espectro periodizado
w

10
Fm(w) con una funcin del tipo samplin g al cuadrado

En el dominio del tiempo, la funcin resultante ser la convolucin de

f(t) con F-l [sampling'].

x(IIT)

Tringulo (t)

*
o

o T 2T 3T 4T 5T 6T 7T

FIGURA IV.13 . Re co nstruccin de la seal analgica f(l), como resultado

de co nvolu ciona r los valores di sc retos de la seal, con una funcin tringulo
de l tiempo

122
 Variables y procesos aleatorios

INTRODUCCIN

E
N EL PRES ENTE CAPTULO se cubren temas ta les como procesos esto-
csticos, va riabl es aleatorias y procesos ergdicos. Se plantean dife-
rentes herramientas para caracterizar va riables aleatorias, entre las
cua les destacan las siguien tes:

Funciones de d ensid ad de probabilidad

Funciones de d istribucin de probabilidad
Esperanza matem tica o valor esperado a su s diferen tes rd enes:

l primer orden se ca racteri za n por el valor promedio,

a segundo orden por el va lor cuadrtico medio, la va rianza, la
desviacin estnd ar y la correlacin,
a tercer ord en se exponen concep tos como el "sesgo" (grado d e
s imetra con respecto al va lor medio), y
a cuarto ord en se ex p o n~ el concepto de "ku rtosis", la clIa l indica
el grado de sim ilitud entre una fun cin d e densidad cualqu iera y
una funcin de d ensidad gaussiana.

Finalmente se exponen conceptos de funciones de densidad y dist ri -

bucin conjunta (nica me nte para dos variables aleatorias), funciones de
correlacin, fun ciones de l utocorrela cill, fun ciones de co rrellcin cru za-
da, independenc ia es tads ti ca, ene rg<l, potenc ia, ergodic ida d y esta-
cional id ad .
 TAXONOMA DE SEALES ALEATORIAS

Existen diferentes clasificaciones de sea les a leatorias; de entre ellas, pre-

senta mos una que nos parece hac doc porque toma en cuenta propiedades
estadsticas de la sea l (vase la figura VI). Si las propiedades estadsticas
se conservan en el transcurso d el tiempo se habla de seales aleatorias esta-
ciol1arias, a diferente orden (a primer orden, en sentid o a mplio y en sentido
estricto). Las seales estaciol1arias se pueden subdi vidir en ergdicas y 110
ergdieas. La e rgodicidad est en funcin d e promedios estadsticos, los
obtenid os a partir del ensamble y los obtenidos a partir d e una realizacin.
Si los promedios estadsticos de ensamble son iguales a los promedios es-
tadsticos d e una realizacin, entonces se dice que el proceso es ergdico;
en caso contrario es no ergdico.
En cuanto a la rama de la clasificacin de seales 110 estaciol1arias, stas
cuentan con clasificaciones particulares que dependen del tipo de aplica-
cin. A modo de ejemplo: la seal de voz es no estacionaria. La sea l de voz
ha sido objeto de mltiples clasificaciones: a) de hombre, b) de mujer, e) de
nio, d) de adulto, e tctera.
Para el an lisis de seales, y desde el punto de vista d e la ingenie ra,
se asume que las sea les en estudio cumplen las p ropiedades de estacio-
l1alidad y de ergodicidad.

Seal alea toria

Estacionaria

Ergdica No ergdica

F IGURA V. 1. Taxo nom ia de sea les alea toria s en funcin

de sus propiedades es tadisticas

A continuacin se citan las herramientas estadsticas comnmente uti-

li zadas para la caracteri zacin d e seales a lea torias: 1) valores promedio,
2) funciones de densidad y de distribucin, 3) funciones de correlacin,
4) funciones de d ensidad espectra l, y 5) funciones de d ensidad espectral
de potencia cruza da .
De manera ms explcita, tenemos:
124

1. Va lores promedio
media
va rianza
va lor cuad rtico medio
desviacin es tndar
va lo r eficaz
momentos de orden tres y cuatro (o rden superior)

- fu nc in de d ensidad de probabilidad
2.Funciones de distribucin
{ funcin de distri bucin acumulati va

funcin de correlacin
3. Funcio nes de correlacin Rxx(t, t + r)
{
funcin de correlacin cruzada Rxv (t, t + T)

4. Funcin de densida d espectra l {- hmcin de densidad espectral de po tencia,Su(w)

funcin de densidad espectral de potencia cruzada.

5. Alea toria conjunta
{ bxiw) respecto a otro proceso

Las cinco formas d e ca racterizar se ales alea torias sern d esc ritas a lo
largo d el p resente captulo, pero antes d e entra r en sus desc ri pciones es
necesa rio un pequeo repaso o recorda to rio de a lgunos conceptos fund a-
menta les d e probabilidad .

DEFINIC iN BSICA DE PROBABILIDAD

De entre tod o el ca mpo d e la prob,.bilidad, nicamente se p resen ta una defi-

nicin d e sta, la cual es restringida a eventos mutuamente excluyentes. La
p robabilidad tiene d os en foques: uno axiomtico y el otro por frecuencias
rela ti vistas; el enfoque ax iomtico est fuera del alca nce d el p resente libro.
La ap roximacin por frecuencia rela ti vista d efine a la probab ilidad
como la re lac i n :
P(A) = N A (V I )
N

La va lidez de la ex pres in V. I requi ere que el nmero de veces que se

repite el ex pe rimento sea muy grande (N -. ~)

125
donde;

prAl = probabilidad de que ocurra el evento A

N = nmero total de veces que se repite el experimento
NA = nmero de veces que ocurre el evento A

P(A)= lim NA (V.2)

N-+_ N

Si se tiene M eventos mutuamente excluyentes A, B, C, ... , M, Y cada

evento tiene asociada una probabilidad prAl, P(B), P(C), ... , P(M), se pue-
den calcular sus respectivas probabilidades a travs de frecu encias relati-
vas, es decir, contabilizando el nmero de veces que ocurre un evento dado,
con respecto al nmero total de veces que se realizan los experimentos.
Esto es, el nmero de veces que ocurre el evento" A" lo designamos NA; N.
para el evento B, y as sucesivamente. El nmero total de realizaciones N
ser la suma total del nmero de eventos. Es decir;

lim NNA; para

La probabilidad d e ocurrencia del evento A ser P(A) = N-+_

el evento B ser P(B) = lim NN' , Y as sucesivamente.

N~_

La suma de todas las probabilidades de todos los eventos posibles

ser igual a uno; prAl + P(B) + P(C) + ... + P(M) = 1 (vlido nicamente para
eventos que son mutuamente excluyentes).
La probabilidad de un evento est acotada entre cero y uno;

Q';P(A)'; (V.3)

Si la probabilidad de un evento es cero (P(A) = O), entonces se denomi-

na evento imposible; por otro lado, si la probabilidad de un evento es uno
(P(A) = 1), se le denomina evento certero.
De los resultados anteriores se establecen los siguientes axiomas;

1. prAl ~ O
2. pro) = 1, con o= lA , B, C, ... , MI el nmero total de eventos.
3. P(A + B) = prAl + P(B) si Y slo si A n B = 0, con A y B eventos mu-
tuamen te excl us ivos.
o = espa cio muestra del experimento realizado (conjunto de todas
las posibles sa lidas o conjunto uni versa l)
126
 VARI A BLE A LE ATORl A

Desd e el punto d e vista d e la ingeniera, una variable alea toria (VA) es sim-
plem ente una d escri pcin numrica del resultad o de un experimento a lea-
torio.
Sea el espacio muestra S = {a l el conjunto d e tod as las posibles salidas
del expe rimento. Cu and o la salida es a, la variable a leatoria tiene un valor
que se d enota por X(a). Dependiendo d el espacio muestra, las variables
aleatorias se di viden en:

Continuas: si su esp acio muestra siempre es continuo

Discretas: cuand o su espacio muestra puede ser d iscreto, conti-

nuo o una mezcla d e ambos

Ejem plo: La generacin de una variable aleatoria la pod emos ver como
los n meros generados con un disco y una m anecilla; el d isco est di vid ido
com o u n reloj (d el uno a l d oce). Aplicando una fuerza a la manecilla, sta
gira r, d e tenindose en un nmero; el valor d e dicho nmero lo elevam os
al cu adrad o, as la variab le aleatoria toma r un va lor comprend ido entre 1
y 144 (12 al cu adrad o). La siguiente grfi ca muestra nuestro ejemplo:

12

Giro

100 144 200 x

Pa ra poder ca racterizar variables aleatorias, se requ iere co nocer la fun-

cin de dis trib ucin de probabilidad y la fu ncin de densidad d e probabi-
lidad, las cuales se estu diarn a con tinuacin.
127
 FUNCIN DE DISTRIBUCIN DE PROBABILIDAD

Sea X una va riable aleatoria y x cualquier valor permitido de variable

aleatoria. Definimos la funcin de distribucin por:
Fx(x) = PX S xl
La funcin de distribucin de probabilidad posee ciertas propieda-
des, las cua les se citan en las ecuaciones (Y.4)-(Y.8):
lo F , ( ~) =D (V4)

2. F , (~) =1 (V.5)

3. D" F,(x) ,; 1 (V6)

4. Fx (XI)'; Fx(x, ) con XI < x, (V7)

5. P(x I < x,; x,) = Fx(x, ) - Fx (XI) (VS)

En la figura Y.2 se muestran algunas funciones de distribucin, tanto

para variables discretas como para variables continuas.

F~ (x)

0.6

0.4

0.2

o x O a b e x
lo) lb)

O x
Id)

F IG URA V .2 . Ejemplos de funciones de distribucin de probabilidad :

a) y e) continuas y b) discreta
128
 Ejemplo 1. Sea la funcin de distribucin de probabilidad definida en
la figura Y.3. Se desea ca lcular la probabilidad d e que la va riable aleatoria
X sea menor o igual a -5, ma yor o igual a -5, mayor o igual a 8, entre -5 y 8;
y finalmente , que sea mayor que cero.
De la grfica podemos toma r los valores para cada rango d e la varia-
ble a lea toria , es d ecir:
P(x S -5) ~ Fx (-5) ~ 0.25
P(.D -5) ~ 1 - Fx (- 5) ~ 0.75
P(x > 8) ~ 1 - Fx(8) ~ 0.1
P(-5 < x S 8) ~ Fx (8)- Fx (5 ) ~ 0.65
P(x > O) ~ 0.5

F,(x)

- 10 -5 o 8 10

FI GURA V.3. Fun cin de distribu cin d e probabilidad co ntinua F )(( x)

Ejemplo 2. Sea X una va riable aleatoria con funcin d e distribucin de

probabilidad d efinida por la figura Y.4. Encuentre la probabilidad de que
la va riable aleatoria sea menor o igual a 4; y ta mbin de que la variable
aleatoria sea mayor a 3/ 4.

Es d ecir, d eseamos saber:

P(x::; 4)
P(x > 3/ 4)

o cuando -oo<x<- l
P(x

l
Sx)~ -1~ +~x cuando - 1 <x< 1
cuando

129
 o x
-1

FI GURA V .4 . Fun ci n d e distribucin de probabilidad co ntinu a F i x) e ntre -1 y 1

P(x ~ 4) =1, por d efini cin de probabilidad

Para una va riable aleatoria X d iscreta, su funcin de distribucin siem-

p re involucra una sumatoria d e esca lones ponderada, esto es:
N
Fx(X): P(x)u(x-x) (Y.9)
.\

FUNCI6N DE DENSIDAD DE PROBABILIDAD

La funcin de d ensidad de probab ilidad es la derivada de la funcin de

distribucin respecto a la variable aleatoria X (vase la ecuacin VIO).

d
x(x): - Fx(x) (Y.l0)
dx

Condicin de existencia: Si la derivada de Fix) existe, entonces fx(x) ta m-

bin existe. Sin embargo, hay casos en d onde Fx(x) no est d efinida , por lo
cua l es necesario utilizar el concepto definido de impulso unitario 8(x).

Con 8(x): ~u(x) o bien u(x):

dx
J' 8(~)d~
-
(V.ll)

Utilizando la ecuacin V9 podemos escribir la funcin de densidad

de probabilidad para variables alea torias discretas como:
N
x(X): P(x, )8(x-x,)
,., (Y. 12)

130
 PRO PIEDADES DE LA FUNCIN DE DENSIDAD
DE PROBA BILIDAD

1. fx (x) ?' O para toda x (V.13)

2. [ fx(X)dX = 1 (V 14)

(VIS)

4. P(x, < x '; x, )= r" fx(x)dx (V.16)

t,

Funcioll es de densidad ms conllmes

A continuacin presentamos las funciones d e densidad ms comunes, tales

com o la fun cin n orma l o ga ussiana, la funcin unifo rme, la funcin
ex ponencial y la funcin Ra yleigh.

Funcin de densidad de probabilidad

normal o gaussiana

Una va riable a leatoria se dice que es ga ussiana o norma l si s u funcin d e

d ensidad tiene la siguiente fo rma:

1;.- _i)2
1 - 20;< 2
f x(X)= ~ e -<x<~ (V I ?)
v21to X 2

d onde:

G
x es la desv iacin estndar
j( es el va lor medio d e x
o x 2 es la va rianza de x

131
 _______ ~----4_-<\

F IGURA V.S. Funcin de densidad de probabilidad del tipo gaussiana

La funcin de distribucin correspondiente se genera integrando la

funcin de densidad desde menos infinito hasta un cierto va lor x, como se
muestra en la ecuacin V1S y en la figura V6.

(VI8)

------- ---- --------- ~

- ~
- ----

0.84 1

0.5

0.159

~ __ ~=---~----~----~------------ x
x-o,
FI GURA V.6. Funcin de distribuc in de probabilidad para la funcin gaussiana

Se puede generar una tabla nica normalizando Fx(x ), esto se lleva a

cabo centrando y reduciendo la funcin, es decir:

x =O y eJ x =1

entonces:

(Y.19)

132
 La expresin Y.19 se utiliza solamente para x 2 O (valores positivos),
para va lores x < O (valores negativos) tenemos F,(-x) = 1 - F,(x); haciendo
cambio de variable, 11 = (, - x) / (J , obtenemos:

(Y.20)

Los va lores de la funcin d e distribucin normal o gaussiana cen trada

reducida se pueden encontrar en el anexo B.

Funcin de densidad de probabilidad uniforme

Una va riable aleatoria es llamada uniforme entre a y b si su funcin d e

densidad es constante en el intervalo (a, b) y cero en otra parte (vase la
figura Y.7). Los valores de a y b son reales en el intervalo [~, =J.

-
f x (x ) -
{_l_
b-a
para a,; x '; b
(Y.21)
O en otro caso

La funcin de distribucin de probabilidad uniforme se obtiene integrando la

ecuacin V.21; dicha funcin se muestra en la ecuacin v'22.

x-a
para a $. x $. b
b- a
Fx(x)= 1 para x >u
(Y.22)
O para x < a

,(xl

- - - - - - - - - - -:..--,--

- , l _ L_ _ _ _ _-,L_ __ x ~L-~~-- ________ ~ ________ x

O 11 /J o b

FIGURA V . l . a) Fun cin de densidad de probabitidad uniforme .

b) funcin de distribucin de probabilidad uniforme

1:13
 La funcin de densid ad uniforme tiene particular aplicacin en la fase
de cuantizacin en un convertidor analgico-digital; es decir, cu ando un
valor analgico dado tiene que corresponder a un nivel discreto, se tiene
que redondear ya sea hacia e l nivel superior o hacia el inferior.

Funcin de densidad de probabilidad exponencial

La funcin de densidad de probabilidad exponencial tiene la siguiente ex-

presin:

~ e-(X_n)lb para x > n

x (x) = b
O
{ para x < a
(Y.23)

La funcin de distribucin de probabilidad exponencial se obtiene integrando la

ecuacin v'23; dicha funcin se mues tra en la ecuacin V,24

1- e - (r-nl/b para x > a

(x) = (Y.24)
{O para x < a

a y b son dos constantes rea les; b > OYa pudiendo tomar cua lquier va lor en
el intervalo [~, =J. Las grficas de la funcin de densidad y distribucin
se muestran en la figura Y.B.
La funcin de densidad exponencial tiene aplicaciones en telecomu-
nicaciones cuando se modelan las fluctuaciones de una seal recibida por
un radar para cierto tipo de aeronaves.

Funcin de densidad de probabilidad Rayleigh

La funcin de densidad de probabilidad Rayleigh tiene la sigu iente ex-

presin:

j
~(X - a)e -(x-n2 / b para x ~ a
x (x) = b (Y.25)
O para x < a

La funcin de distribucin d e probab ilidad Rayleigh se obtiene inte-

grando la funcin de densidad de probabilidad (ecuacin y'25), el resulta-
do de la integracin en los rangos v lidos se muestra en la ecuacin Y.26:

134
 .(x)

1l b

o a x

1.0 - - -- - - - - -- - - -- - --

o a (b) x
FIGURA V.B. a) Funcin de densidad de probabilidad exponencial.
b) funcin de distribucin de probabilidad expo nencial

l _e-1X - n2/ b parax?:n

. j
F, (x) =
O pa ra x < n (V.26)

a y b son dos constantes reales; b > O Y a puede tomar cualquier va lor en el

interva lo [ ~, = ]. Las grficas se muestran en la figura V.9.
La funcin de dens idad de probabilidad Rayleigh es utilizada para
mode lar la envolvente de un tipo de ruido que pa sa por un filtro pasa ban-
das. Tambin es usada para ana li za r los e rrores producidos por diferentes
equipos de medicin.
 ,(x)

x
In)

F~(x)

1.0 f - - - - - - - - - ---=-

0 .5 0.393

O x
lb)

FIGURA v.g. a) Fun cin de densidad de probabilidad Rayleigh,

b) funcin de distrib uc in de probabilidad Ra yle igh

PROMEDIOS ESTADSTICOS

Esperatlzn mntemticn

La espera nza se define como un proceso de p romed iacin cuand o una va-
riable aleatoria se invol ucra. Para una va riable a lea toria X, usa remos la
notacin: E[XJ, esperanza matemtica de X, o bien, va lor esperado de X o
va lor promedio de X; simblicamente se representa a travs d e la expre-
sin V27:

X = Ej X I (V27)

Analticamente, el va lor esperado de una va riable aleatoria con tinua

se obtiene por medio de la expresin V28:

136
 EIXI = X =[xfx(x)dx; (V28)

d ond e:

x = va lor particular de la va riable aleatoria

Ix(x) = funcin d e d ensidad de probabilidad de la variable aleatoria X.

Un caso particular, si tomamos como fun cin de densidad de probabi-

1 -2 2
lidad a una funcin normal O gaussiana, fx(x) = ~2 1[(J 2 e-('-') /2, , se pued e
obtener la expresin para el clcu lo del va lor esperado de X, es d ecir:

1-
Elx] = - -
h1[(J 2 -
f- -"
xe -1f - r ) /20 dx
(V.29)

Va lor esperado de una funcin de una VA

El va lor esperado d e una funcin rea l g(x) de una VA est definido por la
ecuacin V30:

Elg(x) 1= [g(x)fx (x)dx (V30)

Mome" tos

Una aplicacin inmed iata d el va lor esperado de una fun cin g (x) , de la
va riable aleatoria X, es la generacin de momentos.
Dos tipos de momentos son definidos: por un lado, los momentos al-
red ed or del origen, y por otro, los momentos alrededor de la media (mo-
mentos centrales). A continuacin definimos los momentos a lrededor d el
origen.
Momentos alrededor del origen

Sea la funcin
g(.r) = .r", 11 = 1,2,3, ... (V3 1)

Partiendo de la defini cin d e va lo r espe rado (ecuacin V30), el pro-

psito es calcu la r a hora el va lor espe rad o de la funcin g(x); la ec uacin
Y.32 muestra la expresin para el clcu lo de dicho va lor promedio.
137
 E[g(x) ]= [x "fx (x)dx (V.32)

La esperanza matemtica definida en la ecuacin V.32 genera momen-

tos alrededor del origen de la variable aleatoria X. Si denotamos el momento
n-simo por mil I tenemos:

111" = E[x" ] = f~ x"fx(x)dx (V33)

Por ejemplo para 11 = 0, entonces /li D = 1;

para 11 = 1, entonces /11 1 = E[x] = X

para 11 = 2, tenemos 111, = E[x' ] = f~ x'fx(x)dx = x '

El primer momento /11 l' se conoce como valor esperado d e x

El segundo momento /11 " como valor cuadrtico medio

Momentos centrales

Los momentos formados a lrededor de la media reciben el nombre de mo-

mentos centrales, definidos como el va lor esperado de la funcin. Ahora la
funcin g(x) queda d efinida como la va riable alea toria menos la media, es
decir:
g( x) = (x - x)" ,/1 = 0, 1, 2,3, ... (V34)

Si sustituimos en la ecuacin V.30, resulta la ecuacin V.35, la cual se

conoce como fun cin generad ora de momentos centrales 11", d e orden n
(siend o 11 un entero positi vo).

E[g(x) ] =E[(x-x)" ] = ~ " = [(x-x)"f,(X)dx (V35)

Por ejemplo:

Para 11 =0
Para 11 =1 ~ ,= E[ (x-x) ] = E[ x ] - E[ xJ = x-x=O=> ~ , =0
Para 11 =2 ~,=E[(x - x)' ] = [(X -X)'f, (x)dx
= Elx 2 J- X2 = 1// 2 _ 2
111 , = 0';

138
 Al momento centra l de orden 2 ( ~, ) se le conoce como varianza de la
VAX. Si el va lo r med io es cero: x = 0, ento nces la va ri an za es igua l a l va lo r
cuadrtico med io: cr; = 111 2 .
El anlisis de los estimadores escapa d e los objeti vos d el presente li-
bro d e tex to; nos limita remos a cita r las expresiones para variables alea torias
discretas. Existen d os tipos de estimadores: con sesgo y si n sesgo. A conti-
nuacin definiremos las ecuaciones para la estimacin d e momentos d e
orden 1 y 2, alred edor d el origen y centrales, con sesgo y sin sesgo.
Estimador pa ra momentos d e orden 1 y 2 con sesgo:

1 N
111 , = E[x ] = N L X, (V36)
,"'\

1 N
111, = E[x' ] = - L X,' (V37)
N ;,=\

1-', = E[(x-x) ' ] = ~L (x; -x)' (V38)

,,'
Siend o N el nmero tota l de v alo res d e la variable alea toria.
Estimador para momentos de orden 1 y 2 sin sesgo:

1 N
111, =E[x ]= - - L x; (V.39)
N-l 1.. 1

(V40)

.l , = E[(x-x)' ] = -N l- L (X, -x)' (V.4 1)

- 1 ,.,
Cuando el nmero d e muestras es grande (N --> ~).
Ejemplo. Dete rmine el erro r cuadr tico medi o del error d e cua nti-
zacin que se introd uce durante el proceso d e modulacin por pulsos codi-
fi cad os (PCM ), as umiend o q ue d icho error se distribuye uniformemente en
el interva lo de t.v y t.V, d onde V es la d iferencia entre d os niveles
2 2
cercanos.
139
 x=H ~x _~x) =o
" ,' = E[x' ]-E[x]'
Si el valor medio es cero, es decir x = 0, entonces la varianza del error est
definida por:
1
a ~ = 12 (LU/, error cuadrtico medio

E[x' ] = [x '! x(x)dx

La funcin de d ensidad analticamente la podemos expresar como:

1 -x x
- para--~x~-
!x(x) = X 2 2
{
O en otro caso

Si sustituimos la funcin d e d ensidad en el clculo del valor cuadrtico

medio, obtenemos:

= 3~ [( ~r -(- ~n =3:X [(~)3 +(~)3]

x'
12

... -.
I '.
--- J. - ---- --------- --.-.;,':- ------ ----- --- -- --- -- -- !lj + !lx(2

ax, 'T." .. , ':'-,::-;1. ':,::',::::' '::::::' :::::::::',::; _axn

FIGURA V . 10. Problema de cuantizacin, de l nivel 6x a l 6x + x2.

140
 Momentos de orden superior (orden 3 y orden 4)

Los momentos de orden 3 y 4 portan informacin va liosa en la caracteriza-

cin de variables a leatorias; el poco uso d e ellos radica en la complejidad
computacional p ara su clculo. Los momentos centrales d e ord en 3 nos da n
una idea d el grad o d e simetra o asimetra d e una funcin de densidad ; los
m omentos d e orden 4 nos indican qu tan cerca o lejos est una funcin de
d ensidad con respecto a una funcin gaussiana. A continuacin se presentan
los m omentos d e orden 3, alreded or del origen y centrales.

Alred ed or del origen:

111 " = E[x" J = [ x"lx (x)dx (Y.42)

si 11 = 3, entonces 111 , = E[x' J = f~ x'lx (x)dx (Y.43)

es timador 111 ) = E[x ] = ~

3
L
,~)
X ,3 (V.44)

si 11 = 4, entonces 111, = E[x' J = f~ x'lx(x)dx (V.4S)

es timador
'J
m~ = E[x =
1", .,
N L., x , (V.46)
,.,
Centrales:
1'" = E[(x-x)" J= [ (x - x)"lx (x)dx (Y. 47)

si 11 = 3, entonces I' j = E[(x - x)' J= f~ (x - x)' Ix(x)dx (V.4S)

estimador 1' , = ~ (Xi -x)' (V49)

, ,, )

si 11 = 4, entonces 1' , = E[(x - Xl' J= f~ (.t - x)'lx (.r)dx (V.50)

estimador 1' , = ~ (x , - x)' (Y.S! )

,= 1
.j
 El momento central de orden 3 (fl,), ecuacin V.48, representa una me-
dida de simetra de la funcin de densidad ,(x) alrededor de la media. Si
se normaliza fl, con respecto a la desviacin estndar al cubo, entonces se
obtiene el denominado coeficiente de simetra, como se expresa en la ecua-
cin VS2.
cs;!:l
,,', (V.52)

El momento centra l de orden 4 (fl.l, ecuacin V.50, representa una me-

dida de similitud de la funcin de densidad ,(x) con respecto a una fun-
cin de densidad gaussiana. Si se normaliza fl, con respecto a la desviacin
estndar a la cuarta, entonces se obtiene el denominado coeficiente de
curtosis, como se expresa en la ecuacin VS3.

Curtosis = 11: (V.S3)

",
VARIABLES ALEATORIAS MLTIPLES

La salida de un experimento puede identificarse a partir de dos o ms va-

riables aleatorias, las cuales pueden ser o no independientes una de la otra.

FUNCIN DE DISTRIBUCIN CONJUNTA

Sean las probabilidades de los eventos A; IX ~ xl y B; IY ~ y), las cuales se

definen como funciones de distribucin de las variables aleatorias X e Y
respectivamente.
(V.54)

Definamos ahora el concepto del evento conjunto IX ~ x, Y ~ yl a partir

de una funcin de distribucin conjunta:
(V.5S)

Considerando que
PIX,; x, y,; yl ; P(A n B) (V.56)

Para una variable aleatoria discreta

N M
Fxv (x, y) ; II
11= ] m= ]
P(x" , Yo. )1I(x - x,,)II(y - Ym) (V. 57)

142
 Para N va riables aleatorias x,,; 11 = 1, 2, "" N

PROPIEDADES DE LA FUNCIN DE DISTRJBUCIN CONJUNTA

1. FXY ( -' - ) = O (v'S9)

2. Fxy(- ' y) = O (v'60)

3. Fxy(x, - ) = O (v'61)

4. O" Fxy(x, y) " 1 (v'62)

5. FXy (x , y) es una funcin no decreciente X e Y (v'63 )

6. FXY (x" y, )+ FXY (x " y ,) - FXY (x"y, )- FXY (x" y ,)

= p{ x 1 :5 X :5 x 2, y :5 y :5 Y2} (v'64)

7. FXY(x, = ) = Fx(x) y Fxy(=, y) = Fy(y), funciones de distribucin

marginal (V.6S)

FUNCiN DE DENSIDAD CONJUNTA

Para dos variables aleatorias X, Y la funcin de densidad conj untafx y(x, y)

es definida por la segund a derivada de la funcin de distribucin conjunta,
si sta existe.
- a'Fxy (x , y)
f Xy (x,y ) - axay
(v'66)

Si x, y son variables a lea torias discretas, la funcin de densidad es

N Al

Xy ey, y) = L L P(x" ,Ym)8(x - x" )8(y - y ", ) (v'67)

143
 PROPIEDADES DE LA FUNCIN DE DENSIDAD CONJUNTA

1. f xy(x, y) ~ O (V.68)

(V.69)

(v'70)

(V.71)

5. p{ x, < X < X" y, < y < y, } =

f"f"f xy (.Y' y)dxdy
Yl Xl
(V.72)

(v'73)

Las propi edades definidas por la ecuacin (Y.73) establecen las fun-
ciones de densidad ma rgina l para las variables a lea torias X e Y, respectiva-
mente.
Ejemp lo. Encuentre las funciones de densid ad marginal para las va-
riables aleatorias X e Y cuya densid ad de probabilid ad conjunta es:

Fxy (x,y) = xl/(x)u(y)e-"Y'''

Por la propiedad 6, ecuacin Y.73, encontraremos las funciones d e den-

sidad marginales, tanto para X como para Y.

fx(x) = r xl/(x)e-" ' "dy = l/( xV'

fy (Y) =
Jo
r- xe-"""dx = ~
r-.tII(y)e -"'"dx = I/(Y) Jo (y+ 1)'

INDE PE NDENCIA ESTADSTICA

Dos eventos, A y B, son estadsticamente independi entes, si y slo si

P(A n B) = P(A) P(B) (V.74)

144
Para d os va riables a leatorias tenemos:
A ; I X~xlyB;IY~yl (V?5)

Entonces X e Y son estad sticamente independientes si:

PIX ~ x, Y~ yl; PIX ~ xl PIY~y l (V?6)

Entonces la fun cin d e distribucin conjunta es:

FXY(x,y); Fx(x) Fy(y) (V??)

y la funcin d e densidad conjunta es:

(V.78)

Pa ra el ejemplo anterior, d emostrar si X e Y son va riables estadsticamente

independien tes:
_ 1 .11 _ l/(Y)
l/(x) l/ (y)xe ' y ~ l/(x)e ' . _ -
(y + 1)'

e-'
~ l/(x) l/ (y) (y + 1)' , por lo tanto X e Y no son estad sticamente independ ientes.

Ejemplo. La d ensidad conjunta de las variables a lea torias X e Yes

!Xy(x,y) = ! e-Ixl-l>ll para _ 00 < x < 00 y - OQ < Y < 00

4

a) Son X e Y estadsticamente independientes?

b) Ca lcule la p robabilid ad d e que x ~ 1, Y $ O

1 - 1l1 1 - [yI 1 -I,rl-lwl I

d ebido a que"2e ."2 e ; 4e ,por O ta nto X e Y

son VA estad s ticamente indepe ndien tes

p{X~1.Y ~O} ; Lf,(X)dX(f , (y)dy

El valor espe rado d e una funcin d e va riables a lea tori as mllltiples se
d efin e por la ecuacin Y.79.
Elg(x, l/l l ; [[y(X, I/)f" (x, y)rlxrly (V.79)

145
 MOMENTOS CONJU NTOS SOBRE EL O RIGEN

Sea la funcin g(x,y) = x"y' , con m"k = E[x"y'] = [f~ x"y'!Xy(x,y)dxdy

m'k = momentos en el origen de orden n + k
Observe que:
11/ 110 ::;: E[xrr ] momentos mil de la variable aleatoria X

M", = E[yk] momentos mk de la variable aleatoria Y

Entonces m02' m20 Y m il son los segundos momentos de X e Y
mlO ::;: x (Y.80)

(V.81)

al segundo momento m il se le conoce como la correlacin entre X e Y

m" = E[xy] = RXY = f~f~ xy!XY (x, y)dxdy (Y.82)

Si X e Y son estadsticamente independientes, entonces

RXY = E[x] E[y ] o bien RXY =[x!x(x)dx[y!r(y)dy (Y.83)

Lo cual significa que X e Y son variables aleatorias no correlacionadas.

RXy =O slo se cumple si X e Y son funciones ortogonales, pero tam-
bin podemos decir que no hay ninguna relacin entre X e Y, es decir son
variables alea torias independientes.

MOMENTOS CENTRALES

Sea la funcin g(x,y)= (x- x )"(y _ y )k; para dos variables aleatorias X e Y,
tenemos:
11", =E[(x-x )"(y _ y) k] (Y.84)

Il "k = [ [ (x - x )"(y - y )k ! Xy (x, y)dxdy (V.8S)

146
 ~ 20 =E[ (x-x) ' ] = cr , , (VS6)

~ 02 = E[(y - y)' ] = cr ,, (VS7)

El segundo momento central J.l ll recibe el nombre d e covarianza.

~ ll =C Xy =E[(x-x)(y-y) ] = [[(x-x)(y-y)!Xy (x,y)dxdy (VSS)

La integral anterior se puede reducir a:

C Xy = RXY = E[x]E[y] = E[xy ] (VS9)

Si X e Y son variables aleatorias estadstica mente independientes

(no correlacionadas), entonces la covarianza es cero (C Xy = O), la
cova rianza es una medida d el grado de correlacin entre dos varia -
bles aleatorias.
Si X e Y son ortogonales, entonces C XY = E[x) E[y ).

ESTACIONALlDAD

Un proceso aleatorio (PA) se dice que es estacionario si todas s us propieda-

des estadsticas no cambian con el tiempo, en caso contrario es no estacio-
nario.
Se tienen diferentes grad os d e estacionalidad, los cuales d ependen de
las funciones de densidad d e probabilidad de las va riables a lea torias d el
proceso.

FllIlciones de distribucin y de densidad de fin PA

Sea t = ti; entonces, la funcin de distribucin asociada a la variable aleatoria es:

XI = x(t ,) ser Fx(x, t ,) = PIX(t ,) '; x,1 (V90 )

Para cualquier va lor d e x,.

En este caso, Fx(x " t) recibe el nomb re d e fun cin de distribucin de
primer o rden.
Para d os va riables a leatorias XI = X(t ,) y X, = X(t , ), tenemos:

para cualquier va lor de x" x, .

 A la funcin anterior se le llama funcin de distribucin de segundo
orden. Para n variables aleatorias.

Funcin de distribucin de orden 11

Similarmente, para las funciones de densidad tenemos:

(Y.92)

(Y.93)

IN DEPE N DENCIA ESTADSTICA

Dos procesos aleatorios X(t) e Y(t) son estadsticamente independientes si

las va riables aleatorias del conjunto X(t,), x(t ,), ... , x(t.,) son independientes
del grupo Y(t ,), Y(t , ), .. ., Y(t.,), pa ra cualquier tiempo ti' t" ... , tn; tI' t" t", ...
(V.94)

Proce;:;o almtorio t's taciollnrio de pril/ler orden

Un proceso aleatorio estacionario d e primer orden est d ete rminado por

las ca ractersticas de su funcin d e densidad. Si la fun cin d e densidad no
va ra con el tiempo, es decir, es una constante, se denomina proceso esta-
cionari o de primer orden. Debe cumplir con la siguiente relacin:

x(X, ,t i ) ~ (x, , t i + 8), con '" un incremento del tiempo. (Y.95)

En consecuencia,fx(x ti) es independiente del tiempo, por lo cual el

" constante:
v al or esperado d e X(t,) es una

E [ x( t , ) J ~ x~cte (Y.96)

Un ejemplo d e un proceso aleatorio estacionario de primer orden es el

siguiente:

148
 X( I)= Acos(wl + <1 con A y l constantes; y 4> una variable aleatoria con
funcin de d ensidad uniforme en el intervalo [0, 211].
Demostracin: Si calculamos el valor esperado d e X( t ), se tiene que:

E[X(t)] = E[Acos(WI+<I] = f X(t)fx(x)dx= f Acos(wl+<Id<l>=O=cte

"- 2"

Proceso aleatorio en sentido amplio

Un proceso aleatorio es estaciona rio de segundo orden si su funcin d e

densidad de segundo orden satisfa ce la siguiente relacin:

f , (x" x, ;lpl, )= !.(x"x, ;I, +6, 1, +6) V 1, Y 1, (Y.97)

Si 6 = - t" entonces
f, (x" x, ;I" I, ) = f, (x" x,;O,I, - 1, ) = f, (x" x,; O, T) (V.98)

siendo ~ = t, - t,

La ecuacin Y.98 representa la funcin d e densidad de probabilidad

estacionari a de orden 2. Podemos apreciar que dicha expresin est en fun-
cin nicamente de la diferencia d e tiempos t, - t,. Partiendo de la expre-
sin Y.98, podemos extraer las siguientes observaciones:

El valor esperado de E[X(t,) X(t ,)] esta r nicamente en funcin de

la diferencia de tiempos t, - 1,
La fu ncin de au tocorrelacin definida por la ecuacin Y.99 est
nicamente en trminos de la diferencia de tiempos

Rxx (t , , 1, ) = E[(X(t , )X(t, ]= E[X,X, ] = Rxx (t , - 1, ) = Rxx (T) (Y.99)

Es d eci r, si ~ = t, - 1l' en tonces R" (X ,, X, ) = R,, (T) => v lido solo para PA
estaciona rios de segundo orde n.
Puede observa rse que
R" (t, , I, H) = [X(t , ), x(t , H )] = R,, (T)

Si un proceso aleatorio cumple con las d os cond iciones siguientes:

E[x(I) ] = ete
R", (t " t ,) = R, (t" 1 ,+ r)

149
entonces se dice que el proceso aleatorio X(t) es estacionario en sentido
amplio.
La estacionalidad en el sentido estricto se cumple cuando la funcin
de densidad conjunta a cualquier instante de tiempo no cambia, es decir, es
constante para todos los intervalos de tiempo.
Ejemplo. Muestre que el proceso aleatorio X(t) = Acos(wt + 8) es esta-
cionario en sentido amplio. Considere que A y w son constantes y 8 es una
variable aleatoria uniformemente distribuida en el intervalo [0, 21t].
Demostracin: Lo que se tiene que demostrar es que el proceso X(t)
cumple con las dos condiciones siguientes:

E[x(t)] = ete

Primeramente definirnos la funcin de densidad para la variable

aleatoria 8, la cual es uniforme nica y exclusivamente en el intervalo
[0, 21t]. La funcin de densidad del proceso aleatorio X(t) est determinada
por la variable aleatoria; en nuestro caso es 8, es decir:

/, (8) = {~~ para O,; 8 ,; 2n

en otro caso

fo(e)
Pele)

1
2n~--------------' -- - - - -- - --:;.-.-,-- -

~------------~~-----e ~~------------~----___ e
O 2n O 2n
(a)
(b)

FIGURA V .11 . Funciones de densidad y de distribucin de probabilidad uniforme

en el intervalo [O . 2n]

a) Primeramente calcularnos el valor esperado:

f- r"
E[ x(t)] = __ xj, (x )dx= Ja Acos(wt+8)d8 = O

150
 b) En segundo lugar, calculamos la funcin d e a utocorrelacin:

Rxx (1, t +r) = E[X(I)X(I +T) J = E[A cos(W ol + 8)A cos(W o[1 +T J+ 8) J
= A' E[cos(W ol + 8) cos(W o[1 + tJ + 8) J

Utilizando la identidad trigonomtrica:

1
cos(a)cos(!3) = 2 [cos(a +13) + cos(a - !3) J

la fun cin d e autocorrelacin qued a:

Rxx (1,1 + t ) = E[A cos(w ol + 8)A cos(W o[1 +t J+ 8) I

A'
=- E[ cos( -W ot) + cos(2w ol + Wot + 28)]
2
A' A'
=- E[cos(w ot )J+ - E[cos(2UJ ol + UJ ot + 28) J
2 2

El segundo trmino es cero. Puesto que el valor p romedio d e una

cosenoidal en un period o comp leto es cero, no importa a qu fase inicie ni
a qu frecuencia oscile. El primer trmino no d epende d e la variable alea toria
8, as que su valor esperad o es la constante misma. Finalmente tenemos la
expresin pa ra la funcin d e autocorrelacin siguiente:

Como el p roceso aleatorio X(t) cumple con las d os condiciones ante-

riores, se pued e concluir que es estacionario en sentid o amplio.
Se deja como ejercicio para el lector el mismo p roceso X (t ), pero ahora
la va riable a lea toria 8 vara en al rango [-n, nI

Propiedades de la j lll lcill de al/tocorre/acill

1. R.,lr) ~ R,,(O); la funcin d e a utocorrelacin tiene un va lor mx imo

en algn va lor d e t
2. R.j -t ) = RjT); la funcin de a utocorrelacin es una fu ncin pa r
3 R, .(O) = E[X'(t) I
4. Si x( t ) es ergdico, con media cero y no tiene compone ntes perid i-
cas, se cum p le limlI__ R,, (t) = O

\5\
 5. Si E[x(t)] = X" Oentonces R,,(E) tendr un valor constante
6. Si x(t) tiene una componente peridica entonces Rx,(t) tambin ten-
dr una componente peridica
7. La funcin de autocorrelacin R.('t) no puede tener formas de onda
estacionaria

Algunos autocorrelogramas tpicos

a) Seal sin ruido

FI GURA V. 12 . Funcin de autocorrelacin para una sena l peridica sin ruido

b) Seal con ruido

FIGURA V. 13 . Funcin de autocorrelacin para una sena l peridica con ruid o

152
e) Seal de banda angosta

FIGURA V. 14 . Fun cin de autocorrelacin para una seal peridica

de banda angosta

d) Seal con ruido de banda angosta

FIGURA V.15 . Funcin de autocorrelacin para una seal peridica

d e banda angosta con ruido

Ejemplo. Sea la funcin de autocorrelacin definida por

Ru(t) = 100e ~I~'+100cost+lOO. EncuentreE[x(t)], yo; :

E[x(t) ] -lo 0= .J1Oo = 10

x~' = R.,(O) -lo E[x '(t) ] = 300

o ; = 300 - 100 = 200 o ; = 200

153
 Ejemplo. x(t) = Acoswol + Bsenwol , donde lo=cte Y A, B sOn VA nO
correlacionadas cOn media cero, con fun ciones de densidad diferentes pero
cOn igual varianza. Demuestre que e l PA es estacionario en sentido amplio:

E[A ] = E[B] =
o~ = oi = E[A ' ] = E[B' ]

E[A, B] = 0, por ser no correlacionadas.

Necesitamos demostrar R,,(t, t +<) = Rn ):

E[x( t )x(t + <)] = E{(AcosWol + Bsenwol)[Acoswo(t + <)+ Bsenwo(t + <)J}

= E[A ' ]E[cosWolcosWo(t + <) + senwotsenwo(t + <)]

como E[B' ] = E[N ], la expresin final para la autocorrelacin queda:

= o' E(coswot )

:. R,,) = o ~ cosw o<' entonces x(l) es estacionaria en el sentido amplio.

FUNCIONES DE CORRELACIN CRU ZADA

Sean los procesos aleatorios X( t) e Y( t ) cuya funcin d e correlacin cruzad a

est d eterminada p or:
RXy (t ,t + <) = E[X(t)Y( t + <)] (Y.1OO)

Si X(I) e Y( I ) son procesos a lea torios estacionarios en sentido amplio,

se cumple que
RXY ) = E[X(t)Y(t H)] (Y.101)

Si X(t) e Y(t) son PA estadstica mente independientes

E[X(t)Y(t + <)] = E[X(t) ]E[Y(t+ <)] (V.102)

Si adems d e ser estadstica mente independientes son estacionarios

en sentido amplio, se cumpl e:
RXy (t) = E[X ]E[Y] = XY = ete (V.103)

t 54
 Propiedades de la !uncill de correlacin cruzada

(VI04)

(VI05)

(VlO6)

(v. lO?)

La propiedad Y.I0S nos indica que la funcin de correlacin cruzada

es simtrica con respecto al eje vertical, es decir; es una funcin par.

DENSIDAD ESPECTRAL DE POTENCIA

Definamos la potencia promedio como:

(VlO8)

es decir:
Pu =< E[x' (t)] > (VlO9)

Si aplicamos el teorema de Parseval: f] x(w)I' dw, entonces podemos

definir la densidad espectral de potencia como:

=1 E[x'( [))]
Sxx (U) ) 1m (V1l0)
T~_ 2T

La funcin de autocorrelacin R xx se puede conocer a partir de la fun-

cin de densidad espectral de potencia Sxx va la transformada inversa de
Fourier de la segunda, es decir

R xx = - 1
. 21t -
f-
Sxx (.) )(,I""dU) (V 111 )

Tambin aplicando la transformada de Fourier a la funcin de auto-

correlacin R xx ' podemos conocer la funcin de densidad espectral
de potencia S XXI como se muestra en la siguiente ecuacin:

155
 (Y.112)

Propiedades de la funcin de densidad espectral de potencia

(Y.J13)

(Y. 114)

3. Sxx es una funcin real (Y. 11 5)

4. - 1 fOS,,(w)dw =< E~X2(t)J > .(Y.116)

2" -

5. - 1
2" -
f-
S"e'"' dw=<R,,(t,t+ T (Y.U7)

(V.118)

El trmino <0> define el valor promedio en el dominio del tiempo.

6. Para procesos aleatorios estacionarios en sentido amplio, se cumple lo

siguiente:
(V.119)

fO
R., (T) = - 1 S.,(w)e""' dw (V.120)
2" -

156
 Curso Matlab

INTRODUCCIN

Mntlnb V4 (M ATriz LABorntory!

M
ATL AB ES UN PROGRAMA que nos permite rea lizar clculos num -
ricos con vectores y matrices. Tambin puede trabajar con es-
calares, tanto reales como imaginarios. Una d e sus capacidades
m s atractivas es la de poder realiza r una amplia va riedad de g rfi cos en
dos y tres dimensiones.
En este curso de Anlisis de seales utili za remos el Matlab como una
herramienta para visualizar seales en forma g rfica.
La s sig uientes instrucciones de Matlab son ampli (1 mclltc utili zadas en
la generacin y procesamiento dig ital de seilales; es to permite observar
ciertas ca ra cte rsti cas de la selal d e manera rpida y f c il.
A continua cin se mues tran algunas instrucci ones bsicas. Se reco-
mienda al alumno practicarlas antes de inten tar escribi r un programa.

COMANDOS DE PROPSITO GENERAL

Manejo d e comandos y fun ciones

help Documentacin en lnea. Nos permite ver lo que 'hace una flUlcin'
what Listado de Directorio de arch ivos con extensin M-, MAT- Y MEX
type Lis ta d e archi vos M-file
loo kfor B squeda desde el teclado a travs del co mando H ELP
wh ich Locali zar fun ciones y archi vos
demo Cor rid a de demos
157
 MANEJO DE VARIABLES Y WORKSPACE (ESPACIO DE TRABAJO)

who Lista de variables actuales. Nos permite saber caractersticas de

una variable tal como su tamao, el tipo, o si es real o compleja
whos Lista de variables actuales, forma larga
load Cargar variables de disco
save Salvar variables de workspace a disco
elear limpiar variables y funciones de memoria
size Tamao de la matriz
length Longitud del vector
disp Desplegar una matriz o texto

SISTEMA OPERATIVO Y ARCHIVOS

cd Cambiar directorio actual de trabajo

dir Desplegar directorio
delete Borrar archivo

Es conveniente abrir una hoja en el editor de Matlab para ir guardan-

do lo que se va escribiendo. Tambin es posible ir generando el programa
directamente en el comando de Matlab, la desventaja es que no se pueden
guardar las instrucciones escritas.

GENERACIN DE SEALES

Para generar una seal primero necesitamos generar un vector de tiempo.

ste se genera de la siguiente forma :

t = 0:0.1:10; % generacin de un vector con incrementos de 0.1 segundos

En Matlab podemos implementar operaciones matriciales; por ejemplo:

generemos una matriz A de nxm .
Para poner comentarios se utiliza el carcter %

A = [1 23;4 5 6;7 8 9]; % generacin de matriz de 3x3 elementos

B = [987; 6 5 4; 3 2 1];
S=A+B % suma de elementos

Resultado, suma elemento a elemento de las matrices

158
5=
10 10 10
10 10 10
10 10 10

51 = A-B % resta d e ma trices

resultado
51 =
-8 -6 -4
-2 O 2
4 6 8

% multiplicacin d e matrices

Resultad o
2=
30 24 18
84 69 54
138 114 90

21 = A. B % producto punto (multiplicacin elemento a elemento)

resultado
21 =
9 16 21
24 25 24
21 16 9

Podemos generar matrices de nmeros alea torios utilizando la ins-

truccin randn y rand:

A = rand (10, 10) % matriz d e nmeros aleatorios con distribucin

uniforme d e 10 x 10;
B = randn (lO, 10) % matriz de nmeros alea torios con distribucin
normal d e 10 x 10.

Si previamente declaramos una matriz y queremos que la matriz de

nmeros a lea torios sea del mismo tamao que la generada, podemos utili-
zar la instruccin size. Veamos cmo:

159
 1 = -100: 2 : 100; % matriz de lx101
y = randn (size(I)); % matriz d e nmeros aleatorios de 1 x 101

Las funciones matemticas tales como coseno, seno y exponencial, ya

vienen programadas en Matlab, as que solamente hay que llamarlas.
Generemos una seal senoidal .t(t) = Asen(O)I + <1, con los siguientes
parmetros:

A=4; % amplitud, la adicin d el carcter ( ; ) evita que

se despliegue el nmero en pantalla
O) = 30; % frecuencia angular
<1> = pi /4; % ngulo de desfasamiento
Y = A'sen (0)'1 + <1;
plot(t, y) % grfica en forma continua
grid % adiciona a la grfica una malla
title('seal senoidal')
xlabel(' tiempo(seg)'} % pone la etiqueta al eje X
ylabel('voltaje') % pone etiqueta al eje Y
gtext(' punto mximo') % pone una leyenda que se puede colocar con el
mouse

La grfica obtenida se muestra a continuacin:

seal senoidal punto maximo
4 r---.-~----~---mr--'~-'--~---'
:
3 ......... .
: :
2 ........... . .,---- - .. - - - - - r-
."'l' ....
,.....~
.. 'y"
: ..
;------

1 - - - - - -.--
: :

- 1 ............... .

-2 ........

: ' 'y
-4 -3
____ o: -

-2
--- ~ --

-1 o
- :._--_. "

2
---- .. ---- --

3 4
Tiempo (seg )

Tambin se pueden obtener grficas logartmicas:

160
tex t(x o' Yo' 'punto') % pone una leyenda dadas las coordenadas (x o' Yo)
loglog ( ) % gr fica en escala logartmica
semilog ( ) % grfica en escala semilogartmica

Grafiquemos ahora la secuencia x(n) ~ 0.9", O:S n :S 10.

n ~ 0:10;
x ~ (0.9).l\n; % aq u el smbolo 1\ indica que n es un exp onen te
st em(n , x) % grfica en forma discreta
grid
xlabel('nmero de muestra')
ylabe l(' voltaje')
ti tle(' secuencia')
Secuencia
2
1.8 - _ ... ___ _ - - ___ __ - - - - - - - - - - __ - - - _ __ -o. ____ __ ___ _
, ,
, ,
1.6 - - - - - - - -- - - - - - - - T - - - - - - - - - - - - - - - - T - - - - - - - -- - - - - - --

1.4 -- -- - - - - - - - - - - - - ~ ------ - - -- -- --- - ~ --- - --- - - - - - - - --

~
1.2 - -- - - - - - - - ------ ~ -- --- -- -- --- - - - - ~ ----------- -- - - -
'"
g o - - -- - - - - - - - - -- , --
- ~ -- - - - - -- - -. - -_., - - - - - - - - - - - --- --
, ,
0.8 -------- -., -------- - - - - - - -- ., -- - -- - - - - - - - - - --
, ,
0.6 - - -. - - - - ---- - - - -. - - - - - - - - - - - - - - --
0.4
_o, __ , ______________ __
0.2
o o 5 10 lS
Nmero de muestra

Si deseamos cambiar la divisin en la grfica usamos las instrucciones:

set(gca, 'x tick',[O 1 2345]);

set(gca, ' ytick',[O .1 .2 .3].

Generemos ahora la secuencia compleja .1'(11 ) = t, HIl o'II.')", - 10 :$; 11 S 10

Graficar su magnitud, fa se, pa rte rea l y parte imaginaria. En Matlab ten-
dramos lo siguiente:

11 ~ -10:10; alfa ~ -0 .1 + O.3j

x ~ exp(alfa* 11)
16 1
subplot(221), stem(n, real(x)); title('parte real'), xlabel('n')
subplot(222), stem(n, imag(x)); title(' parte imaginaria'), xlabel('n')
subplo t(223), stem(n, abs(x)); title('magnitud '), xlabel('n')
subplot(224), stem(n, (180/pi)*angle(x)); title('ngulo de fase'), xlabel('n')

Parte rea l Parte imaginaria

1,-------~-----,

-: 111llll'1fiN,
-4 -2 ~~----~-----7,
-'~0------~0~----~'0 - 10 O 10
n n
3 , -__~M~a~gn~it~ud~__- , ngulo de base
200,----"---------,.

_::: lI""'f1l11i
O ~~~~Lll~~U
-200 ~ _ _ _: -___--:-:
-10 O 10 -10 O 10
n n

Si utilizamos la instruccin hold on podemos graficar varias grficas

en una sola hoja. Para graficar se pueden utilizar los siguientes colores y
caracteres:

Smbolo Color Carcter

y amarillo
m magenta o
r rojo +
g verde -
b azul "

w blanco x
k negro

Ma tlab permite coloca r varias grficas en una hoja; veamos esto con
un ejemplo:

subplot(221) % abre una hoja en donde se pueden colocar cuatro

imgenes
t = -pi:O.Ol :pi % generacin del vector d e tiempo

162
y1 = sin(3t). / t;
plot(t, y1); % grfica en la posicin (1, 1)
title ('funcin sampling')
subplot(222) % se coloca en la figura (1,2)
stem(t, y 1);
subplot(223) % grfica en la posicin (2, 1)
t = 0:pi/50:1O'pi;
plot 3(sin(l), cos(l), t); % grfica en tres dimensiones
title('hlice')
subplot(224); % grfica en la posicin (2, 2)
x = -8:0.5:8;
y=x;
[X, Yj = meshgrid(x, y); % convierte los vectores a matrices de n x m
R = sqrt(X. A2 + Y.A2);
z = sin(R)./ R;
mesh(z); % grfica en tres dimensiones
grid
title('funcin sampling en tres dimensiones')

Funcin sampling continua

3
2

- 1" -_ _ - '_ _ _---'

-5 o 5 -5 5

Hlice Funcin sampling en tres dimensiones

40

~
20 o
o
1
O o 20
-1 -1

Algunas veces es til reescalar la figura para ver mejor la imagen. La

instruccin axis [(xmn xmx ymn ymx]) nos permite hacer esto.
A continuacin veremos algunos ejemplos de programas sencillos para
anlisis de sea les.

163
 SERIES DE FOURIER

Sabemos que utilizando el anlisis de Fourier podemos descomponer

una seal en sus componentes armnicos, por ejemplo, si tenemos una se-
al cuadrada la cual podemos escribir como

4v ~ 1 4v 1 1
f (t) = - L... -Senlll ol = - (senlol + -sen3l ol + -sen5l ol + ... )
1t 1I~1 n 1t 3 5

Vamos a graficar los armnicos de esta funcin generando uno por

uno, y posteriormente haremos un programa para obtenerlos.

1 =0:.1:10;
y = sin(t);
plot(l, y),
D.

o
-0.2
-0 .4
-0 .6

, .. .., ----
-0. 8 .... ,, .. . .," ... ........,, ... ,,... .,, .... ...
"'"
,, .. ..
. ,, . .
~ ~ ~

,
-\0~-~~2-~3-~'~~5~~6~-7~~ ' -~ 9 --"\0'

Primer armnico
y = sin(l) + sin(3* 1) /3;
plot(t, y)
O.

06
O,
0 .2
, ., , .. , , "
.
.... ~_. __ ~ . . . . __ ~_._ . . _._ . .. . . . . . . . . .
, , , , ,
,
.
o ... -:-, -_. -:- ----:, ----:-, ---,., ---.;, - .. , .... r, .... ,~ . ..
-0 .2
, . , .
__ ._~ ____ ~_._~ ___ ~_._.~._._
.,
, - _. - ... _. - "
,
~
,
_. _, '
._.: .... ; .... ~ . ..

. _ . "
. , ,
-0 .4
.,
_ -r
.,
_,o ".," - '.,' . . . . , . _. _, __

-0 .6 _ .........
,
, ..
_'... . .,'..
,
-0 .8

Adicin de dos armnicos

164
y =sin(t) + sin(3* 1) / 3 + sin(5* 1) / 5 + sin(7* 1) / 7 + sin(9* 1) / 9;
plot(l, y)
, , , ,
, , , ,
rrl:n.,'",.:r
, \7 :.. ; .... ; .... ;.. ,
0.6 .... ~ ....:.. . . . . . . . ..: .... ~ .... ; . . . : .... : .... ~ .. .
" ,
" , "
, "
, , ,
0.4 .... :.....:..... :~ -1 - --t.---f----~- --
, , , , , , , , ,
0.2 ____ ____ .. . .. ..: ___ ..: ____ ____ ; ___ : ____ : ____ __ _
~ ~ ~

, , , , , , , , ,
O ____ :"__ _: _____ : ____,
:____, "
, ____, ___ "
; ____ ; __ ._. __ .
, , , , , , , , ,
-0 .2 -- .....,, ......., _-_ ..." --_ .., _."
_-,---_ ., _._"
' ., _--- "----,- --
, ,, , ,, , , , ,
,, , , , , , , , ,
-0.4 -- ..... . .. ,-----, --- . . ----,---- , ---'---- r---- r- --
,, , ,
, ,
, ,", ' ,", ,
____ '- __ ' . . . _-' _ _ _ -' ____ , ____ ,
___ ____ L ____ L __ _
-0 .6
,,, ,, ,, " ' "
-0 .8 ---- , --.- ,,
,
..
,
..... -....
,
,,
" '" ,
--_ ... ,
,, _-- .-._-
,
,
.,, --
,
- 1 , -:-
~o-"""--:- 3-47-~5:--C6:-~7:--C8:--C9,---J1O
Adicin de tres armni cos

t = 0:.02:3.14;
y = zeros(lO, max(size(t))); % abriendo espacio para almacenar los
valores de los armnicos
x = zeros(size(t));

% programa para generar los armnicos de una seal cuadrada

for k = 1:2:19
x = x + sin(k* I) / k;
y((k+ 1) / 2,:) = x;
end

ANLISIS ESPECTRAL

Como vimos en el captu lo IlI, una herramienta pod erosa en el anlisis de

seales es la transformada de Fourier. A continuacin veamos un ejemplo
de la obtencin de sta utilizando el algoritmo FFT:

1 = 0:1 / 1000:0.25; /o vector con datos muestreados

O
al khz
x = sin(2* pi* 60' 1) + sin(2' pi ' 120' 1);% suma de sella les d e 60 y 120 hz
y l = x + 2* randn(size(I)); % adicionando ruido con d esv iacin
% es tndar d e 2

subplot(211)
plot(t(l:100), yl(I :100)), title('seal con ruido en e l dominio del tiempo' );

165
 xlabel('tiempo (seg)'}
grid
y =fft(yl, 256); % obtencin de la fft utilizando 256 puntos
yy = y.* conj(y) / 256; % obteniend o la norma
f = 1000/ 256*(0:127); % generacin del vector frecuencia
subplot(212)
plot(f(1:100), yy(1:100)); % graficando solamente 100 puntos
title('espectro de la seal');
grid
xlabel('frecuencia (hz)'}

Seal con ru ido en el dominio del tiempo

5 r. :! , '. ,:
, ' I~!' ' , ~ .' ,
O
' I~ '\: '. 1\ . . ,~I p' t,, ~ ,'\~rA .J-') "':',
... \ 1'-.'1+\ r "~,o, 1-- --,""r - ~;--'- '~-['., +- ~- _,,~,l_j
-J _ \ 1,1 1, , I '1 '/ 11 / d !A- ll'
'11,
:

,.1,\ "
I

: (IV""
,' . . . : ' .\ 1 :' : \ ?: \ . J ' '\. I
-. ---:-- ---
- 5 -- ---!-----
'. ~-
,
-- - . - -- -- -------~ ---- - .
" . . .,
_,~--~J---- ~-

0 ~~~~~~~~~~~~~~~~~~~~7
O 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
tiempo (seg)
Espectro de la sefial
80

60 -----l-' -----~ -.-------------r . ----. -------- ~ ---- - -. --- -- -

40
: '\
+.
-_. --;-I~ ---- ;t -_... ----_. ~ .-_. -.-.. ------! .. -- -. - f - -- -- -
: 1 : :
20 " , . l
,. ,,', ,\ ~ "_.'
O "'-'----":--" /': .. 1 l . .' , .' 1 '
: '~'~-,-r,,,
~-"':-_.:...:..'-'-"_"__'_ ' '",'.~'-"-,-'
.._- ....>!.":.J.'..:.'-~.=-~'''--'U ::::.L'""'....J
O 50 100 150 200 250 300 350 400
Frecuencia (hz)

CONVOLUCIN

Tambin es posible obtener la operacin de convolucin utilizando Matiab.

Ejemplo 1. Dadas las dos secuencias

x(n) = [3, 11 , 7, O, -1 , 4, 2J, -3 $ n $ 3; h(n) = [2, 3, O, -5, 2, 1]. -1 $ n$ 4

encuentre 'a convo!ucin y(n) = x(n\ h(n)

166
 Secuencia x{n)

Ejemplo 2: Sea el pulso rectangular x(n) = lI(n) -1I(n -10) la entrada a un

sistema cuya respuesta al impulso es h(n) = (0.8)" lI(n). Encuentre la sa lida
y(n). Sabemos que la salida est dada por la convolucin entre x(n) y l1(n).

Al = zeros(1, 5)
A2= ones(l, 10);
A3 = zeros(l, 40);
X = [Al A2 A3]; % generando la secuencia X(I1)
n = -5:49;
stem(n, x)
grid
title('secuencia x(n)')
xlabel('n')
h = (0.9).1\11; % generando la secuencia h(lI)
subplot(31l)
plot(n, x)
subplot(311 )
stem(n, x)
title('secuencia X(I1)')
subplot(312)
stem(l1, h)
title('secuencia h(l1)')
y = conv(x, h); % convolucin entre 1'(11) y h(lI)
subplot(313)
stem(y)
title('convolucin entre h(n) y x(n)')
axis([O 60 O15))

.] J[[[[[[,=,~""=",,:,,j
- 10 o 10 20 JO 40 so

]~
- 10 O 10 20 30 40 so

~LYI.nrr:::::=J
- 10 o 10 20 30 40 so

168
 Bibliografa

Bendat, ulius S. y AlIan G. Pierce, Engilleering App/icatiolls ofCorre/atioll alld Spectrn/

Ana/ysis, EUA, OM Wiley & Sons, 1999.
Blanche t, Grard y Jacques Prado, Mthodes 11l1mriqlles pOllr 11.' traitemt'I/t du siglw/,
Pars, Masson, 1990.
Bri gham, E. Oran, Tile Fast FOllrier Trm.sform , EUA, Prentice-Hall, 1983.
Hsu, Hwi P., An/isis de FOllrier, Mxico, Addison-Wesley Iberoa merica na, 2000.
lItrodllctioll to Random Sigila/s alld App/ied Ka/ma Fi/terillg, 3a . ed ., EUA, OM Wiley
& Sons, 2000.
Manila/ de Matlab 5.0., EUA, Mathwo rks, 2000.
Op penheim, Alan V. y Ronald W. Schafer, Digita/ SigIla/ Processillg, EUA , Prentice-
Hall, 1975.
Oppenheim, Alan v.., Alan S. Willsky y lan Young T., Sella/es y sistemas, Mxico,
Prentice-Hall, 1998.
Papoulis, Athanasios, Sigila/ Ana/ysis, EUA, McGraw- Hill, 1977.
Peebles, Paytan Z., Probnbillty Ralldol1l Variables flI ld Ralldolll Siglla! Prilciples,
McGraw-H ill, 1995.
Rabiner, Law rence R. y Bernard Gold , TIIeory alld App/icatioll of Digita/ Sigila/
Processing, Prentice-Hall, 1975.
Stremler, Ferrel G" Sis temas de cOnl llllicnci/ I, 2a. ed ., M xico, A l faomega, 1998.

169
 Frmulas

lDENTlDADES TRlGONOMTRlCAS

eos( x y) = cos(x )eos(y):: sin(x )sin(y) (1)

sin(x y) = sin(x)eos(y) eos(x)sin(y) (2)

eos ( x ~) = ::sin(x) (3)

sin (x~) = eos(x) (4)

eos 2x = eos' (x) - sin ' (x) (5)

sin (2x) = 2sin(x)eos(x) (6)

2cos (x) = el'>: + f.' -P (7)

2jsin(x) = e" -e- P (8)

2eos(x)eos(y) = eos(x - y) +cos(x + y) (9)

2sin(x)sin(y) = eos(x - y) - cos(x + y) (10)

2sin(x)cos(y) = sin(x -y) + sin(x+ If) (1 1)

171
 2cos' (x) = 1 +cos(2x) (12)

2sin' (x) = 1- cos(2x) (13)

4cos 3 (x) = 3cos(x) + cos(3x) (14)

4sin 3(X) = 3sin(x) - sin(3x) (15)

8cos'(x) = 3 - 4cos(2x) + cos( 4x) (16)

8sin' (x) = 3 - 4cos (2x)+ cos( 4x) (17)

Acos(x)- Bsin(x) = Rcos(x +8) (18)

(19)

(20)

A= Rcos(8) (21 )

B = Rsin(8) (22)

INTEGRALES INDEFINIDAS

f(a + bx)" dx (a + bx),"

b(1I + 1)
O< rI (23)

dx 1
f a+bx
-- = -
b
In la+bxl (24)

dx -1
f (a+ bx)" -
-:-::::--:-:- -
(1I- 1 )b(a+bx)"~
1< 1/ (25)

172
 dx
f c+bx+ax'
b' < 4ac

b' > 4ac

-2
=2ax+b b' = 4ac (26)

f c+bx+ax
xdx
2
l '
- 1 in ax +bx+I.I--
2a
--1 b dx
2a c+bx+ax 2
f (27)

(28)

-:-,--,----"_x-,,-;- + x + x + _ 1_ ta n -1 ( .:.) (29)

6(a' +x' )3 24a ' (a ' + x ' )' 16a'(a' +x' ) 16a' a

(30)

--:-:~7
. ,x---,,, +
24(a ' +X' )'
x
16a ' (a ' +x' )
+ - l - tan - ,( -
16a '
x)
a (31)

(Xl+ax.,Ji +a:) +--tan

f a' dx+ x'
- - = -1- 1n
4a'.,Ji
1
x' - ax.,Ji + a'
ax.,Ji
. ,( - -)
2a' .,Ji a' - x' (32)

f a'x'+dxx'
--=- -
1- In
( x' + ax.,Ji + al)
+- 1 - tan .,( -ax.,Ji
-) (33)
4a.,Ji x' - ax.,Ji + a' 2a.,Ji a' - x'

f -a x dx-
2
+ X2
=-1 1n (a' +x ' ) 1
2

l i3
f-'aX-'+xdX-2= x-a tan - (Xa ) I
- (35)

dx
f (a' + x' )' -:-,.,--,x,------= + _ 1_ tan -, ( .:.)
2a' (a' + x') 2a' a (36)

xdx -1
f (a' +x' )' (37)
2(a'+x' )

(3B)

f _ """,,d.::...,X,...,. = x + 3x +3- tan _, ( -x ) (39)

(a' +x' )' 4a' (a'+x')' Ba 4 (a'+x' )' Ba' a

_ ' d:::;x~
f (a'--;:.x--,+x' )'
= -x + x 1
+-tan
4(a' +x' )' Ba' (a' +x' ) Ba'
_, ( -x )
a (40)

a' x 5x (x)
3 tan _, -
::-:--;::"-...,,,+- (41 )
4(a' + x' )' B(a' +x' ) Ba a

FUNCIONES TRIGONOMTRICAS

f eos (x) dx = sin (x) (42)

f xcos(x)dx = cos(x) + xsin(x) (43)

f x' cos(x)dx = 2xcos(x) + (x' - 2)sin(x) (44)

f sin(x)dx = -cos(x) (45)

f x sin (x)dx = si n (x) - xcos(x) (46)

f x' sin( x )dx = 2xsin(x) - (x' - 2)cos(x) (47)

174
 FUNCIONES EXPONENCIALES

eU
fe RX
dx = --;- a real or complex (48)

.f xe"' dx = e
U
[~- al, ] a real or complex (49)

- - -2x + -2]
fx ' e u d x=e u [x'
a a 2
a 3
a real or complex (50)

(51)

eU
f en sin(x)dx = - ,- [asin(x) - cos(x)]
n +1
(52)

e"'
fe"' cos(x)dx = - ,-[ncos(x)+sin (x)]
n +1
(53)

INTEGRALES DEFINIDAS

(54)

(55)

l-
o
Sa(x)dx =
J,- -
o
si -
n(d
x
X )"
x=-
2
(56)

I: Sa ' (x)dx = ,,/ 2 (57)

175
 SERIES INFINITAS

X, x' - "
e, = 1 +x+-+-+ ~ X
.. -- ~
1 (58)
2 3! ".0 nl.

SERIES FIN ITAS

i>=N(~+ 1)
,,~ l
(59)

f n' = N(N+1~(2N+ 1)
(60)
",, 1

f n' = Nl(~ + 1) (61)

",, 1

(62)

N~
LN

,,~O 11~(N -I/)!

)
x"Y' -" = (x + y)" (63)

N
L e/ o.. "o) si n [(N + 1) $/ 2Je,!O'INo/2l!
(64)
II ~O
sin ($/ 2)

L (N)=L
N

''"o 11
N

IJ=O
_:.:.N,-I- = 2N
I/!(N - II)!
(65)

176
 Tabla de funcin de distribucin
gausiana o normal

x .00 .01 .02 .03 .04 .05 .0 .07 .08 .09

0.0 .5000 .5040 .5080 .5120 .5160 .5199 .5239 .5279 .5319 .5359
0.1 .5398 .5438 .5478 .5517 .5557 .559 .563 .5675 .5714 .5753
0.2 .5793 .5832 .5871 .5910 .5948 .5987 .6026 .6064 .6103 .6 141
0.3 .6179 .62 17 .6255 .6293 .6331 .6368 .6406 .6443 .6480 .6517
0.4 .6554 .659 1 .6628 .6664 .6700 .6736 .6772 .6808 .684' .6879
0.5 .6915 .6950 .6985 .7019 .705' .7088 .7123 .7 157 .7 190 .7224
0.6 .7257 .7291 .732' .7357 .7389 .7'22 .7454 .7486 .7517 .7549
0.7 .7580 .7611 .7642 .7673 .770. .7734 .7764 .7794 .7823 .7852
0.8 .7881 .7910 .7939 .7967 .7995 .8023 .8051 .8078 .8106 .8133
0.9 .8159 .8186 .8212 .8238 .8264 .8289 .8315 .8340 .8365 .8389
1. 0 .8413 .8438 .846 1 .8485 .8508 .8531 .8554 .8577 . ~599 .8621
1.1 .8643 .8665 .8686 .8708 .8729 .8749 .8770 .8790 .8810 .8830
1.2 .8849 .8869 .8888 .8907 .8925 .8944 .8962 .8980 .8997 .90 15
1.3 .9032 .9049 .9066 .9082 .9099 .9 11 5 .913 1 .9 14 7 .9 162 .9 177
1.4 .9 192 .9207 .9222 .9236 .9251 .9265 .9279 .9292 .9306 .9319
1.5 .9332 .9345 .9357 .9370 .9382 .939' .9406 .9.1 8 .9429 .9-J41
1.6 .9' 52 .9463 .9474 .9' 84 .9495 .9505 .9515 .9525 .9535 .9545
1. 7 .955. .9564 .9573 .9582 .9591 .9599 .9608 .96 16 .9625 .%33
1.8 .9641 .9649 .9656 .966' .967 1 .9078 .9686 .9693 .9699 .9706
1.9 .9713 .9719 .9726 .9732 .9738 .97H .9750 .9756 .'Ji" ! .9767
2.0 .9773 .9778 .9783 .9788 .9793 .9798 9803 .9808 .98 12 .98 17
2. 1 .9821 .9826 .9830 .9834 .9838 .9842 .98-16 .9850 .9854 .9857
2.2 .9861 .9864 .9868 .987 1 .9875 .9878 .9887 .9884 .9887 9890
2.3 .9893 .9896 .9898 .9901 .990..J .9906 .9909 .9911 .99 13 .lJ916
2.4 .99 18 .992U .9922 .9925 9927 .9929 .9931 .9932 .99;\-1 .9936
2.5 .9938 .9940 .99-11 .9943 .99<5 .9946 .yq-lg 9949 .9'151 1;1952
2.6 .9953 .9955 .9956 .9957 .9959 .9960 .9961 .99fo2 99J .9%4
2.7 .9965 .9966 .9'167 .9968 .9969 .9970 .997 1 .I]qi:! .99i3 9974
2.8 .9974 .9975 .lJl)76 .9977 .9977 .9978 .997':J .9979 .YYSll .'lYSl
2.9 .<)Y81 .9982 .9982 .9983 .9984 .9984 .',N85 y9S5 'NS -)<.)S;
3.0 .9987 .9<)87 .9987 .9988 .9988 .9989 .9'189 Y9iN 'JI}<JIl 9'.1YO
3.1 .9')<iU .999 1 .9991 .9991 .'1992 .9992 .9992 . (N9~ .99<13 9'NJ
3.2 .9993 ,9'JY3 .9994 .9<J9" .9994 .9994 .9994 .i.J'N5 'i'l'/, 'i'l'/'
3.3 .9995 .<)l}YS .9996 .9'196 .99'16 .99'16 .9996 .'l':N% ,<)<}% IjtNi
3.4 ,99'17 .9997 , 9~7 ,991)7 ,9997 ,<)lNi ,9'/97 ,<J<.Ni .'i'l'/8 ,Cj<)IlR
3.5 ,1.)<}1}8 ,l)91.)8 ,YI.)<.)8 ,l)l)l)R ,91jt)8 .9998 .1.)"")8 YJIJ'N3 99l)~ Y'N8
3.6 .9<>98 ,9 1)l)l) ,1J'l99 ,l)999 .1)999 ,91)99 ,9I.JYo.J ,99'14 l)'1'1'1 IJ9lJ9
3.7 ,l)9'j1) ,1)91)9 ,'-'''XIY ,1)9"X1 .9'199 ,999l) ,99')9 ,Y99 1J 999') 4,,"'1
3.8 .9999 .9999 ,9991.} ,99'-)l) ,99')9 .9999 994'1 Itl(XIO ltl()(K) I()()flt)

177
 ,
Indice analtico

A las trans formadas de Fourier, 11 2;

e n e l tiempo continuo, 77
a lea toria conjunta, 125 curtosis, 142
algoritmo FFr, 165
anlisis espectral, 165 D
autocorre logramas, 152
axiomas, 126 d efi ni cin bsica de probabilidad, 125
dens idad espect ra l de potencia, 124,
B 125, 155, 156
d esa rrollo analtico para el clculo
d e la seal original a nalgicet
banda limitada, 109, 11 3-116 l parti r de mu es tras d igitales, 117
d es plazamiento e n frecuencia , 96, 99
e d es plazamiento e n ti e mpo, 99

clc ulo de la TFD a partir de un;, sea l E

co ntinua, 101
clrilcteri zaci n de sea les alea ton as,
124
clasificacin de seales, 124
coefi ciente 11 ,,1 23
coeficiente 11(1' 24
coeficiente b", 2..j.
coefi cientes 11(1' 11" Y 11", 10, 23
comando:-;, 157
condicin de exis tl'ncitl, 130
condiciones de Diric h lct, 25
convolucin, 10, 77-79, 83-85, 96, tJ9,
106, 11 2-1 15, l1Y , 12 1, 122- 168; de
eje rcicio e n Mat lab, 105
ergod icidad, 123, 124
e rgdico, 10,123, 124, 151
erro r cuadr ti co med io, 139, \40
esc<l l n un itario , 52, 63, 61,94
es pec tro periodi z,ld o , 116, 11 7, \22
espt..' r<l n7<l tnillelll.t ka , 10, 1 2~,
136, 138
est,Kio nalidad , 147, 150; en l' 1..:e ll tid o
l's tri cto , 150
L' ~ 1,1d s tic,llllen te i ndl'pend ell tes, 4" -
148, 154

179
 F funciones d e correlacin, 11 , 123-125,
fenmeno de Gibbs, 28
frmula s, 171
frecu encia de mues treo, 109, 114, 116
frecuencia de Nyquist, 116
frecuencia relativista, 125
funci n de autocorrelacin, 149,
151-155
funcin de autocorrelacin Ru(t) , 152
funcin de densidad conjunta, 143,
144, 145,150
funcin de densidad de probabilidad,
20, 125, 127, 130-1 35, 137, 149, 150
funcin de densidad de probabilidad
normal o gaussiana, 11 , 134, 135
funci n de densidad de probabilidad
Ra yleig h, 134-136
funcin de densidad de probabilidad
uniforme, 133
funcin de densidad espectral, 125,
155,156
funcin de distribucin, 127-130, 132,
133, 143, 145, 147
funcin de distribucin de orde n 1'1 ,
148
Funcin de distribucin
de probabilidad, 127, 128-130,
132-135
funcin de dis tribucin de
probabilidad exponencial, 134, 135
funcin de distribucin de
probab ilidad Rayleigh, 134, 136
funcin de distribucin
de probabilidad uniforme, 133
funcin de muestreo,
funcin decreciente de 11 , 95
funcin delta de Ojrac,
funcin lineal de 11 ,
funcin sampling, 122
funcin sa mpling a l cuadrado, 122
funcin seno, 60, 94, 105
funcin signum, 61, 62, 63
funcin sin c(x), 120
180
154
funciones de correlacin cru zada, 123,
154
funciones de dis tribucin, 123, 125,
128, 142, 143, 147
funciones exponenciales, 19,21,38,39,
40, 51
funciones ortogonales, 21, 22, 25, 39,
146
funciones pares e impares, 31
funciones senoidales, 21
funciones trigo nomtricas, 19,21, 23,
38,60
G
ga ussiana, 11 , 123, 131-133, 137,
141, 142
generacin de seales, 158
generar los armnicos de una seal
cuad rada, 165
grfica en forma continua, 160
grfica en tres dimensiones, 163
identidades tri go nomtricas, 21, 151
importancia de la e leccin del periodo
T en la funci n tren de impul sos
_T(I),21
impulso unitario, 84, 93, 130
impulso unitario desplazado
en tiempo, 93
independencia estadstica, 11 , 123,
144, 148
integral de convolucin, 77, 78, 106
integrales definidas, 9, 13, 49, 109,
123, 157
integrales indefinidas, 172-174
L
ley asociati va, 83
ley conmu tati va, 83
linea lidad , 10, 67, 68, 96, 99
M en e l ti empo, 71
manejo d e vari ables, 158
Ma tlab, 9-11 , 47, 48, 89, 96, 97, 99, 100,
105, 106, 157, 158, 160-162, 166
momen tos, 137; alrededor de la media,
137; a lred edor de l origen, 137, 238;
centrales, 137, 138, 141, 146;
conjun tos sobre el origen, 146;
de orden 1 y 2, 139; d e orden
super ior, 141
muestreador "bloquead o r", 121
muestreo, 9, 10, 43, 101, 102, 109-111,
114, 11 6, 117, 119, 120; rea l, 10, 121;
idea l, 10, 116
o 156
ortogon alidad y series de Fourier, 9,
13, 19
p propiedades de la tran sform ada
period izacin de espectros, 114
periodi za ci n del espec tro,
105, 114, 11 5
period o de mues treo, 114
probabilidad , 9, 10,20, \23, 125- 134,
149
proceso aleatorio en sentido amplio,
149
proceso aleatorio es taciona rio
d e p rimer orden, 148
prom ed ios es tad sticos, 124, 136
propied ad de con volucin, 10, 77,
11 2, 121
propi edad d e corrimiento
en el ti empo, 72, 73, 74
prop iedad de corrimiento
en la frec uencia, 7-t
propiedad de diferenciac in
en el ti empo y en la frecuencia, 85
propiedad de escalamiento
propied ad de escal am iento
en la frec uencia, 71
propied ad d e la fun cin d elta, 57,
58,66
propied ad d e linea lid ad , 10, 68
propied ad d e sime tra, 69, 70
propiedad d e Eu ler, 1\ 9
propi edades de la con vol ucin, 83
propied ades de la funcin
de autocorrel acin, 151
propied ades de la funci n
de correlacin cruza da, 153
propied ades de la funcin
d e d ens idad conjunta, 144
propi edades de la funci n
de densid ad espec tral d e potencia,
propied ades de la funcin
de distribucin, 143
propi edades de la transformad a
de Fourier de ti empo conti nuo, 143
de Fourier de tiempo discre to,
R
recub rimiento de espec tro, 10, 116, 11 7
s
sec uencia, 17,92, 98,99, 10 1, 102 ,
161, 167
seli ales <1 1ea torb s, l-t, "1 9, 12-t , 12'::;
seales continu<l s o an<ll g icas, l-t, 16
sea les de energa, l-t, 15
sei'ales de potencitl , 1-t , 15
seli a les de terrn in sticas, 1-1- , 19
seales d igitzdt:'s, 1-1- , 17
seii,l les d iscret.ls, 9 1-93
seIiales no es t.lc ioI1M i,lS, 12-1-
t8 1
seales peridicas y no peridicas,
17, 18
serie de Fourier trigonomtrica, 22, 27,
29,32,33,36,38,39,47
series de Fourier, 9,10,13,19,25,28,
91,92,164
simetra, lO, 31, 67, 69, 70, 123, 141 , 142
sistema operativo y archivos, 158
subplot, 162, 163, 165-167
T transformada inversa, 52, 59, 69, 71,
taxonoma de seales aleatorias, 124
teorema de convolucin, 84
teorema de muestreo, 10, 111, 116, 117
teorema de muestreo, 116
teorema de Parseval, 155
teorema de Shannon, 116
teora de muestreo, 9, 10, 109
tiempo discreto, 17, 91, 92, 95-101,
106,111
title, 160-163, 165, 166-168
transformada de Fourier, 47, 49-53,56,
61,64,66-70,73,84,85,88,90-92,
95-101,106
transformada de Fourier de tiempo
continuo de una funcin
no peridica (TITe), 51, 64
transformada de Fourier de tiempo
discreto, 91, 92, 95, 97, 98,100,106
182
transformada de Fourier de tiempo
discreto (TITO), 95
transformada de Fourier de un tren
de impulsos, 113
transformada de Fourier discreta, 91,
92,98-101,106
transformada de Fourier discreta (TFO),
98
transformada direc ta, 52, 118
transformada directa de Fourier, 118
96,99,117,118,155
tren de impulsos, 36, 105, 109-115
tren de pulsos de Dirac, 67
truncamiento temporal, 10, 102, 105
v
valor esperado, 10, 123, 136-138, 145,
148-151
valor esperado de una funcin,
137, 145
valores promedio, 124, 125
variable aleatoria, 127-131, 133, 136,
137-139,142,146,147,149-151
variables aleatorias, 10, 11 , 123, 127,
130, 139, 141, 142, 143, 144,145, 146"
147, 148
variables y procesos aleatorios, 9, 10,
123
 ,
Indice de figuras

Figura n.]. Sea les de energa . .......... . 15

Figura II.2. Seal de potencia .. 16
Figura II.3. Seales ana lgicas . 17
Figura II.4. Seal discreta del tipo exponencial nega tivo . 18
Figura 11.5. Seales peridicas y no peridicas 18
Figura 11.6. Sea l dete rmins tica . ... ... ... . . . . ... ... . . . 19
Figura 11.7. Seal aleatoria y su funcin de densidad
de probabilidad asociada .. .... . .. . 20
Figura II. B. Seal cuadrada .. ........ . 26
Figura 11.9. Aproximacin a una onda cuadrada utili za ndo seri es de Fou rier,
con: 11) 11 = 1, b) 11 = 3, e) 11 = 5 Y d) 11 = 7 .. 28
Figura IL1 D. Grfica del espectro de lneas. 29
Figura U.ll. Funcin coseno .. ....... . 30
Figura 11.12. Espectro de lnea . JI
Figura 11.1 3. Sea l diente de sierra 32
Figura 11. 14. Deri vada de la seal diente de sierra 3~
Fi gura 11.1 5. Sei1al tri angular. 36
Figura 11.1 6. Seal tri angu lar derivada ~6
;-:igura rr.1 7. Segunda derivad a de una seal trian gular. 37
Fig ura JI .l S. Primeros cuatro componentes armnicos de una sel1d
tri ang ular utili za ndo serie de Faurier tri gonomtrica .
Figura 11.19. Espec tro de lneas.
Figura 11.20. Tren de pulsos cuad rados de duracin'! y pe riod o T . ..... .. .
Figura 11 .2 1. Funcin de muestreo sen(x) / x
Figura 11.22. Espectro de lneas cuando a) r = 1/ 4 Y T = 1;
b) r = 1/ 4 Y T = 2, Y e)r = 1/ 4 Y T = 3
Figura 11. 23. Espectro de lneas cuando 11) r = 1/ 4 Y T = 1;
b)r= l / ByT= 1, yc) r = 1/16yT = 1 seg ..
Figura II .24. Tren de pulsos despla zado . .
FIGURA 11.25. Fase de la onda desp lazada ...... . . .. ... . ...... . . . . . . .. . . . 46
Figura In.1. Seal inmersa en ruido .. 49
Figura II1. 2. Espectro de la seal con ruido ... 50
Figura 111.3. Seal peridica. 51
Fig ura 111.4. Funcin simtrica a energa finita del tipo va lor abso luto
de la exponencia l ........... . 53
Figura 111.5. Transformada de Fourier de la funcin definida
en la figura 111.4 . . . .. . ..... ... .... ... ..... .. .... . . .. . 53
Figura 111. 6. Seal en e l tiempo del tipo exponencial positiva . 54
Fig ura 111. 7. Espectro d e Fourier y ngulo de fa se. 55
Figu ra 111.8. Pulso rectangular de dura cin t y amp litud A . ....... . 55
Figu ra 111.9. Transformada d e Fourier d e l pulso rectangul a r ....... . 56
Figura lII.10. Funcin delta de Dirac . .... .. ... . . ... .. . .... . 56
Figura 111.11. Espectro del ruido blanco. ................. . .... . ...... 57
Figura 111.1 2. Funcin d e lta desplazada lo segundos. 58
Figura 111.1 3. Espectro de la funci n de lta de Dirac desplazada. 58
Figura II1.14. Funciones delta en la frecuencia.. . ........... . .. 59
Fig ura 111.1 5. Transfo rmada de Fourier de se n (wot) .. .. .. .. . .. .. .. . . . 61
Fi gura 111.1 6. Funcin signum . . . . . . . . . . . . . . .. . . . . .. . .... . 61
Figura 111.1 7. Espectro d e la funcin signum ... . .. .. .. . .. . . .. . 62
Figura III.1 8. Funcin escaln unitario .. .... . .. .. .. . 63
Figura llI. 19. Esp ec tro de la funcin escaln unitario . . . ..... . ... . 64
Figura 1II.20. Tren de pulsos ..... ..... .... .. . ... . ......... . 65
Fig ur: 111.21. Trans formada de Fourier de una funcin peridica 66
Figura 111.22. Tren de de ltas d e Dirac ...... .. . .. ................... . 66
Fig ura 111. 23. Transfo rm ada de Fou ri er de un tre n de deltas d e Dirac . 67
Figura 111.24. Seilal coseno m s una constante .... ............. . ....... . 68
Fig ura 111.25. Trans formada d e Fou ri er de la seal coseno
(a la frec uencia tv() ms una constante (ni ve l de d. c.) 69
Fig urJ 111.26. Ejemplo de la propiedad d e simetra d e la transformada
de Fourier. . . . . . . . . . . ........... . . . . . . . . . .. 70
Fig ura 111.27. Ejemplo de la propiedad de escalamiento en tie mpo
p ara la seila l del tipo ventan a cuadrada. En el ti emp o se expande
yen la frecuencia se contrae .. .... . ......... . 72
Figu ra 111.28. Func in ventana rec ta ngu lilf de duracin t y ampli tud A. 73
Figu ra 111.29. Transformad a de una ventana de dura cin t . . . . . . . . . . . 73
Figu rJ 111.30. Transformada d e una ventana d esplazada t /2 seg .. . 74
Figu ra 111.31. Seal m odulada en e l dom ini o del ti e mpo . . . . ..... . 75
Fig ura 111.32. Espectro de la seila l s in modubr .. ........... . 75
Figura 111.33. Espectro de la sci'1a l m od ul ada. . ......... . 76
Fig uril 111. 34. Sistemil line<ll con entrada x(t ) y salida y(t) 77
Fi gur<l 111.35. Circuito Re visto co n'lO un s is tema linea l co n respuesta
a l im pulso h(t) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 79
Figu ra 111.36. Funcio nes de entri1dJ y respuesta al imp u lso de l circuito Re. 80

184
Figura 111.37. G rfica d e las funci o nes impulso e n e l dominio r ,
ro tadas y despla za das T seg . . . . . . . . . . . . .... .... . 81
Figura IJ1.38. Resultado de la con volucin cua n do T = 3 seg y Re = 1 seg .. 83
Figura 111.39. Ejen1plo d e sea l m odulada en amplitud p or una funcin
cose noidal ........ . ....... . 86
Fig ura 111 .40. Sea l demod ul ada e n a mplitud
(desplazada l la frecuencia cero) ...... . 86
Figura 111.41. Sea l de l tipo cosenoida l 87
Figura 111.42. Funcin ventana de duracin t y ampl itud A 87
Figura IJI.43 .. ....... ........ .. .... ... . ... .... . 88
Figura 111.44 . Funcin trin g ulo de d uracin 2 y amplit ud m xima A 89
Fig ura 111 .45. Se2t1 cuadrada con va lo r med io cero, duracin 2t
y a mplitud 2A . . .......... .. . ....... . . 90
Fig ur2t 111.46. Selial triang ular de d uraci n 2t y valor m ximo At . 90
Fig ura 111.47. En la parte superior de la figu ra vemos casos
en los que e l dominio de l ti e mpo es disc ret o y la frecuencia co ntinua
(trans formad a de Fourier de tiempo discreto). La parte de a bajo
co rresponde tanto a tiempo disc reto co mo a frecuencia di screta
(trans form ada dl' Fourier discre ta) ... 92
Fig ura 111.48. Selial impulso unitario . . . . . . ....... .. ...... . 93
Figura IIl .49. Seiia l impulso unitari o desplazado cie rto valo r i a la derecha 93
Fig ura 111.50. Selia l esca ln unita rio. . ...... ... . 94
Figura 1l1.51. Seiial senoid al discreta 94
Figura IlI .52. Seiill del tipo linea l. 95
Figura 111.53. Sea l discreta decreciente ......... . 95
Figura 111 .54. Selial muestreada en e l ti e mpo y su respectivo
esp ec tro e mpi cando la trans formada de tiempo disc re to d c Fo uri er 96
Fig ura 111 .55. Trlnsformada de Fourie r de ti e m po di scre to . . 97
Fig ura 111 .56. Tr"nsformadl dc Fourier de ti empo d iscre to . 98
Figura 111.57. Transfo rmada de Fourier de tiempo di screto .......... . 100
Figura 1I1 .s8. Transfo rmada de Fourier di sc reln }' de tiempo
di scre to en <ls teriscos .. .... .. . . 100
Figura 111. 59. Trans fo rmad" de Fc ari er d iscre ta }' de tiem po di sc rl'l o. 101
Figura 111.60. Seiia l senoida l, tomada exac t<lmente un periodo
(no existe di sco ntinuidad en l<l regin considerc1d.-. ) 102
Fig ura 111.6 1. Serial senoid.-.I , to mando tres cuartas partes del periodo
(exis te discontinuicbd en la regi n co ns ide r<ld <l) . 103
Fig ura 111.62. Efecto e n la frecuencia cuando se trunca un., :'('li.11
en el ti empo, toma ndo tin a ve nt<ln a cuadrad., (se inducen
o gene ran co mponentes de <l ila frecuen ci.-. q ue no correspo nciL'n
il 1., :-;t;'lial o ri g inal ). 103
Figuri\ 111.63. Ejl' l1l plos d C' Vl'nt,mas COl1llmmentl' US.-.d,lS P,H.-. 1lL'\..u
<l cabo L'I trunca m iento tempor.11 . 105
Figura IV!. Ejemplo de seal ana lgica limitada en banda: a) en tiempo
y b) en frecuencia ................. . 110
Figura !V.2. Tren de impulsos de Dirac: a) en tiempo y b) en frecuenc ia ... . 110
Figura IV.3. Efecto de muestreo en tiempo, produciendo el efecto
de periodizacin de espectro en frecuencia ................ . 110
Figura IY. 4. Tres seales en tiempo continuo con va lores idnticos
en mltiplos enteros de T, muestreadas a un mismo
periodo de tiempo T. . .. ............. . ... . 11 2
Figura IV.5. Seal a banda limitada . . . ... .. .. . 113
Figura IV6. Efecto d e periodizacin del espectro: a) seal a banda
limitada, b) transformada de Fourier del tren de impulsos,
y e) resultado de la convolucin de las seales a) y b) ....... . . 115
Figura IV7. Efecto de recubrimiento de espectro cuando
no se respeta el teorema de mues treo .. .. ... . .. . 117
Figura IV8. Filtro de amp litud T y de lmites - ~' a + ~o , filtro ideal.
Filtrado de un espectro, con el fin de poder recuperar la seal original,
primero a F(w) y posteri ormente a f (l), a travs de la transformada
inversa de Fourier . . .. . ..... ... ... . 118
Figura IV.9. Reconstruccin de la seilal ana lgica a partir
de mues tras digitales. . . . . . . . . . . . . . . . . . . . . . ...... . . 120
Figura IY.10. Proceso de mues treo real con la tcnica de "bloqueo" 121
Figura lVl l. Resultado de convolucionar las mues tras def(l)
con una funci n ventana. . . . . . . . . . . . . . ........ . 121
Figura lV12. Efecto de multiplicar el espectro periodizado F,,(w)
con una funcin del tipo sa mpling al cuadrado. . ........ . 122
Figura IY.1 3. Reconstruccin de la seal analgica f(t), como resultado
de convolucionar los va lores discretos de la seal, con una funcin
tringulo del tiempo. . ................ ...... ........ . 122
Figura V l . Taxonoma de seales aleatorias en funcin
de sus propiedades estadsticas.. . ...... . 124
Figura V2. Ejemplos de funciones de distribucin de probabilidad:
a) y e) continuas y b) discreta. . ...... . 128
Figura V3. Funcin de distribucin de probabilidad continua FxCr) . 129
Figura VA. Funcin de distribucin de probabilidad continua Fx(x)
entre -l y l. . .......................... . 130
Figura V.S. Funcin de densidad de probab ilidad del tipo gaussiana . 132
Figura V6. Funcin de distribucin de probabilidad para la funci n
ga ussiana . . . .... .. ........... . 132
Figura V.7. a) Funci n de densidad de probabilidad uniforme,
b) fu ncin de distribucin de probabilidad uniforme .. .......... . . . . 133
Figu ra V.S. a) Funcin de densidad de probabilidad exponencial,
b) funcin de distribucin de probabilidad exponencial 135
Figura V.9. a) Funcin de densidad de probabilidad Ra ylcigh,
b) funcin de dis tribu cin de probabilidad Ra yleig h .. ......... . 136
186
Figura V.l0. Problema de cuantizacin, del nivel Cix al tH + tH!2. 140
Figura Y. l1- Funciones de densidad y de distribucin de probabilidad
uniforme en el intervalo [O, 2n] ............... . .................. 150
Figura V12. Funcin de autocorrelacin para una seal peridica
sin ruido . . . . 152
Figura V13. Funcin de autocorrelacin para una seal peridica
con ruido. . . .......... ......... ........ 152
Figura V14. Funcin de autocorrelacin para una seal peridica
de banda angos ta ............ 153
Figura VIS. Funcin de autocorrelacin para una seal peridica
de banda angosta con ruido. .. ................ 153

187
 ndice general

Prlogo . ...... . 7

Captulo /. Int roduccin. 9

Captulo l/. Ortogonalidad y series de FOllrier . ... .. . . . . 13

Int roduccin. . . . . . . . . . . ........ . . .. . . 13
Clas ificacin d e seales 14
Seales d e energa 15
Sea les de potencia ........ . ....... . 15
Sea les continuas o analgicas. ........ . .. . . . .. . . . . . . 16
Sea les dig itales (tambin conocid as co mo secuencias) .. .. .. . . . .. . . . . 17
Sea les peridicas y no peridicas 17
Seales determ insticas 19
Seales alea torias 19
Ortogonalidad y se ries de Fourier . 19
Serie de Fourier tri gonom trica 22
Obtencin de 105 coeficientes 0 0' a" y bu' 23
Ob tencin del coeficiente 00 23
Obtencin d el coeficiente Gil 24
Ob tencin d e l coeficien te b" 24
Condiciones de Dirichlet . 25
Funciones pares e im pares.. 31
Obtenci n de la se rie de Fou rier tri gonomtrica por di ferenciacin. 33
Seri e d e Fourier expone ncia l 38
Inte rpretacin del coefic ien te F" respec to al periodo T
y la durac in d e l pu lso r . 42
Ejercicios de l captulo 11 . 47

189
Captulo lll. Tran sformada de Fourier. . ................. 49
Introduccin . ................. . ....... . 49
Transformada de Fourier de tiempo continuo
de una funcin no peridica (TFTe) ........... . ............. . 51
Transformada de Fourier de tiempo continuo de una seal peridica . .... 64
Propiedades de la transformada de Fourier de tiempo continuo. . . . . . . . . . .. 67
Propiedad de linea lidad .................. 68
Propiedad de simetra . . . . . . . ...... ... ... ..... ... .. . 69
Propiedad de escala miento en el tiempo. . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 71
Propiedad de escalamien to en la frecuencia ..... ... . 71
Propiedad de corrimiento en el tiempo ................ . 72
Propiedad de corrimi ento en la frecuencia (teorema de modulacin) 74
Propiedad de convolucin ......................... ........... 77
Propiedad de diferenciacin en el ti empo y en
la frecuencia. . . . . . . . . . . .. 85
Transfo rmada de Fourier de tiem po discreto (TFTO) ....... . .. 91
Sea les discretas ......... . .................... , . , , , , . . . . . . . . . . . .. 93
Impulso unitario . .................. . .. . .. .. . , , . , . . . .. .. . . .. . . . .. .. . 93
Impulso unita rio desplazado .... . . . ... . . ... . . . . . . . .. . ... .. .. . . .. . . 93
Escaln unitario . ....... , . ... .. . . . , . . . . ... . , . .. . .. , . . , .. 94
Funcin seno . ........... . 94
Funcin lineal de n . 94
Funcin decreciente de n . 95
Propiedades de la transfor mada de Fourier de tiempo discreto. 96
Transformada de Fourier discreta (TFo) .................. . 98
Clcu lo de la TFO a partir de una seal continua .. ......... . .. . .. . .. . . 101
Truncam iento tempora l . . . . . . ......... . ..... . ....... . 102
Ejercicio en Ma tl ab ...... . ... . ... . 105
Ejercicio de periodizacin del espectro. . ... . . . .. . o 105
Ejercicios de l captulo III ... .... ...... ... ... .. . . . . . . . . .. . . . .. . . .. . . . 106

Captlllo IV. Teo ra de mlles treo. . . . . . . . . . .. 109

Introduccin. .. ...... ....... .. ....... ... ..... 109
Muestreo idea l. . . . . . . . . . . . .. ...... ... .... 109
Im portancia de la eleccin de l periodo Ten la funcin
tren de impulsos 0,.(/) . . ........... . .. . ...... . 111
Teorema de muestreo. . 11 6
Recon struccin de la seal analgica a partir de las muestras d igitales . . . 11 6
Desarrollo ana lt ico para el clculo de la sea l original analgica
a pa rt ir de mues tras d igi tales ...................... ........ . . 11 7
Muestreo rea l. .... .. . . . . ............. " ".. 121

Captulo V. Variables y proc('sosalcaforios 123

Introd uccin. 123
Ta xon om a de seii aJes aleatorias. 124

190
Defini cin bsica de probabi lidad .............................. . 125
Variable alea toria .......................... . .. . ................ 125
Funcin de distr ibucin de probabilidad ........ . .................... . . 128
Funcin de densidad de probabilidad. . . . . . . . . . . . . . . . . . . . . ..... ... . . . 130
Propiedades de la fu ncin de densidad de probabilidad ......... . 131
Funciones de densidad ms comunes . .................. . .. . ... . 131
Promedios estadsticos. . . . . . . . . . . . . .. . .. . ... . .. . ... . 136
Esperanza matemtica . . 136
Momen tos ...... ......... . .. . . .. . . . . . .. . ...... . . 137
Variables aleatorias m lt iples. . .. . .... ........ ..... . . .. .... .. . 142
Funcin de distribucin conjunta . ..................... .... . . .. . . .. .. . 142
Propiedades de la funcin de distribucin conjunta . ..... . . ... . . . .. .. . . . 143
Funcin de densidad conjunta . . ...................... .. ... .. . ...... . 143
Propiedades de la funcin de densidad conju nta ...... . . ... . . ..... . ... . 144
Independencia estadstica ......................... . .... . 144
Momentos conjuntos sobre el origen . .................. . ...... . .. . .... . 146
Momentos centra les .................. . . . . . 146
Estacionalidad . . . ............. . .............................. . 147
Funciones de distribucin y de densidad de un PA . . . . .. ... 147
Funcin de distribucin de o rden 11 .. . . . ... . . . .. . 148
Independencia es tadstica. . . . . . . . . . . . . . . . . . . . . . . .. .. ..... . . . . . .. . 148
Proceso aleatorio estacionario de primer orden . ... .. .. . .. . ........ . . . 148
Proceso aleatorio en sen tido amplio . . . . . . . . . . ............... . 149
Propiedades de la funcin de autocorrelacin .................. . 151
Funciones de correlacin cruzada ......... . . .... , ..... . 154
Propiedades de la funcin de corre lacin cruzada. , , .... , , ...... , . . 155
Densidad espectral de potencia ... " ................ ... ... , ...... . , . . . 155
Propiedades de la funcin de densidad espectral de potencia .. . 156

Captl/lo VI. CI/rso Matlab ... . . ... .... . 157

Introduccin .,.,. . .. . .. " ..... " ... . 157
Comandos de propsito general. ..... ...... . 157
Manejo de va riables y workspace (opacio de trabajo) ....... . ... . 158
Sistema operati vo y archivos . ........ , . , . . . . . . . . . . . .. ......... . . . 158
Generacin de sea les .... , . , , , , . . . ...... . .. ..... . . . . . 158
Series de Fourier ........ , . ' , . . .. .. .. . ... . .. .... .. . ... .. . . .. . . , 164
Anlisis espectral . ..... . ... . . .... .... .... .. . .. . . ... . .. . .... . 165
Convolucin . .. . ........ .. .. . . . .. . ...... . . . . ... . . 166

Bibliosrafa . ........ . ........ . . t69

Aphldice A. Frmllla s . . . . , , ... . 17 1
Ap(;lIdicl' B. Tabla de jl/llcilI dI' distrilmcilI sal/sin/In o lI or1l/a/ t 77
lldicl' n/lnltico . . , . , ...... . 179
jlldic/' dt' igl/ms . t83

\9 \
 se termin de imprimir en mayo de 2003
en los talleres de Sa.ns Scrif Editores, SA de CV,
Leonardo da Vinci 199, col. Mixcoac. 03910 Mx ico, D.F.,
te l. 561137 30. telfax 56113737.
La edicin consta de 1 000 ejemplares
ms sobrantes para reposicin.
La com posici n tipogrfica, el diseo, la produccin
y el cuidado edito ria l estuvieron a cargo
de Sans SerH Editores, SA de Cv.

UAM 2893588
TK5102.9 Avils Cruz, Carlos
A7.55 Anlisis de seales I Car
;> II IIIIIIII
2893588
 AUTONOMA
METROPO UTANA
(+) DE SERVICIOS
DE INFORMACIN
Casa.xierta al ~ Azcapotza.lco roS::1

Forma to de Papeleta de Vencimiento

El usuario se obliga a devolver este libro en fa fecha

sealada en ef sello mas reciente

Cdigo de barras. Q8133s8@

FECHA DE DEVOL UCION

- Ordenar las lochas de vencimiento de manera vertical.

to a la
- Cancelar con el se/lo de -DEVUELTO la fecha de vencimien
entrega del libro
 Awlisis de se/inles
se termin de imprimir en mayo de 2003
en los talleres de Sans Se ri f Editores, SA de CV,
Leonardo da Vinci 199. col. Mixcoac. 03910 Mxico, D.F.,
lel. 5611 3730, telfax 5611 3737.
La edicin cons ta de 1 000 ejemplares
ms sobrantes pa ra reposicin.
La composicin tipogrfica, el diseo, la produccin
y el cuidado editorial estuvieron a cargo
de Sa ns Serif Editores, SA de ev.

UAM 2893588
TK5102.9 Avils Cruz, Carlos
A7.55 Anlisis de seales I Car
f> IIIIIIIIII
2693566
E ZEQUIEL R ODRGUEZ R ODRGUEZ estud i la
licenciatura en ingeniera fsica en la Uni-
versidad Autn oma Metrop olitana en la
especialidad de instrumentacin y equipo
y la maestra en ingeniera biomdica en la
unidad Izta palapa de la misma universidad .
Ha trabajado en la fabricacin de clisp ositivos
d e interferencia cuntica superconductores
para la obtencin de magnetocardiogram as.
Actualmente se desempea como p rofesor
del Departa mento d e Electrnica, en d onde
imparte asignaturas como Anlisis de seales,
Procesamiento digital de seales, as como
Circuitos elctricos. Entre sus campos de in-
ters estn e l procesa miento d e sea les,
el dise o y la construccin y caracterizacin
de sistemas de alto vaco y el crecimiento de
pelculas delgad as.
En la formacin de todo ingeniero en electrnica no debe faltar un curso en el
que se expongan, terica y experimentalmente, conceptos que le ayuden a ana-
lizar y caracterizar sea les. Los tipos abordados en esta obra son las seales
determinsticas y las aleatorias. Se presentan las herramientas que nos ayudan
a entender las primeras, como las series de Fourier, la transformada de Fourier,
la teora de muestreo, incluidos el muestreo ideal y el real. Respecto a las segun-
das, se abordan conceptos como variables y procesos aleatorios, procesos erg-
dicos, funciones de densidad y distribucin, valores esperados desde primero
hasta cuarto orden, funciones de densidad y distribucin conjunta, funciones
de correlacin, etctera.
En busca de la formacin comp leta, a la teora y los ejercicios se agrega la
simulacin en Matlab: es importante que los estudiantes puedan apreciar los
fenmenos de manera grfica, explorar variando parmetros y ver el resultado
inmediatamente. As pues, el libro comprende un captu lo de introduccin y
manejo de Ma tlab en el nivel de programacin.
Con toda seguridad, Anlisis de seales habr de con tribuir a la mejor
comprensin de conceptos fundamentales que se hallan dispersos en varias obras,
a ms de que las malas traducciones que se hallan en el mercado no manejan los
trminos que emplean comnmente los profesionales de este campo.