Documente Academic
Documente Profesional
Documente Cultură
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
ISBN : 970-654-967-6
Los AUTORES
8
Introduccin
'"
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
f( t )
E= f V(t)!' dI (IJ.1 )
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)
15
Ejemplo: Calcule la potencia de la sea l v(l) = ACOS(ll)
con A Y w constantes
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
; ; ; ; j(t) ;
---- -.;---- --~------:._----- ~ ------ ------:._------:------I -- --- -t-----
,, ,, "
"
"
"" "
, , " " "
----- '------ : ------!------~- - --- - - -----~-- ---~------ ~ ------' ---- -
, "" '
'" "
, : :: :::,
----r- -:-----r----:- --- --- -~ -----r---- :- ---f---- CQ
o
FIGURA 11.2 . Sea l de potencia
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
16
0.8 0.9
0 .4 0.7
."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)
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)
17
.. ..
0.9
----------------.-- ...-.........
.. .. .. .
_-----~----------------------,.------------------.--
0.7 .
..... ----- --------r---------------------i---------------....-.........-..----.-------
0.6 --- -.-- --- ---- -. ' -------------------f---------------------l----------.-----------
"
..,-
0.5 --- --- --- --- --- --- .- ---------t---------------------t---------------------
0.4
0.3
_::: ::: :::- --- ---- --- ---- --- --- r-+---::::::::::::::::L::::::::::::::::::
0.2 --- ---, ---------------------
j(1)
Seal no peridica
j(1)
Seal peridica
18
Seales determins ticas
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
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)
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
si m '1-1'1
si m=n (11.3)
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:
fsen(nlwot)cos(llw ot)dt
T
r
cos( ni - 11 )wot ]
(fII - II)W(l ()
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
!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)
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:
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"
f (t )dt f
T
o
=
T
o
[
ao + L la, COS(]](ll ot) + b, sen (llw ot)i
_
/1- 1
}
t
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.
- 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
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
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:
r~r(t)ldt ~
v,
-v,
< (11 .11)
25
JI')
,-----t-- V '------t------'-
....
------~------
....
---'-r----- -----t----- ------r----- ------r----- ------
: v_; ______ . :
- -----t----- , T
o
FI GU RA 11.8. Seal cuadrada
-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
ff
T/l
n" = f (t )cos(nwot)dt
-T/2
26
Y2
a" = 3.[- vsen(l1lolJlo + v(sen l1 l ot)I ]
T 1100 0 _~ 1100 0 o
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
J~v/
para 1'1 par
b"
1 / 1l1t
para ti impar
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
~"a. O
a. O
~
-1 -1
(e) (d)
2,---,---.---,,---, 2,---,---.----,---,
-1
b, = 4VJ" = 0.4
b, = 4%" = 0.25
b, =4'j4" =0.1 8
b, =4%" =0.11
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
29
j{ t )
Clculo de ao
Clculo de a"
a" =3.
T _v,
f cos (OO ol)cOS(IIOO ol)dl = {~// 2 ::
11 ,q
}/ ::::: 1
a, =(Hf)=1
y todos los dems a" son iguales a cero.
Clculo de b"
30
+-----~----------- f
1 Khz
11=1
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
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
b" = r
",
Y f(t)sen(liw ut)dt
o
(11.13)
31
En resumen: Si j( l) es par, entonces tenemos:
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
r- -~--------.;.--------- ---------r-------
b" = T
2 J' I sen(nl ol)dl
o
b" = 3.[-1
T IlW o o o nw o
1
COS(11lol)I ' + cos(nlol) di]
f(t ) = ~ _
2
!
",. )
sen (11lol)
1m
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
df(t) =
di
L 1- l/lo""Sen (l/l"l) + l/l"l>" COS(l/l"I)1 (11.14)
33
2893588
j'(t) = a; + La;,cos(nw , t ) + b;' sen(nw, t ) (11.1 5)
a~ =0 (1/.16)
a~ = fI(.J}ob ll
(11.17)
b~ = -f1w oall
2
f,
T
a;, = T j'(t)cos(nw,t)dt
f f,
T
, , , i
---- -~-- - - ------ - -:---- --:----- -
['(ni , , ,
------:----- -:---------- --:-----
: i i ! i i
-2 -1 o 2
=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
=2
[r r
~ cos(IIW ol)dl - ~ O(!)cos(IIW ol)dl
-~ -~
]
= -2cos(1I2nt)l,.o =-2
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
]
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
2 j"(1)
-1 o
'f
'----
3i
2 2
-2
36
J"(I)
4
- 4 I
FIGURA 11. 17 . Seg und a derivad a de una sea l tri a ng ul a r
Ahora prop onemos la serie d e Fourier para una seal f( l) derivad a d os veces
(I1.19)
a~= O
a~' = - au (llw o )2
(1 l.20)
b;' = - b ll
(1 W o )2 (I1.21 )
- bU Sse 11 J 2'. )
b = _ _"_= 1\ 2
" (11"' 0)' (1m )'
(
_ 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~----~----~~----~
2r-----~----_,----_. 2r-----~----_,----_.
FIGURA 11 . 18. Primeros cua tro compone ntes armnicos de una se al triangular
utilizando se ri e d e F o urier trigonomtrica
(11.22)
11 = ___
f"" {t - 1
eillWole -imwO' d t = 2 1
para 11 = 111
O para n '1:- ni
= 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
b
haciendo Fo = ao, F
11
a
::...J!..+~
2 2j
y F
-,
=~-~
2 2j
se tiene
L F,ei'w" + L F,ei'w"
- -1
f (t) = Fo +
11=\
40
(IL23)
como:
, -,.. " = cos(2Il1t) - j sen (2n1t) = 1
entonces
1
f(t ) = L- 2n
e - ei""'o'
"._ 21t(1- jn)
41
0.9
0.8
0.7
0.6
,,-" 0.5
OA
0.3
(' : :
0.2
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
--+--,-......
- ","'- 1, . . . . .
,--1---1 r-;---, .. ~.r---+--r
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-,,]
_~
:: F l .["'1;
:: :.::::.:::1:::::::::1::::.::::r :::.::::[::::::::1::::::::::
1 (1) = ~' :t
"= __
sinc(n",,, -r/ 2)e l "'"''
O 1ft 1,1
2n
---0.05
44
La g r fi ca del espectro de lneas se muestra en la figura I1 .23.
(a)
~~. .'=~
. ll ,}L~~~
W,' '~~'\Jj .
..dI.~
, ~
: W
o
(b)
r-~~--r-=. ~~1ni~~.:."*:_
. .......;i_. .....~
J
o
le)
................ ................ j
F(w )
...... - ........ -..... + ................ f ..... -......... :-............... .J . .................; ...
. . ! .
..... ........... L. ................. j .................~ ............ .,. '; ................ ,. ....... j ................. , ................. ...
.................;._._-..__""-_~UU~;~_.;.;.~._-+__ :
w
o
[-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
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.
{~
para -11<1<0
f(t) = sif(t + 211) = f(t)
para 0< t < 1[
- 2n -n 2n
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
f U) = L- 511, , e''''''
",_ 8 + (1I7t-
INTRODUCCI6N
f (t )
.)J. _ ~_
, ,
--------- -- -.,------------ -. -
, ,
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)
(Hl.l)
donde
F" = fJ
T
o
j(t)e-"w" dt (III.2)
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
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
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)
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
r~rl;~flr
,'_ _ _ ,','L,',','"L',',',',',",',',',',',','r',',',',', ,',',,',"~',',',',',','r',',',','T,'__,',',J,',',',','__,'
-8 -6 -4 -2 O 2 4 6 8 10
SU TFTC es
A
a+ jw
5,1
2 r--'--'---'-~~~--'---'--'---'--,
F(w)
....",=*'="*=~f--_l'''' ' "
1.5 ,------ -- -------- - - : -,-------- -::::::r--:::r:--:1-
_-:_-________ _
, ,
-0 .5 ...............................
" "
. ............ ... ..."
. ....... -_._----.-----_ ..
,
~ .......
-,:[:~I t ~T11
-2
-50
L-~ __
-40
~
-30
__ ~
- 20
__
- 10
~~ __
O
~
10
__ ~~
20
__
30
~
40
__ ~
50
j(t)
- t l2 ,;2
,, ,,
--------1---------:--- --- -r----------------t ----r, ----------r, ---------
:: :
l si t = O
8()
t ={
O sit;<O
1Jllj]
FI GURA 111.10 . Funcin delta de Dirac
56
Una propiedad de la funcin delta es:
IF(w)l= l
2 .-~--~--~--~-.--~--~--~~--,
F(w)
, , " " , '
15 --------r--------r------T-----T------ -------r------r-------r----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
57
fIt)
... ...... ~.......... i .~.......... _........ ~._--_ ._. i..........~ ........ .
_ ~
....................................... ........ ............. .... .........
~r + ~,r
F(w)
i ; i
r_-r ....... r-1-
j
i i l i ! w
~(W)=-tow
..-<--...... , ..... ... +.......... ..... .+.......,......... + ........ .
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 ji!
F IGURA 111. 14 . F uncione s delta e n la frecue nci a
((1) = _1_ 'f"' 8(w - wlI )e "" dw = ~ f~ 6f) - (u (, ]e'''''iw = ~e l' 'I' '
. 2. 2. 2.
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:
~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/)
f(l)
---------~----------~----------f_--------- dr_--+---+---+---_l
1
.................. .1..........1........ . ......... r. . . . !........ .
o
........ '1" .......
,
1'. . . .,. . . . . T. . . .
"
~1 ....
,,
"
,,
1........
11--10
i
g{sgn(t)} =g{lime-'I'l sgn(t)) = lim e-'I'l sgn(t)e-"" dt
" ....0 _
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
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
63
t
o w
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
(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
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
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.-'---:------~------
,,
~ --------- ____________ < ___________ :___________ ~ -A-- ----- -------------- ~ - - - - - -- --------------- <
1 1
2T
66
~
F
"
=l
T
f' <s(t)e-""" 'dt = le-""'"
T
If=o =lT
,
T
F(O)
0)0
---------- ...... ---------- ----------- . ----------- ----------_.-----------
, , ,
,
------------'------------ -----------_ .., _----------- -----------_., ---------- -
, , ,
,,, ,,, ,,,
,,, ,,, ,,,
,, ,, ,, O)
-Ul
o o
PROPIEDADES DE LA TRANSFORMADA
DE FOURlER DE TIEMPO CONTINUO
67
Propiedad de linealidad
....... ~ ...... 1. ..
------ -------
T T
o
....... +.............. +-...... /........ ........ , ........[ ....... + ...... + ..... .
68
F(w )
l'
__________ ~,_____~~:~~L~~)
,
______ :__________ ~ ___________ _______~~~~~~)
"
______ ~ ____ ~~~~~~~_~~)_____ ~ __ .. _____ _
, '
, , "" " ,
I LIlll t l
---------~----------- ----------~-----------~---------- ----------~-----------~---------- -----------~---------
i i i i i i ,
Propiedad de simetra
69
Ejemplo: Supongamos que tenemos un pulso de duracin 1: cuya trans-
formada de Fourier es la que se muestra:
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
- t/2 ! o w
j(I) F(w)
: : Al : 2M
~-T lT ---':-:';--t-------------. ----
TFTC
- t/2 : o t /2
w
70
Propiedad de escalamiento en el tiempo
(lII.12)
- 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
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.
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
Si la funcin fU) es desplazada por una constante lo' entonces tenemos que:
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
- t /2
---------r-----
o o
FIGURA 111. 29 . Transformada de una ven tana de duracin T
73
grfica mente tenemos:
FI GURA 111. 30. Tran sformada de una ve ntana desplazada 0:12 seg
F(w)
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
Demostracin:
= F(w - w o)
76
= f f(t )e~i(w,w,)' di
= F(ro + ro o)
Propiedad de C01lvolucill
77
Si sustituimos (I1I.16) en (I1I.15), tenemos:
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)
(lIl.20)
R ~
y(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
80
1/(t - T)
I/( t )
, ~Or-----~T~---------7 '
o
In) lb)
l/U - t )
./
o
le)
Para t < O
1/(, - T) l/(t - ,) = O para toda,
l/(,) I/(t - ,) = O para toda,
Para t > T
1/(, - T) l/(t - ,) = 1 para T < , < t
l/(,) l/(t - ,) = 1 para O < , < t
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
O para t < O
para t >T
82
1 . 5 ~--.,----,,.------,---,----...,.....--
y(t)
o., ....
rr
1 1' ..... 1
T
-
O 2 T 4 6 10 12
Propiedades de la convolucin
f(t )' 8(t) ~[ f (x )8(I - x)dx ~ 8(t)' f (l) ~ [ 8(x)f(l - x)dx ~ f(t)
Demostracin:
Sabemos que
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)
(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
2
.......... -+ .......... +-......... +-.......... -1-+-+-
1(1)
A
1\. . . . . . ........
....,..... --- \ .......... ~
........\.............. T ..........,....... r
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)
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
1
F" = -F(W)
T
!m=".,o
89
l~'--------"-r--- - ---
t F
A
,1
, " , ,
~{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)
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
simplificando tenemos
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)
92
Trmlsforll1ada de FOllrier
SEALES DISCRETAS
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
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
-'--
FI GURA 111.51 . Sea l senoidal disc reta
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
xiII]
.....
".
"
FIGURA 111. 53. Sea l discreta decreciente
(111.28)
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
Desplazamiento en el tiempo
1
Convolu cin - X ,(w)' X , (w)
2n
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
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-""
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 --------~---- -----~-------- --------~------------- - - - ~ --------
" " ,
!,
-------~-------_ .
,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
[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
1 N-I i~k.,
x[n] =- X[k]e N (IlI.31)
N k"O
Linealidad
Simetra
Desplazamiento en tiempo
Desplazamiento en frecuencia
Convolucin (lineal o peridica), etctera
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
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[
:
,,,
:
,
:
-
,
- ~ --- - -- --- ~ -----
' :
' ,
,
------- -- ----- -- --
:
'
'
Para poder ca lcular la transformada de Fourier de una sell al con tinua x(t)
se d eben da r los siguientes pasos:
10 1
Truncam iento temporal
Clculo de la TFD => muestreo espectral
TrIlIlcamierlto temporal
11 E[O, N- I]
con no
l~
si O<x <3/ 2
N(x) =
si no
xl'IJ
3/2N 2N
"
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)
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
sie [O,N-I]
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 .
105
EJERCICIOS DEL CAPITULO IlJ
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
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
109
x(t) ----<.,.JU
O~x . 1--_
Xm (l)
Donde:
- Wm Wm
(n) (b)
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
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
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
1
5[/, (1)/,(1)] = - [ F,(w )' F, (w)] (IY.3)
2"
donde
112
3[J(/)] : F( w) : Q para Iwl >wm (IVA)
F(w)
- Wm Wm
Por otro lado, el tren de impulsos 0T(I) tiene como transformada otro
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:
1
= y[F(w)' o"o (w)] (lVIl )
(IV12)
1 -
sU,,(t)] = y L,F(w- nwo) (IV14)
,,"'-
114
n) F(w)
- Wm Wm IV
b)
1 Wo o(W-nWo)
2.
wU= T
o Wo
e) Fm{w )
11 5
TEOREMA DE MUESTREO
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.
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).
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
(IV.19)
(IV.20)
11 8
Interca mbiando el orden d e la integral y la suma toria qu eda:
(1v'21)
(IV.22)
(1v'23)
(IV.24)
(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)
(1V.28)
(1V.29)
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
Bloqueador
>
o T 2T 3T 4T
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
x(IIT)
Tringulo (t)
*
o
o T 2T 3T 4T 5T 6T 7T
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:
Estacionaria
Ergdica No ergdica
- 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)
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 .
125
donde;
Q';P(A)'; (V.3)
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:
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
2. F , (~) =1 (V.5)
F~ (x)
0.6
0.4
0.2
o x O a b e x
lo) lb)
O x
Id)
F,(x)
- 10 -5 o 8 10
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
d
x(x): - Fx(x) (Y.l0)
dx
130
PRO PIEDADES DE LA FUNCIN DE DENSIDAD
DE PROBA BILIDAD
2. [ fx(X)dX = 1 (V 14)
(VIS)
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_-<\
(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
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)
-
f x (x ) -
{_l_
b-a
para a,; x '; b
(Y.21)
O en otro caso
x-a
para a $. x $. b
b- a
Fx(x)= 1 para x >u
(Y.22)
O para x < a
,(xl
- - - - - - - - - - -:..--,--
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.
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.
j
~(X - a)e -(x-n2 / b para x ~ a
x (x) = b (Y.25)
O para x < a
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
x
In)
F~(x)
1.0 f - - - - - - - - - ---=-
0 .5 0.393
O x
lb)
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)
136
EIXI = X =[xfx(x)dx; (V28)
d ond e:
1-
Elx] = - -
h1[(J 2 -
f- -"
xe -1f - r ) /20 dx
(V.29)
El va lor esperado d e una funcin rea l g(x) de una VA est definido por la
ecuacin 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)
Momentos centrales
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 N
111, =E[x ]= - - L x; (V.39)
N-l 1.. 1
(V40)
1 -x x
- para--~x~-
!x(x) = X 2 2
{
O en otro caso
... -.
I '.
--- J. - ---- --------- --.-.;,':- ------ ----- --- -- --- -- -- !lj + !lx(2
140
Momentos de orden superior (orden 3 y orden 4)
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)
Considerando que
PIX,; x, y,; yl ; P(A n B) (V.56)
142
Para N va riables aleatorias x,,; 11 = 1, 2, "" N
3. Fxy(x, - ) = O (v'61)
= p{ x 1 :5 X :5 x 2, y :5 y :5 Y2} (v'64)
143
PROPIEDADES DE LA FUNCIN DE DENSIDAD CONJUNTA
1. f xy(x, y) ~ O (V.68)
(V.69)
(v'70)
(V.71)
(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:
fy (Y) =
Jo
r- xe-"""dx = ~
r-.tII(y)e -"'"dx = I/(Y) Jo (y+ 1)'
144
Para d os va riables a leatorias tenemos:
A ; I X~xlyB;IY~yl (V?5)
(V.78)
e-'
~ l/(x) l/ (y) (y + 1)' , por lo tanto X e Y no son estad sticamente independ ientes.
145
MOMENTOS CONJU NTOS SOBRE EL O RIGEN
(V.81)
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)
146
~ 20 =E[ (x-x) ' ] = cr , , (VS6)
ESTACIONALlDAD
(Y.92)
(Y.93)
E [ x( t , ) J ~ x~cte (Y.96)
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:
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,
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)
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
fo(e)
Pele)
1
2n~--------------' -- - - - -- - --:;.-.-,-- -
~------------~~-----e ~~------------~----___ e
O 2n O 2n
(a)
(b)
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
1
cos(a)cos(!3) = 2 [cos(a +13) + cos(a - !3) J
\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
152
e) Seal de banda angosta
E[A ] = E[B] =
o~ = oi = E[A ' ] = E[B' ]
= o' E(coswot )
t 54
Propiedades de la !uncill de correlacin cruzada
(VI04)
(VI05)
(VlO6)
(v. lO?)
(VlO8)
es decir:
Pu =< E[x' (t)] > (VlO9)
=1 E[x'( [))]
Sxx (U) ) 1m (V1l0)
T~_ 2T
R xx = - 1
. 21t -
f-
Sxx (.) )(,I""dU) (V 111 )
155
(Y.112)
(Y.J13)
(Y. 114)
5. - 1
2" -
f-
S"e'"' dw=<R,,(t,t+ T (Y.U7)
(V.118)
fO
R., (T) = - 1 S.,(w)e""' dw (V.120)
2" -
156
Curso Matlab
INTRODUCCIN
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.
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)
GENERACIN DE SEALES
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
resultado
21 =
9 16 21
24 25 24
21 16 9
159
1 = -100: 2 : 100; % matriz de lx101
y = randn (size(I)); % matriz d e nmeros aleatorios de 1 x 101
1 - - - - - -.--
: :
- 1 ............... .
-2 ........
: ' 'y
-4 -3
____ o: -
-2
--- ~ --
-1 o
- :._--_. "
2
---- .. ---- --
3 4
Tiempo (seg )
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
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 - - - - - - - -- - - - - - --
~
1.2 - -- - - - - - - - ------ ~ -- --- -- -- --- - - - - ~ ----------- -- - - -
'"
g o - - -- - - - - - - - - -- , --
- ~ -- - - - - -- - -. - -_., - - - - - - - - - - - --- --
, ,
0.8 -------- -., -------- - - - - - - -- ., -- - -- - - - - - - - - - --
, ,
0.6 - - -. - - - - ---- - - - -. - - - - - - - - - - - - - - --
0.4
_o, __ , ______________ __
0.2
o o 5 10 lS
Nmero de muestra
-: 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
w blanco x
k negro
Ma tlab permite coloca r varias grficas en una hoja; veamos esto con
un ejemplo:
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')
~
20 o
o
1
O o 20
-1 -1
163
SERIES DE FOURIER
4v ~ 1 4v 1 1
f (t) = - L... -Senlll ol = - (senlol + -sen3l ol + -sen5l ol + ... )
1t 1I~1 n 1t 3 5
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
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));
ANLISIS ESPECTRAL
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)'}
: (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
CONVOLUCIN
166
Secuencia x{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
169
Frmulas
lDENTlDADES TRlGONOMTRlCAS
171
2cos' (x) = 1 +cos(2x) (12)
(19)
(20)
A= Rcos(8) (21 )
B = Rsin(8) (22)
INTEGRALES INDEFINIDAS
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
-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)
(30)
--:-:~7
. ,x---,,, +
24(a ' +X' )'
x
16a ' (a ' +x' )
+ - l - tan - ,( -
16a '
x)
a (31)
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)
_ ' 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
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)
175
SERIES INFINITAS
X, x' - "
e, = 1 +x+-+-+ ~ X
.. -- ~
1 (58)
2 3! ".0 nl.
i>=N(~+ 1)
,,~ l
(59)
f n' = N(N+1~(2N+ 1)
(60)
",, 1
(62)
N~
LN
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
177
,
Indice analtico
179
F funciones d e correlacin, 11 , 123-125,
154
fenmeno de Gibbs, 28 funciones de correlacin cru zada, 123,
frmula s, 171 154
frecu encia de mues treo, 109, 114, 116 funciones de dis tribucin, 123, 125,
frecuencia de Nyquist, 116 128, 142, 143, 147
frecuencia relativista, 125 funciones exponenciales, 19,21,38,39,
funci n de autocorrelacin, 149, 40, 51
151-155 funciones ortogonales, 21, 22, 25, 39,
funcin de autocorrelacin Ru(t) , 152 146
funcin de densidad conjunta, 143, funciones pares e impares, 31
144, 145,150 funciones senoidales, 21
funcin de densidad de probabilidad, funciones trigo nomtricas, 19,21, 23,
20, 125, 127, 130-1 35, 137, 149, 150 38,60
funcin de densidad de probabilidad
normal o gaussiana, 11 , 134, 135 G
funci n de densidad de probabilidad
Ra yleig h, 134-136 ga ussiana, 11 , 123, 131-133, 137,
funcin de densidad de probabilidad 141, 142
uniforme, 133 generacin de seales, 158
funcin de densidad espectral, 125, generar los armnicos de una seal
155,156 cuad rada, 165
funcin de distribucin, 127-130, 132, grfica en forma continua, 160
133, 143, 145, 147 grfica en tres dimensiones, 163
funcin de distribucin de orde n 1'1 ,
148
Funcin de distribucin
de probabilidad, 127, 128-130, identidades tri go nomtricas, 21, 151
132-135 importancia de la e leccin del periodo
funcin de dis tribucin de T en la funci n tren de impul sos
probabilidad exponencial, 134, 135 _T(I),21
funcin de distribucin de impulso unitario, 84, 93, 130
probab ilidad Rayleigh, 134, 136 impulso unitario desplazado
funcin de distribucin en tiempo, 93
de probabilidad uniforme, 133 independencia estadstica, 11 , 123,
funcin de muestreo, 144, 148
funcin decreciente de 11 , 95 integral de convolucin, 77, 78, 106
funcin delta de Ojrac, integrales definidas, 9, 13, 49, 109,
funcin lineal de 11 , 123, 157
funcin sampling, 122 integrales indefinidas, 172-174
funcin sa mpling a l cuadrado, 122
funcin seno, 60, 94, 105 L
funcin signum, 61, 62, 63
funcin sin c(x), 120 ley asociati va, 83
180
ley conmu tati va, 83 propiedad de diferenciac in
linea lidad , 10, 67, 68, 96, 99 en el ti empo y en la frecuencia, 85
propiedad de escalamiento
M en e l ti empo, 71
propied ad de escal am iento
manejo d e vari ables, 158 en la frec uencia, 71
Ma tlab, 9-11 , 47, 48, 89, 96, 97, 99, 100, propied ad d e la fun cin d elta, 57,
105, 106, 157, 158, 160-162, 166 58,66
momen tos, 137; alrededor de la media, propied ad d e linea lid ad , 10, 68
137; a lred edor de l origen, 137, 238; propied ad d e sime tra, 69, 70
centrales, 137, 138, 141, 146; propiedad d e Eu ler, 1\ 9
conjun tos sobre el origen, 146; propi edades de la con vol ucin, 83
de orden 1 y 2, 139; d e orden propied ades de la funcin
super ior, 141 de autocorrel acin, 151
muestreador "bloquead o r", 121 propied ades de la funci n
muestreo, 9, 10, 43, 101, 102, 109-111, de correlacin cruza da, 153
114, 11 6, 117, 119, 120; rea l, 10, 121; propied ades de la funcin
idea l, 10, 116 d e d ens idad conjunta, 144
propi edades de la funci n
de densid ad espec tral d e potencia,
o 156
propied ades de la funcin
ortogon alidad y series de Fourier, 9,
de distribucin, 143
13, 19
propi edades de la transformad a
de Fourier de ti empo conti nuo, 143
p propiedades de la tran sform ada
de Fourier de tiempo discre to,
period izacin de espectros, 114
periodi za ci n del espec tro, R
105, 114, 11 5
period o de mues treo, 114 recub rimiento de espec tro, 10, 116, 11 7
probabilidad , 9, 10,20, \23, 125- 134,
149 s
proceso aleatorio en sentido amplio,
149 sec uencia, 17,92, 98,99, 10 1, 102 ,
proceso aleatorio es taciona rio 161, 167
d e p rimer orden, 148 seli ales <1 1ea torb s, l-t, "1 9, 12-t , 12'::;
prom ed ios es tad sticos, 124, 136 seales continu<l s o an<ll g icas, l-t, 16
propied ad de con volucin, 10, 77, sea les de energa, l-t, 15
11 2, 121 sei'ales de potencitl , 1-t , 15
propi edad d e corrimiento seli a les de terrn in sticas, 1-1- , 19
en el ti empo, 72, 73, 74 seales d igitzdt:'s, 1-1- , 17
prop iedad de corrimiento seii,l les d iscret.ls, 9 1-93
en la frec uencia, 7-t seIiales no es t.lc ioI1M i,lS, 12-1-
t8 1
seales peridicas y no peridicas, transformada de Fourier de tiempo
17, 18 discreto (TITO), 95
serie de Fourier trigonomtrica, 22, 27, transformada de Fourier de un tren
29,32,33,36,38,39,47 de impulsos, 113
series de Fourier, 9,10,13,19,25,28, transformada de Fourier discreta, 91,
91,92,164 92,98-101,106
simetra, lO, 31, 67, 69, 70, 123, 141 , 142 transformada de Fourier discreta (TFO),
sistema operativo y archivos, 158 98
subplot, 162, 163, 165-167 transformada direc ta, 52, 118
transformada directa de Fourier, 118
T transformada inversa, 52, 59, 69, 71,
96,99,117,118,155
taxonoma de seales aleatorias, 124 tren de impulsos, 36, 105, 109-115
teorema de convolucin, 84 tren de pulsos de Dirac, 67
teorema de muestreo, 10, 111, 116, 117 truncamiento temporal, 10, 102, 105
teorema de muestreo, 116
teorema de Parseval, 155 v
teorema de Shannon, 116
teora de muestreo, 9, 10, 109 valor esperado, 10, 123, 136-138, 145,
tiempo discreto, 17, 91, 92, 95-101, 148-151
106,111 valor esperado de una funcin,
title, 160-163, 165, 166-168 137, 145
transformada de Fourier, 47, 49-53,56, valores promedio, 124, 125
61,64,66-70,73,84,85,88,90-92, variable aleatoria, 127-131, 133, 136,
95-101,106 137-139,142,146,147,149-151
transformada de Fourier de tiempo variables aleatorias, 10, 11 , 123, 127,
continuo de una funcin 130, 139, 141, 142, 143, 144,145, 146"
no peridica (TITe), 51, 64 147, 148
transformada de Fourier de tiempo variables y procesos aleatorios, 9, 10,
discreto, 91, 92, 95, 97, 98,100,106 123
182
,
Indice de figuras
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
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
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
\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
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.