Tarea n°1 “Procesamiento digital de señales con

Aplicaciones”
Aníbal Weippert Martínez
201421030-2
Todos los puntos en los que se utilizo Matlab tienen su respectivo código dentro de un archivo con el numero de pregunta,
en donde está el desarrollo de cada punto con comentarios en la forma de ejecución.

1) Evaluación de Propiedades de Sistemas.

De los 3 sistemas presentes se procedió a evaluar cada uno con diferentes señales de entrada. A
continuación, se expondrá la señal utilizada en cada caso y los resultados por sistema, incluyendo
gráficos obtenidos de Matlab si es necesario.

A. Entrada senoidal en t=0 y t=0.7 para probar invarianza en el tiempo. En el caso del sistema
2 y 3 se observa que la salida se desplaza al igual que la señal de entrada, no así en el caso
del sistema 1, que tal como se ve en la figura 1, si la salida sin desplazamiento temporal se
mueve en t unidades hacia “adelante”, esta no es igual a la salida desplazada por la
sinusoide.

Figura 1 Salida de Sistemas ante entradas senoidales

B. Se procederá a evaluar cuales señales son lineales y cuáles no, para esto se trabajará con
la propiedad 𝑎𝑓(𝑥) = 𝑓(𝑎𝑥). En el caso del sistema 2, este se aprecia que es no lineal ya
que no cumple esta propiedad (ver figura 2)

Figura 2 Salida de sistemas al probar linealidad

 C. Se procederá a evaluar causalidad. Como el método de ver si la señal es nula antes del 0
ante un impulso de entrada en t = 0 solo aplica para sistemas lineales e invariantes en el
tiempo, este es solo aplicable para el sistema 3. En la figura 3 se aprecia la respuesta
impulso de todos los sistemas.

Figura 3 Respuesta impulso de sistemas 1,2 y 3

Es posible ver de la respuesta a impulso que el sistema 1 es estable, mientras que el sistema
2 y 4 no lo son debido a que la sumatoria de la respuesta impulso no es finita

2) Inversión de Sistemas
1
a) Considerando el sistema 𝑆𝐴 (𝑥) = 𝑦[𝑛 − 1] − 𝑥[𝑛] entregado, se busca un sistema tal ( 𝑆𝐵 (𝑥)) que
2
sean inversos, es decir, la entrada al sistema entregado sea igual a la salida del sistema diseñado.
Para encontrar este sistema se puede trabajar con la función de transferencia de manera directa o
proceder a analizar el diagrama de bloques del primer sistema, en este caso, se trabajará con la
función de transferencia del primer sistema.

Si aplicamos transformada Z a el sistema A y reordenamos los términos se obtiene la siguiente H(z):

𝑌(𝑧) 𝑍
𝐻𝐴 (𝑧) = )=
𝑋(𝑧) −𝑍 + 0.5

Para encontrar el inverso en este caso basta con invertir la función de transferencia, lo que no
generaría mayores inconvenientes en causalidad debido a que su grado relativo es 0, quedando de
la siguiente forma:
𝑌(𝑧) −𝑍 + 0.5
𝐻𝐵 (𝑧) = )=
𝑋(𝑧) 𝑍

Al realizar el producto entre ambas transferencias es evidente que este es 1.

b) Con el sistema ya invertido, se procede a implementar en Matlab para obtener las respuestas a
impulso de cada uno por separado y al conjunto. En la figura 4 se pueden ver estos resultados y que
la salida es igual a la señal de entrada, un impulso.
 Figura 4 Respuesta a impulso de sistemas de forma individual y conjunta.

3) Integrales y Derivadas en Tiempo Discreto

a) Para implementar aproximaciones discretas de los sistemas se trabajo con una aproximación de
la pendiente y del área en la derivada e integral respectivamente. Es importante mencionar que estas
representaciones no son únicas, hay algunas mas exactas y otras mas simples que según el caso
en el que se implementen son mejores o peores, en este caso, se decidió trabajar con estas
aproximaciones porque son bastante “exactas” y fáciles de implementar.

1. Derivada: Para la aproximación se utilizo el esquema de la figura 5, y la ecuación

𝑋[𝑛]−𝑋[𝑛−1]
discreta en este caso toma la siguiente forma: 𝑦[𝑛] =
∆𝑇

Figura 5 Esquema para aproximad derivada

2. Integral: En este caso se trabajó con una aproximación similar a la de la figura 5

pero con ciertas modificaciones, ya que interesa el área y no la pendiente. En la
figura 6 se aprecia esto. La ecuación de diferencia que describe el sistema está
𝑋[𝑛]+𝑋[𝑛−1]
dada por: 𝑦[𝑛] = ∆𝑇 + 𝑦[𝑛 − 1].
2
 Figura 6 Aproximación de la integral

b) Al realizar las operaciones de derivar e integrar sobre una señal sinusoidal de frecuencia 100 y
amplitud unitaria durante 50 [ms] se obtienen las siguientes salidas (Figura 7). Notar la amplitud
como se ve afectada en el caso de la derivada y la integral, esto se debe según las observaciones
realizadas, al delta de tiempo incluido en las ecuaciones de diferencia.

Figura 7 Señal senoidal original, su derivada e integración de arriba hacia abajo respectivamente

c) Al igual que en el ítem “b” de esta pregunta, se realizará la derivación e integración de una señal
de entrada, pero en este caso es un pulso en t=0 y otro pulso negativo en t = 5. Los resultados son
expuestos en la figura 8.
 Figura 8 Señal original, derivada e integrada en orden descendente respecto a los impulsos de entrada

d) Se analizará de la misma forma que en los dos ítems previos, solo que cambiando la señal. En la
figura 9 se aprecian los resultados

Figura 9 Señal original, derivada e integrada en orden descendente respecto a la entrada de escalones

e) Trabajando con los archivos “music.wav” y “speech.wav” como entradas de Matlab se obtuvieron
las siguientes figuras (10 y 11). Al escuchar ambos audios, se tiene que en el caso del integrador es
un filtro “pasa bajos” en cuanto a como se percibe el audio mientras que el derivador un “pasa altos”.
Si analizamos mediante transformada Z y la ubicación de los ceros y polos del derivador e integrador
obtenemos la misma conclusión, que el derivador es un filtro pasa altos (elimina la frecuencia 0) y el
integrador es un filtro pasa bajos (elimina la frecuencia ubicada en π).
 Figura 10 señal original, integrada y derivada de “music.wav”

Figura 11 señal original, integrada y derivada de “speech.wav”

f) Del primer ítem de este punto, se conoce el derivador e integrador utilizado, si ahora estos los
trabajamos como funciones de transferencia en el dominio de Z, tenemos que:
𝑌(𝑧) 𝑍−1
𝐻𝑑𝑒𝑟𝑖𝑣𝑎𝑑𝑜𝑟 (𝑧) = )=
𝑋(𝑧) 𝑍∆𝑡
 𝑌(𝑧) 𝑍+1
𝐻𝑖𝑛𝑡𝑒𝑔𝑟𝑎𝑑𝑜𝑟 (𝑧) = ) = ∆𝑡
𝑋(𝑧) 𝑍−1

Para obtener las ecuaciones de diferencia basta con multiplicar las funciones de transferencia de lo
deseado. A continuación, se expondrán los 3 casos solicitados con su respectiva ecuación de
diferencia:
𝑌(𝑧) 𝑍 2 +2𝑍+1
a) 𝐻𝑖𝑖 (𝑧) = ) = ∆𝑡 2 → 𝑌[𝑛−4] − 2𝑌[𝑛−3] + 𝑌[𝑛−2] = ∆𝑡 2 (𝑋[𝑛−2] + 2𝑋[𝑛−3] + 𝑋[𝑛−4] )
𝑋(𝑧) 𝑍 2 −2𝑍+1
𝑌(𝑧) 𝑍 2 −2𝑍+1
b) 𝐻𝑑𝑑 (𝑧) = )= → ∆𝑡 2 𝑌[𝑛] = 𝑋[𝑛] − 2𝑋[𝑛−1] + 𝑋[𝑛−2]
𝑋(𝑧) 𝑍 2 ∆𝑡 2
𝑌(𝑧) 𝑍+1
c) 𝐻𝑑𝑖 (𝑧) = )= → 𝑌[𝑛] = 𝑋[𝑛] − 𝑋[𝑛−1]
𝑋(𝑧) 𝑍

Se puede apreciar de las ecuaciones de diferencia que en el caso de “c” (integrador y derivador) la
salida no es lo mismo que la entrada, probablemente se debe a que los métodos utilizados no son
los inversos entre si, generando ciertas diferencias en la transferencia total.

El filtro de la doble integral corresponde a un pasa bajos, el correspondiente a la doble derivada es

un pasa altos mientras que el de la integral de la derivada es casi un pasa “todo” (sigue siendo un
pasa bajos) atenuando de manera brusca en el extremo, en la figura 12 se puede ver la respuesta
de este en frecuencia.

Figura 12 Respuesta en frecuencia de la integrada de la derivada

4) Estimación de tiempo de retardo en radares

a) Al tener la señal enviada y recibida de la forma:

Enviada: 𝑥[𝑛] = 𝑥𝑎 (𝑛𝑇𝑠 )

Recibida: 𝑦[𝑛] = 𝑎𝑥[𝑛 − 𝐷] + 𝑣[𝑛]

Es posible apreciar que son bastante similares pero desplazada en D muestras la señal recibida si
asumimos que el ruido aleatorio v[n] es lo suficientemente pequeño para no alterar en gran manera
la estructura de la señal recibida. Al estar definida la correlación cruzada como:
∞

𝑟𝑦𝑥 [𝐾] = ∑ 𝑦[𝑛]𝑥[𝑛 − 𝐾] 𝐷 ∈ℤ

𝑛=−∞
Es posible apreciar que al ser similares y al variar K, en algún momento estas señales coincidirán y
se obtendrá el máximo valor para la correlación cruzada. El valor de K que genera el punto máximo
es el valor que permite medir el retardo con el que llega la señal. En cuanto a determinar el retardo
con mínimos cuadrados, no creo que sea posible ya que este método es para determinar parámetros
dentro de un modelo y no una señal que está cambiando. Para medir el retardo con autocorrelación
“yy” no es posible debido a que se compara con sigo misma y es máxima la autocorrelación cuando
coinciden estas dos señales, no existiendo un desfase entre estas.

b) Con la señal de Barker entregada se realizó la grafica de esta y su símil con retardo y ruido, esto
se aprecia en la figura 13.

Figura 13 Señal de Barker y señal recibida con retraso y contaminada con ruido

c) Con las señales del punto anterior es posible obtener la correlación y la autocorrelación de estas
señales, en específico se busca 𝑟𝑦𝑦 y 𝑟𝑦𝑥 para posteriormente determinar cuál es más útil para medir
D, el cual fue calculado mediante D=K-250 donde K es el instante en el que se encuentra el máximo
en amplitud de la correlación. Se observó que la correlación cruzada permite una medición real del
desplazamiento, no así la autocorrelación. En la figura 14 se aprecia el resultado obtenido.

Figura 14 Autocorrelación y correlación cruzada de señal yy e yx respectivamente

El SNR obtenido en [db] corresponde a -8.9446 correlación cruzada. Lo que indica que la potencia
del ruido es mayor que la potencia de la señal original.
d) Se realizara el mismo procedimiento que en los puntos b y c de este ítem, pero cambiando la
varianza a 0.1 y 1.

Figura 15 Señal de Barker y señal recibida con varianza 0.1 en ruido

Figura 16 correlación cruzada con varianza de 0.1 en ruido

 Figura 17 Señal de Barker y señal recibida con varianza 1 en ruido

Figura 18 Señal de Barker y señal recibida con varianza 1 en ruido

Varianza Correlación Valor [dB]

0.1 Cruzada -7.9076
1 Cruzada -6.7318
Tabla 1 Valores obtenidos para SNR según varianza y tipo de correlación

Notar que para el caso de varianza 1 si bien es notorio aun, podría prestarse para confusiones la
situación de la ubicación de D

e) Si se repite el procedimiento de “b” y “c”, pero esta vez con 10 periodos en vez de 1 para la señal
x[n] se obtienen las siguientes señales enviadas y recibidas
 Figura 19 Señal enviada(Barker) y recibida (Retardo y ruido)

Figura 20 Autocorrelación y correlación cruzada para señales de figura 19

En este caso se obtiene un SNR mucho mayor que antes, con valores de -34.6654 para la correlación
cruzada. Lo que indica que la potencia del ruido es mucho mayor que la de la señal “original”. Notar
que es bastante mas fácil detectar el máximo valor de la amplitud en este caso ya que se ve
creciendo la señal y no es solo en un instante, prestándose para irregularidades, acá se ve cierta
tendencia para estimar un desplazamiento.