Procesamiento Digital de Señales (DSP).

ANALISIS DE SEÑALES, POTENCIA Y ESPECTRO

Universidad Pedagógica y Tecnológica de Colombia

 Aprender a utilizar en computación numérica las

Resumen—Este informe presenta las gráficas de las transformada de Fourier, función de auto correlación,
simulaciones realizadas con matlab de los operadores matemáticos teorema de Parseval y convolucion.
convolución y auto correlación, pretende permitirnos ver la forma
como actúa cada uno de ellos en señales continuas y discretas.
V. PROCEDIMIENTO
Índice de Términos— Señales continuas, señales discretas
ancho de banda, periodo, Transformada de Fourier.
1) GENERACION DE SEÑALES:

I.INTRODUCCIÓN Tren de pulsos rectangular de amplitud A, frecuencia

fundamental w0 (con unidades rad/s), y ciclo de trabajo (rho).
Una señal es corresponde a la variación de una corriente
El ciclo de trabajo se define como la fracción de cada
eléctrica u otra magnitud que se utiliza para transmitir
Periodo para la cual la señal es positiva. La secuencia de
información, una de las formas más utilizadas para el
comandos para generar la señal es como sigue:
tratamiento de señales es a través de la transformada de
Fourier, ya que de acuerdo a la teoría de señales cualquier
forma de onda continua y periódica y continua en el tiempo
puede ser representada por sus componentes infinito de
sinusoidales, la transformada permite migra del dominio del
tiempo al dominio de la frecuencia, para así dar facilidad al
análisis.
Por otra parte, la estimación espectral consiste de la aplicación
de técnicas de procesamiento de señal para describir la
distribución (sobre la frecuencia) de la potencia contenida en
una señal, basada en un conjunto finito de datos. La
estimación de espectro de potencia es muy útil en una amplia
variedad de aplicaciones, incluyendo la detección de señales Figura N° 01 Tren de pulsos continuos en el tiempo.
enterradas en ruido de banda amplia.

II. MATERIALES
 Software de simulación.

III. EQUIPOS
 Equipo de cómputo con software requerido.

IV. OBJETIVOS
 Crear y analizar señales en tiempo continuo, señales
discretas, señales aleatorias, y determinar parámetros
Figura N° 02 Tren de pulsos rectangulares discretos en tiempo.
de interés como potencia, ancho de banda, periodo,
etc.
Forma de onda triangular de amplitud A, frecuencia
 Realizar análisis espectral a señales típicas en
fundamental w0 (con unidades rad/s), y ancho (W). El periodo
comunicaciones aplicando la transformada de
de la onda es T, y su máximo ocurre en t=WT. Los comandos
Fourier.
para generar la señal son:


 Procesamiento Digital de Señales (DSP). 2

Figura N° 07Onda sinusoidal continua en el tiempo.

Figura N° 03 Función triangular o diente de sierra.
.
Función exponencial creciente y decreciente que pueden tener
un valor de amplitud B, y un exponente de atenuación
(positivo-creciente y negativo-decreciente).

Figura N° 08 Onda sinusoidal discreta en el tiempo.

Señales sinusoidales amortiguadas exponencialmente, que

corresponde al producto de una señal exponencial por una
Figura N° 04 Función exponencial creciente continua. función sinusoidal, y que se basa en el producto
Vectorial elemento a elemento.

Figura N° 05 Función exponencial decreciente continua.

Figura N° 09Señal sinusoidal amortiguada exponencialmente.

Funciones escalón unitario, impulso o delta de Dirac y rampa:

La función escalón unitario es generada a partir de los
comandos:

Figura N° 06 Función exponencial decreciente discreta.

Funciones trigonométrica para generar señales sinusoidales.

Una señal coseno de amplitud A, frecuencia w0 (con unidades
rad/s), y ángulo de fase phi (en radianes). Figura N° 10 Función escalón unitario.

Impulso discreto en tiempo de amplitud unitaria que puede

generarse.
 Procesamiento Digital de Señales (DSP). 3

Comprobar qué ocurre si tomamos M = 6 o 5. ¿A qué se debe

el resultado observado?

Figura N° 14Espectro de un pulso rectangular con tamaño FFT=5

Figura N° 11Funcion Delta Dirac en discreto. y tiempo en alto de 1 segundo.
Observamos que cuando se reduce el tamaño de la
transformada de Fourier con un M=5 el tiempo de duración
del pulso en alto dura un poco más de la unidad, de esta
misma forma vemos que el espectro en magnitud no se hace
cero durante el 4to nulo.
ii) Asignar nuevamente a M un valor igual a 7. ¿Qué ocurre si
ahora hacemos T0 = 2 ó 3,o mayor incluso? ¿Cómo afecta y
por qué? ¿Qué pasa para T0 = 10?

Figura N° 12 Señal sincretizada en el tiempo.

Finalmente, para ilustrar la creación de funciones escalón

desplazado en tiempo, para generar un pulso rectangular puede
usarse el siguiente código:
Figura N° 15 Espectro de un pulso rectangular con tamaño
FFT=7 y tiempo en alto de 3 segundos.

Observamos que cuando incrementamos el tiempo de duración

del pulso en estado alto de 1 a 3 el espectro en magnitud del
4To nulo se hace cero nuevamente al igual que en el caso 1,
así de esta manera podemos concluir que es mejor tener un
tiempo en alto prolongado, en este caso necesitaríamos como
mínimo 3.3 muestras del pulso.

Figura N° 12 Función escalón desplazado en el dominio del

tiempo.

2) TRANSFORMADA DE FOURIER Y ESPECTRO DE

POTENCIA.

Figura N° 16 Espectro de un pulso rectangular con tamaño

FFT=7 y tiempo en alto de 10 segundos.

En este caso el tiempo en alto y el periodo de la señal son

iguales el espectro en magnitud decae mas rapido a medida
que ahumenta el tiempo en alto hacercandose al periodo de la
señal ,vimos que en el caso anterior decaia en 1.4 y ahora
decae en 0.1 y el espectro en fase practicamente desaparece.
Figura N° 13Espectro de un pulso rectangular con tamaño FFT=7
y tiempo en alto de 1 segundo.
 Procesamiento Digital de Señales (DSP). 4

iii) Comprobar qué ocurre si tomamos T0 = 2, y aumentamos

M a 9 o 10. ¿A qué se debe esto? ¿Y si modificamos el valor
de T a 40 segundos?

Figura N° 19 Espectro de un pulso rectangular con periodo

Figura N° 17 Espectro de un pulso rectangular conT0=2 o tiempo
en alto y FFT=10 s.
Cambia la posición del 4To cero ya que para el cálculo de este,
se encuentra involucrado el tiempo en alto de la señal.
T0 = (1/ f 0 ) .
i) ¿Qué ocurre si hacemos T0 = (2 / f 0 ) ? ¿Y si hacemos
T0 = (1/ 2 f 0 ) ? Aumentar To en incrementos de unidad, y
compruebe qué ocurre. ¿Qué sucede ahora para To mayor que
8? ¿Qué ocurre si aumentamos M para To fijo e igual a 1/fo?
¿Y si tomamos M = 7 y To =5/fo, por ejemplo?

Figura N° 18 Espectro de un pulso rectangular con periodo

T=40s.

En este caso prácticamente las formas de onda no sufren

ningún tipo de alteración al ampliar el periodo de la señal. Figura N° 20 Espectro de un pulso rectangular con periodo
T0 = (1 / 2 f0 ) .

3) ESTIMACION DE POTENCIA Cuando hacemos T0 = (2 / f 0 ) aumentamos el periodo de la

El espectro de una senoide puede obtenerse a través del señal al doble de la original, el espectro de magnitud se
teorema de Parseval, por ejemplo, si se desea determinar el mantiene en la misma posición al igual que el espectro de
espectro de la señal dada por: fase.
w(t) =3sen(w 0 t +20°) ¿Y si hacemos T0 = (1/ 2 f 0 ) ?
Se puede representar la anterior expresión en términos de la
exponencial compleja como:
3 J 20 -3 J 20 - jw0t
w(t) =( e )*e jw0t + ( * e )*e
2J 2J
Donde los coeficientes de Fourier vienen dados como:
3
C1 = ( * e J 20 ) = 1.5�- 70
2j
-3
C 2 = ( * e J ( -20) ) = 1.5�70
2j
Utilice Matlab para determinar una aproximación de la Figura N° 21 Espectro de un pulso rectangular con periodo
senoide anterior. . T0 = (1/ 2 f 0 ) .

En este caso el periodo de la señal aumenta pero el espectro en

magnitud y fase se ve notablemente alterado ahora se
encuentra en 0.25Hz.
Aumentar To en incrementos de unidad, y compruebe qué
ocurre?
 Procesamiento Digital de Señales (DSP). 5

Figura N° 22 Espectro de un pulso rectangular con periodo Figura N° 26 Espectro de un pulso rectangular con periodo
T0=1. T0=8.

¿Qué ocurre si aumentamos M para To fijo e igual a 1/fo?

Figura N° 23 Espectro de un pulso rectangular con periodo

T0=2.

Figura N° 27 Espectro de una señal sinusoidal con M=5 y periodo

fijo.

M=5

Figura N° 24 Espectro de un pulso rectangular con periodo

T0=4.

Figura N° 28. Espectro de una señal sinusoidal con M=5 y

periodo
fijo.

M=8
¿Y si tomamos M = 7 y T0 =5/fo, por ejemplo?

Figura N° 25 Espectro de un pulso rectangular con periodo

T0=6.
Tras hacer el cambio en los valores del periodo de la señal de
una forma que no corresponde a la que realmente seria de
forma natural, podemos observar que cuando el periodo está
más cerca del valor que realmente debería tener, teniendo en
cuenta que T0=1/f, la forma de la señal comienza a tomar una
forma sinusoidal, pero cuando se aleja del valor que le debería
corresponder comienza a distorsionarse. Figura N° 29. Espectro de una señal sinusoidal con M=5 y
periodo
¿Qué sucede ahora para To mayor que 8? fijo.

4) AUTOCORRELACION
La auto correlación se define como la correlación cruzada de
la señal consigo misma. Ofrece gran utilidad para encontrar
patrones repetitivos dentro de una señal, por ejemplo, para
 Procesamiento Digital de Señales (DSP). 6

determinar inicio de una secuencia discreta en un vector de

datos binarios.
i) Explique qué hace el anterior código y grafique la secuencia
del ejemplo utilizando el
Comando stem, asigne título y rótulos para los ejes.

Figura N° 32. Es
ii) Proponga la convolución de dos señales prácticas
en comunicaciones (rectangulares, exponenciales,
senoidales, sinc, triangulares, rampa, etc.) y acótelas
apropiadamente para mostrar su salida.
Figura N° 30. Espectro de una señal sinusoidal con M=5 y periodo
fijo.
El código tiene dos vectores de entrada

Figura N° 33. Es

Figura N° 31. Es VI. CONCLUSIONES

5) CONVOLUCION
La convolución es una operación matemática lineal que
combina dos señales y las transforma para producir una tercera
señal de salida. Tiene gran importancia en los sistemas de
comunicaciones donde usualmente se multiplican (proceso de
convolución) señales en el dominio del tiempo, pero por
dualidad en el dominio de la frecuencia, la convolución
corresponde al producto de las transformadas de Fourier de
cada señal, simplificando considerablemente el proceso
operacional.
i) Encuentre el producto de convolución para las secuencias
x[n] y v[n] utilizando la función de matlab conv. Los
comandos en MATLAB para calcular la convolución para
este caso.
 Los sistemas de comunicación pueden ser
asincrónicos o sincrónicos en este último es necesario
que las señales de reloj tanto del receptor como del
transmisor estén perfectamente sincronizadas, a fin
de poder comparar los símbolos presentes en la
comunicación, para ello es de vital importancia la
auto correlación ya que en esta sola frase se resume
todo lo anteriormente mencionado.
 Para que una señal pueda ser reconstruida es
necesario por lo menos que la frecuencia de muestreo
sea el doble de la frecuencia de la señal muestreada
esto de acuerdo al teorema de Nyquist, lo cual se
evidencia en algunas de las gráficas realizadas
durante la práctica.
 Se observó como el operador matemático de la
convolución actúa de manera que toma dos funciones
y la transforma en una sola donde representa la
magnitud como se sobreponen.

VII. REFERENCIAS
[1] M. P. Fitz, Fundamentals of Communications Systems, pp. 7.1-
7.7, 2007, McGraw-Hill.
 Procesamiento Digital de Señales (DSP). 7

[2] Hwei P. Hsu, Schaum’s Outlines of Theory and Problems of

Signals and Systems, pp.1-5,1995, McGraw-Hill.