Procesamiento

Digital de
Señales

Ing. Víctor Hugo Rivera Chávez

PRIMERA FASE
EPIE - UCSM

 Objetivos generales

•  Poder analizar el comportamiento de señales

y sistemas lineales discretos en los dominios
del tiempo y la frecuencia, empleando los
conceptos de convolución, transformada
discreta de Fourier, transformada Z, y otros
conceptos más.
•  Conocer los conceptos básicos para el diseño
de filtros digitales.
 Temario
I.  Muestreo de señales y conversión A/D
II.  Análisis de señales y sistemas discretos en
el dominio del tiempo
III.  La Transformada Z
IV.  Análisis de señales y sistemas discretos en
el dominio de la frecuencia
V.  Introducción al diseño de filtros digitales
 Bibliografía
Libro de texto
•  Digital Signal Processing: Principles,
algorithms and applications
J. G. Proakis & D. G. Manolakis.
Pearson Education Inc. 3a Ed. 1996.

Libros de consulta
•  Introduction to Signals and Systems
D. K. Lindner
McGraw Hill, 1999.
•  Signals and Systems: Continuous and Discrete.
R. E. Ziemer, W. H. Tranter & D. R. Fannin
Prentice Hall, 4a Ed. 1998
•  Principles of Signals and Systems
F. J. Taylor
McGraw Hill, 1a Ed. 1994
•  Signals and Systems
A. V. Oppenheim
Prentice Hall, 1a Ed. 1993.
•  Analog and Digital Communication Systems
M. S. Roden
Prentice Hall, 4a Ed. 1996.
I. Muestreo de Señales y Conversión
A/D

0. Introducción
1.  Conversión A/D
2.  Teorema del muestreo
 Módulo 1

0. Introducción
Señales, sistemas y procesamiento de señales
Una señal está definida como una cantidad física que varía
en el tiempo, espacio, o con otra(s) variable(s)
s1(t) = 5t
s2(t) = 20 t2
s(x,y) = 3x + 2xy + 10y2

s =∑1≤i≤N Ai(t) sen[2πFi(t)t + θi(t)]

 Módulo 1

¿Cómo se generan las señales?

•  La generación de la señal está asociada con un
sistema que responde al estímulo.
•  El estímulo en combinación con el sistema es
llamado fuente de la señal.
•  Un sistema se puede definir como un dispositivo
físico que efectúa una operación a una señal.
•  La realización de esas operaciones son
referidas como procesamiento de la señal.
 Módulo 1

Elementos básicos de un sistema PDS.

•  La mayoría de las señales son analógicas por
naturaleza.
•  Estas señales son funciones de una variable
continua (tiempo, espacio).
•  Pueden procesarse con sistemas analógicos
(filtros o analizadores de frecuencia).
•  En estos casos la señal se ha procesado
directamente en su forma analógica.

Señal Procesador Señal

Analógica de la señal Analógica
de entrada analógica de salida
 Módulo 1

•  El procesamiento de la señal digital nos da un método

alternativo para procesar la señal analógica
•  Se requiere de una interfaz: Convertidor A/D
•  En ciertas aplicaciones requerimos de otra interfaz:
Un convertidor D/A

Señal Procesador Señal

Analógica A/D de la señal D/A Analógica
de entrada digital de salida

Señal Señal
digital de digital de
entrada salida
 Módulo 1

Clasificación de las señales

Los métodos a emplear en el procesamiento ó análisis
de una señal depende en gran medida de sus
características.

•  Señales multicanal y multidimensionales.
•  Señales continuas y discretas en el tiempo.
•  Señales con valores continuos y con valores discretos.
•  Señales determinísticas y aleatorias.
Módulo 1
Concepto de frecuencia en señales continuas y
discretas en el tiempo.

xa(t) = A cos(Ωt + θ), -∞ < t < ∞

Ω = 2πF : Frecuencia angular
1.  Para cada F determinada, xa(t) es periódica.
Tp = 1/F es el período fundamental. (a) Analog form (b)

2.  Diferentes frecuencias, señales diferentes Magnetic tape contanin

3.  Mayor frecuencia, mayor oscilación

xd(n) = A cos(ωn + θ), -∞ < n < ∞ 00

ω = 2πf : Frecuencia angular 01
10
1.  La señal es periódica si f es un racional. 10
f = k/N; cos[2πf(N+n) + θ] = cos[2πfn + θ]
El menor N es el periodo fundamental.
2.  Dos o más señales son iguales(a)siAnalog
susform
f las separa un (b) Sampled analogde
múltiplo form2π
3.  La mayor oscilación solo se logra si ω= ± π ó f = ± ½
Nota: Identidad de Euler Acos(ωn + θ) = ½Aej(ωn + θ) + ½Ae-j(ωn + θ)
Magnetic tape contaning analog and digital forms of a signa
 Módulo 1

1. Conversión A/D
•  Muchas señales de interés práctico son analógicas:
voz, sísmicas, biológicas, radar, sónar, audio, video,
etc.
•  Para procesarlas por medios digitales es necesario
convertirlas en una señal digital:
Conversión Analógica a Digital.
•  Esta conversión consta de tres pasos:
–  Muestreo
–  Cuantización
–  Codificación
Conversión A/D
 Módulo 1
Muestreo
Conversión de una señal continua a discreta en el tiempo a través
de muestras de la señal tomadas en instantes discretos de tiempo.
xa(t) es la entrada al “muestreador”
x(nT) ≡ x(n) es la salida
T es el intervalo de muestreo
Cuantización
Conversión de una señal discreta de valores continuos a valores
discretos (digital).
El valor de cada muestra se representa con un elemento
seleccionado de un conjunto finito de posibles valores.
La diferencia x(n) – xq(n) se llama error de cuantización.
Codificación
Cada valor discreto cuantizado xq(n) se representa mediante una
secuencia binaria b-bit.
 Módulo 1
Convertidor A/D

x(n) xq(n)
xa(t) Muestreador Cuantizador Codificador 0100…

Señal Señal Señal Señal

analógica discreta cuantizada digital

•  En ocasiones es deseable convertir la señal digital

procesada en analógica: Convertidor D/A
•  Se conectan puntos a través de interpolación
•  Para señales con contenido de frecuencia limitado
(ancho de banda finito), el teorema de muestreo
especifíca la forma óptima de interpolar
•  El muestreo no produce pérdida de información ni
distorsión si la señal tiene un ancho de banda finito
•  Una señal análoga se puede reconstruir de muestras
si la tasa de muestreo es lo suficientemente alta para
no producir aliasing
•  La cuantización es irreversible y produce distorsión,
la cual depende de la resolución (número de bits).
•  La resolución implica costo, lo mismo que la tasa de
muestreo
Aliasing
Muestreo de señales analógicas
Muestreo periódico o uniforme.
x(n) = xa(nT), -∞ < n < +∞
T es el período de muestreo
Fs = 1/T es la tasa o frecuencia de muestreo
(# de muestras por segundo ó Hertz)
t = nT = n/Fs
Relación entre al F de
la señal analógica y
la f de la señal digital:
f = F/Fs
x(n) = xa(nT)
Muestreo
 Relaciones entre variables de frecuencia
Señal continua Señal discreta

Ω = 2πF ω = 2πf
rad/s Hz rad/muestra ciclos/muestra

ω = ΩT
f = F/Fs x(n) =
xa(t) =
Acos(2πfn + θ)
Acos(2πFt + θ) -π≤ω≤π
Acos(ωn + θ)
Acos(Ωt + θ) -½≤f≤½
Ω = ω/T
F = f·Fs
-∞≤Ω≤∞ - π/T ≤ Ω ≤ π/T
-∞≤F≤∞ - Fs/2 ≤ F ≤ Fs/2

El muestro introduce ambigüedad, la frecuencia más alta

en una señal continua que puede distinguirse cuando la
señal se muestrea a Fs = 1/T es Fmax = ½ Fs = 1/(2T) y
Ωmax = πFs = π/T
Sean x1(t) = cos20πt y x2(t) = cos100πt con Fs = 40 Hz
¿Cuáles son x1(n) y x2(n)?
 Módulo 1

xa(t) = 3 cos 100π t

a)  ¿Cuál sería la Fs mínima para evitar aliasing?
b)  Si Fs = 200 Hz ¿Cuál sería x(n)?
c)  Si Fs = 75 Hz ¿Cuál sería x(n)?
d)  ¿Cuál sería la frecuencia 0 < F < Fs/2 de una señal
senoidal con muestras idénticas a x(n) en c)?

Respuestas
a)  Fs ≥ 100 Hz
b)  x(n) = 3 cos(π n/2)
c)  x(n) = 3 cos(2 π n/3)
d)  F = 25 Hz
ya(t) = 3 cos 50 π t
 Módulo 1

2. Teorema del muestreo

Dada una señal analógica, ¿cómo podemos seleccionar el
período de muestreo T, o su tasa de muestreo Fs?

Información acerca de la señal: contenido de frecuencia.
Señal de voz: Menor a 3000 Hz
Señal de TV: Menor a 5 MHz

La información se encuentra en las amplitudes,
frecuencias y fases de los componentes de la señal.
 Módulo 1

Conociendo la máxima frecuencia contenida en una

señal, se puede determinar la tasa de muestreo.
Podemos suponer que las componentes de una señal
no exceden a una frecuencia conocida Fmax.
Con Fmax podemos determinar la tasa de muestreo
adecuada a nuestra señal.
Para evitar ambigüedades como el aliasing, la tasa de
muestreo se selecciona de modo que:
Fs > 2Fmax
 Módulo 1

Teorema del muestreo.

La frecuencia más alta contenida en una señal analógica
xa(t) es Fmax = B y si la señal se muestrea a una tasa Fs >
2Fmax ≡ 2B, entonces xa(t) puede recuperarse
exactamente a partir de los valores de sus muestras
empleando la función de interpolación
g(t) = sen2πBt / 2πBt
Así xa(t) puede expresarse como
∞
⎛n⎞ ⎛ n⎞
xa (t ) = ∑ xa ⎜⎜ ⎟⎟ g ⎜⎜ t − ⎟⎟
n = −∞ ⎝ Fs ⎠ ⎝ Fs ⎠
donde xa(n/Fs) = xa(nT) ≡ x(n) son las muestras de xa(t).
 Módulo 1

Cuando el muestreo se efectúa con la tasa mínima Fs =

2B, la fórmula de reconstrucción es:


∞
⎛ n ⎞ sen2πB(t − n / 2 B)
xa (t ) =
∑ xa ⎜ ⎟
n = −∞ ⎝ 2 B ⎠ 2πB(t − n / 2 B)

La tasa de muestreo FN = 2B = 2Fmax se conoce como
tasa de Nyquist.
 Módulo 1

Ejercicios.
1. ¿Cuál es la tasa de Nyquist para xa(t)?

xa (t ) = 3 cos 50πt + 10 sen300πt − cos100πt

2. ¿Cuál es la tasa de Nyquist para xa(t)?

xa (t ) = 3 cos 2000πt + 5sen6000πt + 10 cos12000πt

Si Fs = 5000 muestras/s ¿Qué señal se obtiene después
del muestreo?
¿Cuál es la señal reconstruida ya(t) si usamos
interpolación ideal?
 Módulo 1

Cuantización de señales de amplitud continua.

Una señal digital es una secuencia de muestras donde
cada una se representa con un número finito de
dígitos.
El proceso de convertir una señal discreta de amplitud
continua en una señal digital expresando cada valor de
una muestra con un número finito de dígitos es
llamado cuantización.
El error introducido en la representación de una señal
de valores continuos con un conjunto finito de niveles
discretos de valores se llama error o ruido de
cuantización.
 Módulo 1

La operación de cuantización de las muestras x(n) se

representa como:
xq(n) = Q[x(n)]
El error de cuantización se representa como:
eq(n) = xq(n) – x(n)
 Módulo 1

Operaciones involucradas en la cuantización.

1.  Truncamiento
2.  Redondeo
val = 0.59049 t(val) = 0.5 r(val) = 0.6

Los valores permitidos en una señal digital se llaman
niveles de cuantización.
La distancia entre dos niveles sucesivos de
cuantización se llama paso de cuantización o
resolución (Δ).
El error de cuantización eq(n) en el redondeo es:
-Δ/2 ≤ eq(n) ≤ Δ/2
 Módulo 1

Si xmin y xmax representan los valores mínimo y máximo

de x(n) y L es el número de niveles de cuantización,
entonces:
Δ = (xmax - xmin ) / (L - 1)
xmax - xmin es el rango dinámico de la señal.
 Módulo 1

Codificación de muestras cuantizadas.

La codificación en los convertidores A/D asigna un
número binario único a cada nivel de cuantización.
Una palabra de b bits crea 2b números binarios
diferentes.
Entonces tenemos 2b ≥ L ó b ≥ sup[log2L]
Conversión D/A.
La tarea del CDA es interpolar las muestras.
El teorema del muestreo especifica la interpolación
óptima para señales de banda limitada.
Suele emplearse un post filtrado a la señal obtenida de
esta conversión. Ej, Filtro de aplanamiento.
 Módulo 1

Muestreo, cuantización e interpolación

La señal discreta x(n) = 6.35 cos (πn/10) es cuantizada con una resolución a) Δ
= 0.1
b) Δ = 0.02
¿Cuántos bits se requieren en cada caso y con cuántos niveles de cuantización
L?
II. Análisis de señales y de
sistemas discretos en el
dominio del tiempo
0. Introducción
1.  Sistemas lineales discretos e invariantes
con el tiempo.
2.  Descripción de un sistema por medio de
su ecuación de diferencias
 Módulo 2

0. Introducción
Señales discretas en el tiempo.

•  x(n) es una función de una variable independiente que
es un entero
•  Estas señales no están definidas en los instantes entre
dos muestras sucesivas
•  x(n) = 0 si n no es entero
•  Suele asumirse que - ∞ < n < ∞
 Módulo 2

Además de la representación gráfica existen otras

alternativas:
•  Representación funcional ⎧1 para n = 1,3
⎪
x (n ) = ⎨4 para n = 2
⎪0 de otra manera
⎩
•  Representación tabular

n … -2 -1 0 1 2 3 4 5 …
x(n) … 0 0 0 1 4 1 0 0 …

•  Representación secuencial
x(n) = {… 0, 0, 1, 4, 1, 0, 0, …}
 Módulo 2
Algunas señales discretas elementales.
•  La secuencia muestra o impulso unitario δ(n)
•  La señal escalón unitario u(n)
•  La señal rampa unitaria ur(n)
•  La señal exponencial x(n) = an
 Módulo 2
Clasificación de las señales discretas.
•  Señales de energía y de potencia
Si la energía es finita se llama energía de la señal y si la potencia
es finita ésta es la potencia de la señal
N
2 1
E N ≡ ∑ x ( n) P ≡ lim EN
n=− N
N → ∞ 2N +1
•  Señales periódicas y aperiódicas
x(n) es periódica con periodo N sí y solo sí
x(n + N) = x(n) para toda n (1)
El menor valor de N que satisfaga (1) es el periodo fundamental
Si no existe N que satisfaga (1) la señal es aperiódica.
•  Señales simétricas (par) y antisimétricas (impar)
x(n) = x(-n) Señal simétrica
-x(n) = x(-n) Señal antisimétrica
 Módulo 2

Manipulaciones de señales discretas.

•  Transformación de la variable independiente t.
Se sustituye n por n ± k y tenemos un desplazamiento según el
signo de k (+ retraso, - adelanto)

•  Adición, multiplicación y escalamiento de secuencias

y(n) = x1(n) + x2(n)
y(n) = x1(n)*x2(n)
y(n) = Ax(n) para toda n

Aquí la amplitud es la que se modifica

 Módulo 2

Sistemas discretos en el tiempo.

Es un dispositivo o algoritmo que opera sobre una señal
discreta en el tiempo, llamada entrada o excitación,
acorde a reglas bien definidas, para producir otra señal
discreta en el tiempo llamada salida o respuesta del
sistema.

La señal de entrada x(n) es transformada por el sistema
en la señal y(n). Esta relación se expresa:
y(n) ≡Τ[x(n)] donde el operador T denota la
transformación o procesamiento efectuado a x(n)
 Módulo 2

Clasificación de sistemas digitales.

• Sistemas sin memoria ó estáticos. Cuando la salida de
cualquier valor n depende solo de la entrada en el mismo valor n.
y(n) = x(n)2 y(n) = ax(n) y(n) = nx(n) + bx3(n)

• Sistemas con memoria ó dinámicos. Cuando la salida en un

valor n depende de las entradas en el intervalo [n-N, n], N ≥ 0, se
dice que el sistema tiene memoria de duración N.
Si N = 0 el sistema es estático; si 0 ≤ N < ∞, el sistema tiene
memoria finita; si N < ∞, tiene memoria infinita.

y(n) = x(n) + 3x(n-1) y(n) = ∑x(n-k) ; k=0…n

y(n) = ∑x(n-k) ; k=0…∞
 Módulo 2

• Sistemas invariantes con el tiempo. Son aquellos sistemas

para los que un desplazamiento temporal de la secuencia de
entrada provoca el mismo desplazamiento en la secuencia de
salida.
Si para x1(n) = x(n – k) se produce y1(n) = y(n - k)
• Sistemas variantes con el tiempo. Aquellos donde la salida
cumple con y1(n) ≠ y(n - k), incluso para un solo valor de k.
Determinar si los siguentes sistemas son invariantes:

y(n) = x(n) – x(n - 1) y(n) = nx(n) y(n) = x(-n) y(n) = x(n) cos ωn
 Módulo 2
• Sistemas lineales. Definidos por el principio de superposición.
Sean y1(n) e y2(n) las respuestas a las entradas x1(n) y x2(n),
el sistema es lineal solo sí:

T[a1x1(n) + a2x2(n)] = a1T[x1(n)] + a2T[x2(n)] =a1 y1(n) + a2y2(n)

donde a1 y a2 son constantes arbitrarias.

• Sistemas no lineales. Aquellos que no satisfacen el principio

de superposición.
Un sistema lineal en reposo, es aquel que a una entrada cero,
produce una salida cero.
Un sistema que produce una salida diferente de cero cuando la
entrada es cero no está en reposo, o no es lineal.
Determinar si los siguientes sistemas son lineales:

y(n) = n x(n) y(n) = x(n2) y(n) = x2(n)
y(n) = Ax(n) + B y(n) = ex(n)
 Módulo 2

• Sistemas causales. Cuando para cualquier valor n0, el valor de

la secuencia de salida en n = n0 depende solo de los valores de
entrada para n ≤ n0. Es decir, la salida depende de las entradas
pasadas y presentes.
• Sistemas no causales. Aquellos que no cumplen las
condiciones de causalidad.

y(n) = x(n) – x(n - 1) y(n) = ax(n) y(n) = ∑x(k); k= -∞ …n
y(n) = x(n) + 3x(n + 4) y(n) = x(n2) y(n) = x(2n) y(n) = x(-n)
 Módulo 2

• Sistemas estables. Un sistema es estable en el sentido de

entrada acotada y salida acotada.
La entrada x(n) está acotada si existe un valor finito positivo Bx
tal que |x(n)| ≤ Bx < ∞, para todo n.
La estabilidad requiere que para cualquier entrada acotada
exista un valor finito positivo fijo By, tal que |y(n)| ≤ By < ∞,
para todo n.

• Sistemas inestables. Aquellos que no cumplen con las

condiciones de estabilidad.
 Módulo 2

1. Sistemas lineales discretos e

invariantes con el tiempo (LTI).
•  Los sistemas LTI son caracterizados en el dominio del tiempo
por su respuesta al impulso unitario.
•  Cualquier señal arbitraria se puede descomponer y representar
como una suma ponderada de impulsos unitarios.
•  Las propiedades de linealidad e invarianza en el tiempo hacen
que la respuesta del sistema a cualquier señal de entrada se
pueda expresar en términos de su respuesta al impulso
unitario.
 Módulo 2
Técnicas para el análisis de sist. lineales.

• Método basado en la solución directa de la ecuación de
entrada-salida para el sistema.

y(n) = F[ y(n − 1), y(n − 2),..., y(n − N ), x(n), x(n − 1),..., x(n − M )]

N M

y (n) = −∑ ak y (n − k ) + ∑ bk x(n − k )
k =1 k =0
• Descomponiendo la señal de entrada en una suma de
señales elementales.
Las señales elementales se eligen de modo que la respuesta del
sistema a cada componente de la señal se pueda determinar
con facilidad. Debido a la linealidad del sistema, las respuestas
se suman para tener la respuesta total.
 Módulo 2
x(n) = ∑ ck xk (n)
k
{ck} es el conjunto de amplitudes o coeficientes ponderados
{xk} es el conjunto de señales elementales
yk(n) es la respuesta a la señal elemental xk(n)

yk (n) ≡ T [ xk (n)]

Asumiendo que el sistema está en reposo y que la respuesta a

ckxk(n) es ckyk(n) por la propiedad de escalamiento, la respuesta total es:
⎡ ⎤
y (n) = T [ x(n)] = T ⎢∑ ck xk (n)⎥
⎣k ⎦
y(n) = ∑ ckT [ xk (n)]
k

y (n) = ∑ ck yk (n)
k

Nota: Un sistema está en reposo en un tiempo t0 si la señal de salida y(t) en el intervalo t0 ≤ t

está sola y unicamente determinada por la señal de entrada x(t) en el intervalo t0 ≤ t para -∞ < t0
 Módulo 2
Representación de una señal discreta en
impulsos unitarios
Sea x(n) una señal arbitraria
y xk(n) = δ(n - k)
k es el retardo del impulso unitario
Multiplicando x(n) y δ (n - k) tenemos
x(n)δ (n - k) = x(k)δ (n - k)
una secuencia de ceros excepto
cuando n = k
Repitiendo para -∞ < k < ∞ tenemos
∞
x ( n) = ∑ x(k )δ (n − k )
k = −∞
 Módulo 2
La respuesta de los sistemas LTI a entradas
arbitrarias: La suma de convolución.

Sea h(n, k) la respuesta del sistema a un impulso unitario en

el instante n = k, para -∞ < k < ∞. Esto es:
y(n, k) ≡ h(n, k) = T[δ(n - k)]
Si escalamos el impulso a la entrada por ck ≡ x(k), esto es
ck h(n, k) = x(k) h(n, k)
Y si x(n) se expresa como
∞
x(n) = ∑ x(k )δ (n − k )
k = −∞

Tenemos finalmente que la respuesta del sistema a x(n) es

⎡ ∞ ⎤ ∞ ∞
y (n) = T [ x(n)] = T ⎢ ∑ x(k )δ (n − k )⎥ = ∑ x(k )T [δ (n − k )] = ∑ x(k )h(n, k )
⎣k =−∞ ⎦ k =−∞ k = −∞
 Módulo 2

Si la respuesta del sistema LTI a δ(n) se denota como h(n)

Esto es:
h(n) ≡ T[δ(n)]
Por la propiedad de invarianza, la respuesta a δ(n - k) es
h(n - k) = T[δ(n - k)]
Entonces tenemos que:
∞
y ( n) = ∑ x ( k ) h( n − k )
k = −∞

La función de respuesta del sistema LTI se conoce como suma de
convolución.
La entrada x(n) es “convolucionada” por la respuesta al impulso
h(n) para producir la salida y(n).
 Módulo 2
Análisis de la suma de convolución.

Deseamos calcular la salida del sistema para n = n0, entonces:

∞
y (n0 ) = ∑ x(k )h(n0 − k )
k = −∞
Observaciones:
•  x(k) y h(n0-k) son funciones del índice k.
•  x(k) y h(n0-k) se multiplican entre si para producir una secuencia
de productos.
•  y(n0) es la suma de los productos
•  h(n0-k) se obtiene de h(k), reflejándola alrededor de k = 0,
produciendo h(-k), y luego desplazando en n0.
 Módulo 2

La suma de convolución involucra cuatro pasos:

1.  Reflejo. Se refleja h(k) alrededor de k = 0 para tener h(-k).

2.  Desplazamiento. Se desplaza h(-k) en n0 a la derecha (izquierda)
si n0 es positivo (negativo) para obtener h(n0 - k).
3.  Multiplicación. Se multiplica x(k) por h(n0-k) para tener la
secuencia de productos vn0(k) ≡ x(k)h(n0-k).
4.  Suma. Se suman todos los valores de la secuencia de productos
vn0(k) para obtener el valor de la salida en n = n0.

Si nos interesa evaluar la respuesta del sistema para todos los
instantes de tiempo -∞ < n < ∞, repetimos los pasos del 2 al 4
para todos los posibles desplazamientos n.
Determina la salida y(n) de un sistema LTI con respuesta al impulso h(n) = anu(n),
|a| < 1. Cuando la entrada es la secuencia escalón unitario x(n) = u(n)
 Módulo 2
Propiedades de la convolución.
∞
y ( n) = ∑ x ( k ) h( n − k ) = x ( n) ∗ h( n)

k = −∞
Conmutativa. ∞
x(n)*h(n) = h(n)*x(n) y ( n) = ∑ h( k ) x ( n − k )
k = −∞
x(n) y(n) h(n) y(n)
h(n) x(n)

Asociativa.
[x(n)*h1(n)]*h2(n) = x(n)*[h1(n)*h2(n)]
x(n) y(n) x(n) y(n)
h1(n) h2(n) h(n)=
h1(n)*h2(n)

x(n) y(n) x(n) y(n)

h1(n) h2(n) h2(n) h1(n)
Determina la respuesta al impulso de la cascada de dos sistemas LTI con
respuestas al impulso h1(n) = ½nu(n) y h2(n) = ¼nu(n)
 Módulo 2
Distributiva
x(n)*[h1(n)+h2(n)] = x(n)*h1(n)+x(n)*h2(n)

h1(n)
x(n) y(n) x(n) y(n)
+ h(n)=
h1(n)+h2(n)
h2(n)
 Módulo 2
Sistemas LTI causales
Sistema causal es aquel que cuya salida en n depende solo de las
entradas pasadas y presentes.
Causal es una condición sobre la respuesta al impulso.
Consideremos ∞
y (n0 ) = ∑ h(k ) x(n0 − k )
k = −∞

Si subdividimos la suma tenemos:

∞ −1
y (n0 ) = ∑ h(k ) x(n0 − k ) + ∑ h(k ) x(n0 − k )
k =0 k = −∞

= [h(0) x(n0 ) + h(1) x(n0 − 1) + h(2) x(n0 − 2) + ...]

+ [h(−1) x(n0 + 1) + h(−2) x(n0 + 2) + ...]
Si el sistema es causal y n = n0 entonces h(n) = 0, n < 0.
Concluimos que : Un sistema LTI es causal si y solo si su respuesta
al impulso es cero para valores negativos de n.
 Módulo 2
∞ n
y ( n) = ∑ h( k ) x ( n − k ) = ∑ x ( k ) h( n − k )
k =0 k = −∞

Si la entrada al sistema LTI causal es una secuencia causal (i.e. x(n)

= 0 para n < 0) se restringen los límites de la suma de
convolución.
n n
y ( n) = ∑ h( k ) x ( n − k ) = ∑ x ( k ) h( n − k )
k =0 k =0

Por lo tanto, la respuesta de un sistema causal a una secuencia de
entrada causal es causal, es decir
y(n) = 0 para n < 0.
 Módulo 2
Sistemas LTI estables
Definimos un sistema arbitrario relajado como estable BIBO si y
solo si la secuencia de salida y(n) está acotada para toda entrada
acotada x(n).
Si x(n) está acotada, existe una constante Mx tal que
x(n) ≤ M x < ∞
De modo similar, si la salida está acotada, existe una constante My
tal que
y(n) ≤ M y < ∞
Tenemos la fórmula de convolución
∞
y ( n) = ∑ h( k ) x ( n − k )

k = −∞

Tomamos el valor absoluto de ambos lados de la fórmula

∞
y ( n) = ∑ h( k ) x ( n − k )
k = −∞
 Módulo 2
El valor absoluto de la suma de los términos es siempre menor o
igual a la suma de sus valores absolutos
∞
y ( n) ≤ ∑ h( k ) x ( n − k )
k = −∞

Si la entrada está acotada, existe un número finito Mx tal que |x(n)|

≤ Mx. Sustituyendo la cota superior para x(n) tenemos
∞
y ( n) ≤ M x ∑ h( k )
k = −∞

Vemos que la salida está acotada si la respuesta al impulso del

sistema satisface ∞
S h ≡ ∑ h( k ) < ∞
k = −∞

Un sistema LTI es estable si su respuesta al impulso es

absolutamente sumable.
Esta condición no es suficiente pero si necesaria para asegurar la
estabilidad del sistema
 Módulo 2
Sistemas con respuesta al impulso de duración
finita e infinita
Los sistemas LTI se clasifican en dos:
1.  Con respuesta finita al impulso (FIR)
2.  Con respuesta infinita al impulso (IIR)

Un sistema FIR tiene una respuesta al impulso de cero fuera de un

intervalo de tiempo finito. En ellos
h(n) = 0, n < 0 y n ≥ M
Y la fórmula de convolución se reduce a:
M −1
y ( n) = ∑ h( k ) x ( n − k )
k =0
El sistema actúa como una ventana que solo ve las M muestras
más recientes de entrada al formar la salida.
 Módulo 2

Los sistemas LTI IIR tienen una respuesta al impulso de duración

infinita. Su salida basada en la convolución seria:
∞

y ( n) = ∑ h( k ) x ( n − k )
k =0

Podemos decir que un sistema FIR tiene memoria finita de tamaño
M, mientras un sistema IIR tiene memoria infinita.
 Módulo 2

2. Descripción de un sistema por

medio de su ecuación diferencial.
Los sistemas LTI se caracterizan por su respuesta al impulso h(n)
que les permite determinar su salida y(n) dada una secuencia de
entrada x(n) a través de la convolución.
∞

y ( n) = ∑ h( k ) x ( n − k )
k = −∞

Los FIR involucran sumas, productos y memoria finita para realizar
la convolución, mientras los IIR hacen imposible su desarrollo.
Para realizar sistemas IIR se emplean ecuaciones diferenciales, y
son útiles para el desarrollo de filtros, modelado de fenómenos
físicos y sistemas físicos.
 Módulo 2
Sistemas discretos recursivos y no recursivos
En ocasiones es deseable expresar la salida en términos de los
valores pasados de la salida misma.
Ejemplo, calcular el promedio acumulado de x(n) en el intervalo 0
≤ k ≤ n.
1 n
y ( n) = ∑ x(k )
Se requiere almacenar todas las muestra de entrada x(k) para 0 ≤
n + 1 k =0
k ≤ n. Donde si n crece, requerimos más memoria.

Rearreglando algebraicamente tenemos:

n −1
(n + 1) y (n) = ∑ x(k ) + x(n) = ny (n − 1) + x(n)
k =0
n 1
y ( n) = y (n − 1) + x ( n)
n +1 n +1
y y(n) se calcula recursivamente.
 Módulo 2
x(n) + × y(n)

1/(n+1)
× Z-1

Este es un ejemplo de un sistema recursivo. En general, un sistema

cuya salida y(n) depende de valores de salida pasados y(n-1),
y(n-2), … es llamado sistema recursivo.

n0 1
Si n = n0, el tenemos y (n0 ) = y (n0 − 1) + x(n0 )
n0 + 1 n0 + 1

Y el témino y(n0 -1) es llamado condición inicial.
 Módulo 2
Un sistema recursivo que depende de las salidas pasadas es
causal, y puede expresarse como

y(n) = F [y(n −1), y(n − 2),..., y(n − N ), x(n), x(n −1),..., x(n − M )]

donde F[.] denota una función con sus argumentos.

En contraste, si y(n) solo depende de sus entradas presentes y
pasadas, esto es

y(n) = F [x(n), x(n −1),..., x(n − M )]

Dicho sistema es llamado no recursivo.
Un sistema recursivo debe calcular la salida en orden [y(0), y(1),
y(2),…], mientras un sistema no recursivo no requiere de orden
[y(200), y(15), y(3), etc.]
 Módulo 2
Sistemas LTI caracterizados por ecuaciones
diferenciales con coeficientes constantes
Estos sistemas son una subclase de los sistemas recursivos y no
recursivos.
Supongamos el sistema recursivo
x(n)
+
y(n)

y(n) = ay (n − 1) + x(n) a
donde a es una constante. Z-1
Si deseamos calcular la salida y(n) y asumimos la existencia de una
condición inicial y(-1), tenemos para n ≥ 0

n
y (n) = a n +1 y (−1) + ∑ a k x(n − k )
k =0
 Módulo 2
Si el sistema está relajado en n = 0, entonces y(-1) = 0 y el sistema
recursivo inicia sin condiciones iniciales.
Se dice entonces que el sistema se halla en estado cero y su salida
es una respuesta forzada o de estado cero ysz(n).
n
y zs (n) = ∑ a k x(n − k )
k =0

La cual es una suma de convolución donde x(n) se convoluciona

con la respuesta al impulso
h(n) = a nu(n)
Si el sistema inicialmente no está relajado [y(-1)≠0] y x(n) = 0 para
toda n. La salida del sistema con entrada cero es llamada
respuesta natural, libre o de entrada cero yzi(n).
Para x(n) = 0 y -∞ < n < ∞ tenemos para n ≥ 0.
y zi (n) = a n +1 y (−1)
 Módulo 2
Entonces:
Un sistema con respuesta forzada o de estado cero depende de la
naturaleza del sistema y de la señal de entrada.
Un sistema con respuesta natural o de entrada cero depende de la
naturaleza del sistema y de la condición inicial.
En general, la respuesta total del sistema se expresa como:

y(n) = y zi (n) + y zs (n)

La forma general de un sistema recursivo descrito por ecuaciones
diferenciales lineales con coeficientes constantes es:
N M
y (n) = −∑ ak y (n − k ) + ∑ bk x(n − k )
k =1 k =0
N M

∑a
k =0
k y (n − k ) = ∑ bk x(n − k ) a0 ≡ 1
k =0
 Módulo 2
Un sistema es lineal si satisface:
1.  La respuesta total es igual a la suma de las respuestas de
entrada cero y estado cero.
2.  El principio de superposición es aplicable a la respuesta de
estado cero: Estado cero lineal.
3.  El principio de superposición es aplicable a la respuesta de
entrada cero: Entrada cero lineal.

Un sistema recursivo descrito por ecuaciones diferenciales
lineales con coeficientes constantes es lineal e invariante en el
tiempo.

Estos sistemas son estables si y solo si para toda entrada y
condición inicial acotadas, la respuesta total del sistema está
acotada.
 Módulo 2

Solución a ecuaciones diferenciales con

coeficientes constantes (edcc)
Dada una edcc como la relación de entrada-salida de un sistema
LTI, el objetivo es determinar una expresión explícita para la salida
y(n).

-  Método directo
-  Método indirecto (Transformada Z)

El método directo asume:

y(n) = yh(n) + yp(n)
yh(n) es la solución complementaria u homogénea
yp(n) es la solución particular.
 Módulo 2

La solución homogénea.

Asumimos x(n) = 0 para obtener la solución a la ecuación

diferencial homogénea:
N
ak y ( n − k ) = 0

∑
k =0

Suponemos que la solución es exponencial

yh(n) = λn
Tenemos ahora la ecuación exponencial
N
n−k
∑ k =0
a λ
k =0

λn − N (λN + a1λN −1 + a2 λN − 2 + ... + a N −1λ + a N ) = 0

Polinomio característico
 Módulo 2
El polinomio característico tiene N raíces λ1, λ2,…, λN.
Las raíces pueden ser reales o complejas.
En la práctica los coeficientes a1, a2,…, aN son reales.
Las raíces complejas se presentan como pares conjugados
complejos.
Algunas de las N raíces pueden ser idénticas, teniendo raíces de
orden múltiple.

Suponiendo raíces distintas tenemos la solución general

yh (n) = C1λ1n + C2 λn2 + ... + C N λnN
Donde C1, C2,…, CN son coeficientes ponderados, determinados
a partir de las condiciones iniciales del sistema.
Dado que la entrada x(n) = 0, la solución homogenea se puede
usar para obtener la respuesta de entrada cero del sistema.
Determinar la respuesta a la entrada cero de los siguientes sistemas:

y(n) + a1 y(n −1) = x(n)

y(n) − 3 y(n − 1) − 4 y(n − 2) = 0
 Módulo 2

La solución particular.

yp(n) es cualquier solución que satisfaga:

N M

∑ ak y p (n − k ) = ∑ bk x(n − k ) a0 = 1
k =0 k =0

Para resolverla, se asume una forma que dependa de la forma de

la entrada x(n).

Señal de entrada x(n) Solución particular yp(n)

A (constante) K
AMn KMn
AnM K0nM+ K1nM-1+…+ KM
AnnM An(K0nM+ K1nM-1+…+ KM)
Acosω0n
K1cosω0n + K2senω0n
Asenω0n
Determinar la solución particular de los sistemas:

y(n) + a1 y(n −1) = x(n) si | a1 |< 1 y x(n) = u(n)

y (n) = 56 y (n − 1) − 16 y (n − 2) + x(n) si x(n) = 2 n u (n)
 Módulo 2

La solución total.

La propiedad de linealidad permite tener la solución total:

y(n) = yh(n) + yp(n)
La suma resultante y(n) contiene los parámetros constantes {Ci}
dentro de yh(n).
Estas constantes pueden determinarse para satisfacer las
condiciones iniciales.
Una solución particular se puede obtener a partir de la respuesta
del sistema al estado cero.
Si |a1|<1, lo que establece la estabilidad del sistema, tenemos:

1
y p (n) = lim y zs (n) =
n →∞ 1 + a1
 Módulo 2

Si esta componente de la respuesta del sistema no tiende a cero

conforme n se acerca al infinito, se denomina la respuesta de
estado estacionario por parte del sistema.
Esta respuesta persiste mientras la entrada persista.

La componente que tiende a cero conforme n se acerca al infinito
es la respuesta transitoria del sistema.
 Determinar la respuesta de los sistemas:

y(n) + a1 y(n −1) = x(n) si | a1 |< 1, y x(n) = u(n)

y(n) − 3 y(n − 1) − 4 y(n − 2) = x(n) + 2 x(n − 1) si x(n) = 4n u(n)
 Módulo 2
La respuesta al impulso de un sistema recursivo
LTI
Cuando x(n) = δ(n) y el sistema está inicialmente relajado, h(n) es
igual a la respuesta al estado cero yzs(n).
Ejemplo, dado el sistema y(n) = ay (n − 1) + x(n)
su respuesta al estado cero es:
n
y zs (n) = ∑ a k x(n − k )
k =0
Sustituyendo x(n) = δ(n) tenemos:
n

y zs (n) = ∑ a k δ (n − k ) = a n n ≥ 0
k =0

Por lo tanto, la respuesta del sistema al impulso es:

h(n) = anu(n)
 Módulo 2

En el caso general de un sistema LTI arbitrario tenemos:

n

y zs (n) = ∑ h(k ) x(n − k ) n ≥ 0
k =0

Cuando la entrada es un impulso tenemos

yzs(n) = h(n)

Consideremos el problema de determinar h(n) dada una edcc

describiendo un sistema.
Aquí la solución particular es cero si la excitación es un impulso, y
la solución homogénea es la solución total, con {Ck} parámetros
evaluados para satisfacer las condiciones iniciales determinadas
por el impulso.
 Módulo 2
Determinar la respuesta al impulso del sistema:

y(n) − 3 y(n − 1) − 4 y(n − 2) = x(n) + 2 x(n − 1)

 Módulo 2

Observación:
Cualquier sistema recursivo descrito por edcc es un sistema IIR,
pues tienen respuesta al impulso de duración infinita.
Pero no todo sistema LTI IIR puede describirse con edcc.

Cuando un sistema es descrito por una ec. diferencial lineal de

orden N, la solución a la ecuación homogénea es:
N

yh (n) = ∑ Ck λnk
k =1

Donde las raíces {λk} son distintas.

La respuesta al impulso es idéntica: h(n) = yh(n).
Donde los parámetros {Ck} se determinan poniendo las
condiciones iniciales y(-1) = … = y(-N) = 0.
 Módulo 2
Estabilidad:
Se requiere que la respuesta al impulso sea sumable, entonces,
para un sistema causal tenemos:
∞ ∞ N N ∞
n n
∑ h ( n ) = ∑ ∑ C λ
k k ≤ ∑ C k ∑ k λ
n =0 n = 0 k =1 k =1 n =0

∞
Ahora, si |λk| < 1 para toda k, entonces ∑
n
λk < ∞
∞
n =0

y por lo tanto ∑ h(n) < ∞

n =0

Por otro lado, si algún |λk| ≥ 1, h(n) no es sumable en lo absoluto,
y en consecuencia, inestable.
Una condición necesaria y suficiente para que un sistema IIR
causal descrito por edcc sea estable es que todas las raíces del
polinomio característico sean menores a 1.