Aplicaciones Convolucion

Seminario de Procesamiento Digital de Se nales
Unidad 3: Procesamiento digital en tiempo

Marcelo A. Perez
Departamento Electr onica
Universidad Tecnica Federico Santa Mara
Convolucion Continua
Convolucion Discreta
Correlacion Discreta
Ejemplos de aplicaciones
Contenidos
1
2
3
4
2 / 86 Marcelo A. Perez Seminario de Procesamiento Digital de Se nales
Procesamiento digital en tiempo
La entrada y salida del procesador estan representadas en series de
tiempo discreto.
Metodos de pocesamiento en el tiempo
Convolucion: Respuesta de un sistema a una entrada dada.
Correlacion: Indice de similitud entre se nales.
Denicion
Ejemplo
Propiedades
Contenidos
1
2
3
4
Denicion
Ejemplo
Propiedades
Convoluci on Continua
Denicion
La convolucion se dene como la operacion matematica () que
utilizando la entrada x(t) y la funcion que dene al sistema h(t)
permite obtener la respuesta de un sistema y(t).
y(t) = x(t) h(t)
Denicion
Ejemplo
Propiedades
Denicion matematica
El operador convolucion se dene como la integral del producto
entre la entrada y la funcion del sistema desplazada en forma
reejada.
y(t) = x(t) h(t) =
x()h(t )d
Denicion
Ejemplo
Propiedades
Ejemplo
Entrada x(t) = u(t)
Respuesta del sistema
h(t) = e
t
sin(t)
Convolucion
y(t) =
u()e
(t)
sin((t ))d
Salida
y(t) =

2
+
2
1 e
t
cos(t)
2
e
t
sin(t)
u(t)
Denicion
Ejemplo
Propiedades
Ejemplo - Animacion
Denicion
Ejemplo
Propiedades
Propiedades: Conmutatividad
h(t) x(t) =
h()x(t )d
=
h(t )x()d = t
=
x()h(t )d
= x(t) h(t)
Denicion
Ejemplo
Propiedades
Propiedades: Desplazamiento en tiempo
h(t) x(t) = y(t)
h(t ) x(t) =
h( )x(t )d
=
h()x(t )d =
= y(t )
Denicion
Ejemplo
Propiedades
Propiedades: Asociatividad
(x(t) y(t)) z(t) =
f()z(t )d f(t) = x(t) y(t)

=
x()y( )d
z(t )d
=
x()y( )z(t )dd

=
x()
y( )z(t )d
d
=
x()g(t )d g(t) = y(t) z(t)

= x(t) (y(t) z(t))
Denicion
Ejemplo
Propiedades
Propiedades: Distribuitividad
h(t) (x(t) + z(t)) =
h()(x(t ) + z(t ))d

=
h()x(t )d
+
h()z(t )d
= h(t) x(t) + h(t) z(t)
Denicion
Ejemplo
Propiedades
Propiedades: Escalamiento en el tiempo
h(t) x(t) = y(t)
h(t) x(t) =
h()x(t )d
=
1
h()x(t )d =
=
1
y(t)
Denicion
Ejemplo
Propiedades
Propiedades: Derivadas
h(t)
d
dt
x(t) =
h()
d
dt
x(t )d
=
d
dt
h()x(t )d
=
d
dt
y(t)
d
i
dt
i
h(t)
d
j
dt
j
x(t) =
d
i+j
dt
i+j
y(t)
Denicion
Ejemplo
Propiedades
Propiedades: Integrales
h(t)
x(t)dt =
h()
x(t )dt
d
=
h()x(t )ddt
=
y(t)dt
Denicion
Ejemplo
Propiedades
Propiedades: Entrada Impulso
(t) h(t) =
()h(t )d
= h(t 0)
()d
= h(t)
Denicion
Ejemplo
Propiedades
Propiedades: Tranformada de Lapace
L{h(t) x(t)} =
h()x(t )d
e
st
dt
=
h()x()e
s(+)
dd = t
=
h()e
s
x()e
s
dd
=
h()e
s
d
x()e
s
d
= H(s)X(s)
Denicion
Ejemplo
Propiedades
Convolucion usando Laplace
Entrada x(t) = u(t) U(s) =
1
s
Respuesta del sistema
h(t) = e
t
sin(t) H(s) =

(s + )
2
+
2
Salida
Y (s) =

2
+
2
1
s

s
(s + )
2
+
2

2
(s + )
2
+
2
y(t) =

2
+
2
1 e
t
cos(t)
2
e
t
sin(t)
u(t)
Denicion
Ejemplo
Implementacion
Contenidos
1
2
3
4
Denicion
Ejemplo
Implementacion
Convoluci on Discreta
Denicion
La convolucion discreta es la operacion para se nales discretas
analoga a la convolucion continua.
y(n) = x(n) h(n) =
k=
x(k)h(n k)
Denicion
Ejemplo
Implementacion
Se nales de soporte compacto
Se dice que una funcion tiene soporte compacto si el conjunto
donde no es nula conforma un conjunto cerrado y acotado.
supp f(x) = {x R| f(x) = 0}
Denicion
Ejemplo
Implementacion
Ejemplo Metodo graco
Entrada
x(n) = 1 n = [1, 2]
Respuesta al impulso discreto
h(n) = n + 1 n = [0, 2]
Denicion
Ejemplo
Implementacion
y(2) =
n=
x(n)h(2 n)
Denicion
Ejemplo
Implementacion
y(1) =
n=
x(n)h(1 n)
Denicion
Ejemplo
Implementacion
y(0) =
n=
x(n)h(0 n)
Denicion
Ejemplo
Implementacion
y(1) =
n=
x(n)h(1 n)
Denicion
Ejemplo
Implementacion
y(2) =
n=
x(n)h(2 n)
Denicion
Ejemplo
Implementacion
y(3) =
n=
x(n)h(3 n)
Denicion
Ejemplo
Implementacion
y(4) =
n=
x(n)h(4 n)
Denicion
Ejemplo
Implementacion
y(5) =
n=
x(n)h(5 n)
Denicion
Ejemplo
Implementacion
Oine
No hay lmite de tiempo(*)
Bloques de datos grandes
Procesamiento de imagenes
Online
Lmite de tiempo estricto
Bloques de datos peque nos
Procesamiento de audio
Denicion
Ejemplo
Implementacion
Implementacion oine
Sliding strip: Graco o numerico
Suma por columnas
Metodo de la malla
Denicion
Ejemplo
Implementacion
Se nales a convolucionar
x(k) =
1 1 1 1
h(k) =
1 2 3
Sliding strip numerico k = 1

x(k) =
h(k) =
y(k) =
1 1 1 1
3 2 1
0 0 1 0 0 0 0 0
y(1) = 1
Denicion
Ejemplo
Implementacion
x(k) =
h(k) =
y(k) =
1 1 1 1
3 2 1
0 0 2 1 0 0 0 0
y(0) = 3
x(k) =
h(k) =
y(k) =
1 1 1 1
3 2 1
0 0 3 2 1 0 0 0
y(1) = 6
Denicion
Ejemplo
Implementacion
x(k) =
h(k) =
y(k) =
1 1 1 1
3 2 1
0 0 0 3 2 1 0 0
y(2) = 6
x(k) =
h(k) =
y(k) =
1 1 1 1
3 2 1
0 0 0 0 3 2 0 0
y(3) = 5
Denicion
Ejemplo
Implementacion
x(k) =
h(k) =
y(k) =
1 1 1 1
3 2 1
0 0 0 0 0 3 0 0
y(4) = 3
Sliding strip numerico: resultado
y(k) =
1 3 6 6 5 3

Denicion
Ejemplo
Implementacion
Suma por columnas
y(1) = h(0)x(1)
y(0) = h(0)x(0) + h(1)x(1)
y(1) = h(0)x(1) + h(1)x(0) + h(2)x(1)
y(2) = h(0)x(2) + h(1)x(1) + h(2)x(0)
y(3) = h(1)x(2) + h(2)x(1)
y(4) = h(2)x(2)
Denicion
Ejemplo
Implementacion
Metodo de la malla
x(-1) x(0) x(1) x(2)
h(0)
h(1)
h(2)
y(-1)
y(0)
y(1) y(2) y(3) y(4)
Denicion
Ejemplo
Implementacion
Metodo de la malla
1 1 1 1
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
3
6 6 5 3
Denicion
Ejemplo
Implementacion
Consideraciones
Longitud de la salida depende de longitud de las entradas:
Entrada (L
x
= 4)
x(n) n = [1, 2]
Respuesta al impulso discreto (L
h
= 3)
h(n) n = [0, 2]
Salida (L
y
= 6)
y(n) n = [1, 4]
En general
L
y
= L
x
+ L
h
1
Denicion
Ejemplo
Implementacion
Efecto dead-end
Perdida de
informacion en los
extremos
Afecta
principalmente a
se nales periodicas
0 10 20 30 40 50 60 70 80 90 100
-1
-0.5
0
0.5
1
k
x
(
k
)
0 10 20 30 40 50 60 70 80 90 100
-0.5
0
0.5
1
k
h
(
k
)
0 20 40 60 80 100 120 140 160 180 200
-4
-2
0
2
4
k
y
(
k
)
Denicion
Ejemplo
Implementacion
Efecto dead-end
Se utiliza buer
para rellenar la
se nal periodica
-50 0 50 100 150
-1
0
1
k
x
(
k
)
0 10 20 30 40 50 60 70 80 90 100
-0.5
0
0.5
1
k
h
(
k
)
0 20 40 60 80 100 120 140 160 180 200
-4
-2
0
2
4
k
y
(
k
)
Denicion
Ejemplo
Implementacion
Implementacion Online
Cualquier se nal puede ser descompuesta en un conjunto de se nales
aditivas y ponderadas.
Denicion
Ejemplo
Implementacion
y(n) =
k=
x(k)h(n k) =
k=
x(n k)h(k)
si h tiene soporte compacto 0, N
y(n) =
N
k=0
x(n k)h(k)
Denicion
Ejemplo
Implementacion
Diagrama de bloques
Denicion
Ejemplo
Implementacion
Resultado
y(1) = h(0)x(1) + h(1)x(2) + h(2)x(3)
y(0) = h(0)x(0) + h(1)x(1) + h(2)x(2)
y(1) = h(0)x(1) + h(1)x(0) + h(2)x(1)
y(2) = h(0)x(2) + h(1)x(1) + h(2)x(0)
y(3) = h(0)x(3) + h(1)x(2) + h(2)x(1)
y(4) = h(0)x(4) + h(1)x(3) + h(2)x(2)
Denicion
Ejemplo
Implementacion
Simular procesamiento online con se nales oine
Utilizando for
Leyendo los datos uno a uno
Implementando buer dentro del ciclo
Guardando el resultado en un arreglo
Importante para las tareas del ramo
Denicion
Ejemplo
Implementacion
Metodos de deconvolucion
Filtro homomotco
Codicacion predictiva lineal (LPC)
Wiener
Richardson-Lucy
APEX y BEAK
Filtro Caron
Transformada Cepstrum
Metodo de la maxima entropia
SeDDaRA
Denicion
Propiedades
Autocorrelacion
Implementacion
Correlaci on Discreta
Denicion
Matematicamente relacionada con la convolucion, busca medir el
grado de similitud entre 2 se nales.
r
xy
(n) =
k=
x(k)y(k n) =
k=
x(k + n)y(k)
r
yx
(n) =
k=
y(k)x(k n) =
k=
y(k + n)x(k)
Denicion
Propiedades
Autocorrelacion
Implementacion
Propiedades: La correlacion no es conmutativa
r
xy
(n) =
k=
x(k)y(k n)
=
k=
x(
k + n)y(
k) k =

k + n
=
k=
x(k n)y(k) = r
yx
(n)
Denicion
Propiedades
Autocorrelacion
Implementacion
Propiedades:Simetra
r
xy
(n) =
k=
x(k)y(k n)
=
k=
x(
k + n)y(
k) k =

k + n
=
k=
x(
k + (n))y(
k)
= r
yx
(n)
Denicion
Propiedades
Autocorrelacion
Implementacion
Propiedades: Relacion con convolucion
r
xy
(n) =
k=
x(k)y(k n)
=
k=
x(n
k)y(
k) k = n
k
= x(n) y(n)
Denicion
Propiedades
Autocorrelacion
Implementacion
Autocorrelacion
Si x(k) = y(k) se llama autocorrelacion
r
xx
(n) =
k=
x(k)x(k n) =
k=
x(k + n)x(k)
Indica el grado de similitud entre una se nal y una version de si
misma desplazada. Siempre es mayor cuando el desplazamiento es
cero.
Denicion
Propiedades
Autocorrelacion
Implementacion
Desplazamiento de la autocorrelacion
x(n), y(n) = x(n D)
r
xy
(n) =
k=
x(k + n)y(k)
=
k=
x(k + n)x(k D)
=
k=
x(
k + D + n)x(
k)

k = k D
= r
xx
(n + D)
Denicion
Propiedades
Autocorrelacion
Implementacion
Relacion con la energa de la se nal
Siempre es menor o igual que el producto que de las energas
r
xy
(n)
r
xx
(0)r
yy
(0) =
E
x
E
y
Para la autocorrelacion se tiene
r
xx
(n)
r
xx
(0)r
xx
(0) = E
x
Denicion
Propiedades
Autocorrelacion
Implementacion
Implementacion Oine
Sliding strip: Graco o numerico
Suma por columnas
Metodo de la malla
A diferencia de la convolucion la se nal a desplazar NO es
reejada
Denicion
Propiedades
Autocorrelacion
Implementacion
Se nales a correlacionar
x(k) =
1 2 1 3
h(k) =
1 2 3
Sliding strip numerico

x(k) =
h(k) =
y(k) =
1 2 1 3
1 2 3
0 0 3 0 0 0 0 0
r
xy
(0) = 3
Denicion
Propiedades
Autocorrelacion
Implementacion
x(k) =
h(k) =
y(k) =
1 2 1 3
1 2 3
0 0 2 6 0 0 0 0
r
xy
(1) = 8
x(k) =
h(k) =
y(k) =
1 2 1 3
1 2 3
0 0 1 4 3 0 0 0
r
xy
(2) = 8
Denicion
Propiedades
Autocorrelacion
Implementacion
x(k) =
h(k) =
y(k) =
1 2 1 3
1 2 3
0 0 0 2 2 9 0 0
r
xy
(3) = 13
x(k) =
h(k) =
y(k) =
1 2 1 3
1 2 3
0 0 0 0 1 6 0 0
r
xy
(4) = 7
Denicion
Propiedades
Autocorrelacion
Implementacion
x(k) =
h(k) =
y(k) =
1 1 1 1
1 2 3
0 0 0 0 0 1 0 0
r
xy
(5) = 1
Sliding strip numerico: resultado
r
xy
(k) =
3 8 8 13 7 1

Denicion
Propiedades
Autocorrelacion
Implementacion
Suma por columnas
y(1) = h(2)x(1)
y(0) = h(2)x(0) + h(1)x(1)
y(1) = h(2)x(1) + h(1)x(0) + h(0)x(1)
y(2) = h(2)x(2) + h(1)x(1) + h(0)x(0)
y(3) = h(1)x(2) + h(0)x(1)
y(4) = h(0)x(2)
Denicion
Propiedades
Autocorrelacion
Implementacion
Metodo de la malla
Denicion
Propiedades
Autocorrelacion
Implementacion
Implementacion Online
Convolucion
Correlacion
Autocorrelacion
Resumen procesamiento en tiempo
x(n) h(n) =
k=
x(k)h(n k) =
k=
x(n k)h(k)
Correlacion
r
xy
(n) =
k=
x(k)y(k n) =
k=
x(k + n)y(k)
r
yx
(n) =
k=
y(k)x(k n) =
k=
y(k + n)x(k)
Convolucion
Correlacion
Autocorrelacion
Contenidos
1
2
3
4
Convolucion
Correlacion
Autocorrelacion
Aplicaciones
Simulacion de ambientes y condiciones (audio/luz)
Convolucion
Correlacion
Autocorrelacion
Ejemplo Audio
Ambiente a simular
Convolucion
Correlacion
Autocorrelacion
Ejemplo Audio
Sensores y actuadores
Convolucion
Correlacion
Autocorrelacion
Ejemplo Audio
Funcion de transferencia
-1000 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
-0.5
0
0.5
1
muestras
a
m
p
l
i
t
u
d
Respuesta impulso ambiental
Convolucion
Correlacion
Autocorrelacion
Ejemplo Audio
Se nal de audio original
-1000 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
muestras
a
m
p
l
i
t
u
d
Seal de prueba
Convolucion
Correlacion
Autocorrelacion
Ejemplo Audio
Respuesta convolucion
0 2000 4000 6000 8000 10000 12000 14000 16000 18000 20000
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
muestras
a
m
p
l
i
t
u
d
Seal resultante
Convolucion
Correlacion
Autocorrelacion
Aplicaciones
Correccion de distorsion inducida por el medio
Convolucion
Correlacion
Autocorrelacion
Aplicaciones
Imagen(Funcion) de transferencia del lente
Convolucion
Correlacion
Autocorrelacion
Aplicaciones
Convolucion
Correlacion
Autocorrelacion
Aplicaciones
Convolucion
Correlacion
Autocorrelacion
Correlaci on discreta
Ejemplo del radar
Convolucion
Correlacion
Autocorrelacion
Ejemplo del radar
0 500 1000 1500 2000 2500 3000
-1
0
1
0 500 1000 1500 2000 2500 3000
-1
0
1
Tren de pulsos enviado
Tren de pulsos recibido
Convolucion
Correlacion
Autocorrelacion
Ejemplo del radar
0 1000 2000 3000 4000 5000 6000
-200
0
200
3500 4000 4500 5000 5500 6000
-20
0
20
Correlacin
Zoom de la correlacin
2300 muestras
Convolucion
Correlacion
Autocorrelacion
Ejemplo del radar
0 500 1000 1500 2000 2500 3000
-1
0
1
0 500 1000 1500 2000 2500 3000
-1
0
1
2300 muestras
Convolucion
Correlacion
Autocorrelacion
Ejemplo del radar
x(n) y(n) = ax(n D) + w(n)
r
yx
(n) =
k=
x(k + n)y(k)
=
k=
x(k + n)(ax(k D) + w(k))
= a
k=
x(k + n)x(k D) +
k=
x(k + n)w(k)
= ar
xx
(n D) + r
wx
Convolucion
Correlacion
Autocorrelacion
Autocorrelaci on
Deteccion de frecuencia portadora
Convolucion
Correlacion
Autocorrelacion
Autocorrelaci on
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
-3
-2
-1
0
1
2
3
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
-5000
0
5000
10000
Seal recibida
Autocorrelacin
Convolucion
Correlacion
Autocorrelacion
Autocorrelaci on
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
-3
-2
-1
0
1
2
3
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
-2
-1
0
1
2
3
Seal enviada
Seal enviada
Convolucion
Correlacion
Autocorrelacion
Autocorrelaci on
x(n) = x(n) + w(n)
r
x x
(n) =
k=
x(k + n) x(k)
=
k=
(x(k + n) + w(k + n)) (x(n) + w(n))
=
k=
(x(k + n)x(n) + x(k + n)w(n) + w(k + n)x(n)
+w(k + n)w(n))
= r
xx
+ r
xw
+ r
wx
+ r
ww
Convolucion
Correlacion
Autocorrelacion
Autocorrelaci on
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
-5000
0
5000
10000
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
-5000
0
5000
10000
Autocorrelacin r
xx
Autocorrelacin r
ww
Correlacin r
xw
y r
wx

Aplicaciones Convolucion

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Aplicaciones Convolucion

Caricato da

Copyright:

Formati disponibili

Seminario de Procesamiento Digital de Se nales

Unidad 3: Procesamiento digital en tiempo

f()z(t )d f(t) = x(t) y(t)

x()y( )z(t )dd

x()g(t )d g(t) = y(t) z(t)

h()(x(t ) + z(t ))d

Sliding strip numerico k = 1

36 / 86 Marcelo A. Perez Seminario de Procesamiento Digital de Se nales

Sliding strip numerico

60 / 86 Marcelo A. Perez Seminario de Procesamiento Digital de Se nales

Potrebbero piacerti anche