Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
LAREDO
APUNTES DE
1.
2.
3.
4.
5.
INTRODUCCIN ................................................................................................................... 1
1.1.
1.2.
1.3.
1.4.
1.5.
1.6.
1.7.
1.8.
TRANSFORMADA Z ........................................................................................................... 26
2.1.
2.2.
2.3.
2.4.
3.2.
TRANSFORMADA DE FOURIER......................................................................................... 43
3.3.
3.4.
4.2.
4.3.
1. INTRODUCCIN
1.1.
Teora de
Comunicacin
Procesamiento
Digital de
Seales
Anlisis Numrico
Probabilidad
Estadstica
Procesamiento
Anlogo de
seales
Electrnica
Anloga
Teora de
Decisin
Electrnica
Digital
ESPACIO
CIENTIFICA
MEDICINA
Imagen diagnstica
Anlisis de electrocardiograma
Almacenamiento de imgenes mdicas
COMERCIAL
TELEFONIA
MILITAR
Radar
Sonar
Comunicaciones seguras
INDUSTRIAL
Multiplexado
Compresin
Control de Eco
Procesamiento de Audio
Msica
Generacin de Voz
Reconocimiento de Voz
Localizacin de Ecos
Radar
Sonar
Sismologa de Reflexin
Procesamiento de Imgenes
Medicina
Espacio
Productos Comerciales.
1.2.
g(t)=10t2
h(x,y)=4x+2y+6xy
1.3.
Tiempo discreto
tn=nT
T=tiempo de muestreo
5
1.4.
xa t A cos t , t
A Amplitud, Frecuencia , radianes por segundo (rad/s), Fase, radianes
La frecuencia se puede expresar 2 F
donde F en Hz (ciclos/seg)
xa t A cos 2 F t , t
x n A cos n , n
n es un entero, frecuencia en radianes por muestra. Si se toma 2 f , f en
ciclos por muestra
x n A cos 2 f n , n
1.5.
xa t A cos 2 F t , t
al muestrear peridicamente convertimos t=nT
xa t A cos 2 F nT , t
2 nF
xa t A cos
A cos 2 n f
Fs
F
, equivalentemente
Fs
10
Ejemplo: Se tienen dos seales coseno con frecuencias F 1=10 Hz y F2=50 Hz,
que se muestrean a una frecuencia Fs=40Hz.
x1 t cos 2 10t
x1 t cos 2 50t
al ser muestreadas, las seales en tiempo discreto son
10
x1 n cos 2 n cos n
2
40
5
50
x1 n cos 2 n cos
n
2
40
11
Teorema de Muestreo
Teorema de muestreo: Si la frecuencia mas alta contenida en una seal analgica xa(t)
es Fmax y la seal se muestrea a una frecuencia Fs>2Fmax entonces xa(t) se puede
recuperar totalmente a partir de sus muestras mediante la siguiente funcin de
interpolacin
g t
sen 2 Fmax t
2 Fmax t
xa t
Fs
n
g t
Fs
Ejemplo:
Considere la seal analgica
xa t 3 cos 50 t 10 sen300 t cos 100 t
12
13
Ejemplo:
Considere la seal analgica
xa t 3 cos 2000 t 5 sen 6000 t 10 cos 12000 t
14
15
1.6.
Representacin:
a) Representacin Funcional
b) Representacin Tabular
c) Representacin como secuencia
Manipulacin de Seales
Transformaciones en el Tiempo:
1. Desplazamiento o traslacin
2. Reflexin
3. Submuestreo (diezmado)
Operaciones
1. Escalamiento
2. Suma
3. Producto
16
1.7.
entrada en tiempo discreto segn una regla preestablecida para generar otra seal en
tiempo discreto denominada salida o respuesta del sistema. Si x(n) es la entrada y y(n)
la salida, denotamos al sistema como la operacin siguiente
yn xn
Descripcin Entrada-Salida
Es una operacin o regla que define la relacin entre la entrada y la salida del
sistema.
xn
yn
17
Sumador
Multiplicador de seal
Retardador de un elemento
Adelantador de un elemento
1
1
1
y n 1 x n x n 1
4
2
2
18
Sistemas Lineales
(Principio de Superposicin)
Sistemas No Lineales
Sistemas No Causales
Sistemas Estables
Sistemas Inestables
Serie
Paralelo
19
xn
xk n k
xn 2 n 1 4 n 3 n 2
yn n hn . Si le aplicamos la entradax(n)
yn xn xk n k xk n k xk h n k
k
k
k
yn0
xk h n
20
(cero en 4)
21
Propiedades de la Convolucin
yn xn * hn
xk h n k
Propiedad Conmutativa
xn * hn hn * xn
Propiedad Asociativa
Propiedad Distributiva
22
1.8.
rx y l
xn yn l
l 0, 1, 2,
o equivalentemente como
rx y l
xn l yn
l 0, 1, 2,
ry x l
yn xn l
l 0, 1, 2,
rx y l ry x l
Resultado:
23
rx y l x l * y l
Un caso particular se da cuando ambas secuencias son la misma, lo cual se llama
Autocorrelacin, y esta dada por
rx x l
xn xn l
l 0, 1, 2,
o tambin
rx x l
xn l xn
24
l 0, 1, 2,
25
2. TRANSFORMADA Z
2.1.
Definicin de la transformada z
Recordando que la transformada de Laplace esta definida como
L { f (t )} F ( s) f (t )e st dt
0
considerando que:
L{ (t )} 1
tenemos
L{ f * (t )} f (0) f (T ) e sT f (2T ) e 2 sT ...
L{ f * (t )} F * ( s) f ( kT )e kTs
k 0
Introducimos la variable z
z e sT
F * ( s) z e sT f ( kT ) z k
k 0
Z{f(t)} f (kT ) z k
k 0
26
2.2.
0 t 0
u1 (t )
1 t 0
t
k 0
k 0
k 0
Zu 1 t u 1 kT z k 1 z k z k
desarrollando la sumatoria
U ( z) 1 z 1 z 2 z 3 ...
multiplicando la ecuacinpor z 1
z 1U ( z) z 1 z 2 z 3 ...
U 1 ( z ) z 1 U 1 ( z ) 1
(1 z 1 ) U 1 ( z ) 1
finalmente
Z {u 1 (t )} U 1 ( z )
1
1 z 1
Funcin Exponencial
0
f (t ) at
e
t 0
t0
0
27
n 0
Multiplicamospor e aT z 1
(1 e aT z 1 ) Z{ f (t )} 1
Z{e at }
1
1 e
aT
z 1
Funcin Rampa
t 0
0
f (t )
at
t0
t
k 0
k 0
F ( z) a k T z k aT k z k
F ( z) aT[ z 1 2z 2 3z 3 ...]
z 1 F ( z) aT [ z 2 2z 3 3z 4 ...]
(1 z 1 ) F ( z) aT [ z 1 z 2 z 3 ...]
Multiplicando por z 1
Restar de
Multiplicando por z 1
z 1 (1 z 1 ) F ( z) aT [ z 2 z 3 z 4 ...]
Restar de
[(1 z 1 ) z 1 (1 z 1 )] F ( z) aTz 1
28
F z Z{at}
a T z 1
1 z
1 2
NOTA:
por lo tanto
e jat e jat
Cos(at )
2
Sen(at )
e jat e jat
2j
Funcin Seno
[e j a k T e j a k T ]z k
1 jaKT k jakT k
e
z
e z
2j
2 j k 0
k 0
k 0
jaT 1
jaT 1
z 1 (e jaT e jaT ) 2 j
1
1
1
1 1 e z 1 e z
z 1 Sen(aT )
(e jaT e jaT ) z 1
1 2
z 2
2
Z{Sen(aT )}
z 1 Sen(aT )
1 2Cos(aT ) z 1 z 2
29
2.3.
Propiedades de la Transformada Z
1. Linealidad
Z {a f (t ) b g (t )} a F ( z) bG( z)
z 1
Z{ f (t kT )} F ( z) z k
5. Translacin Compleja
Z{ f (t ) e at } F ( ze aT )
Tz 1
F ( z)
(1 z 1 ) 2
y aplicando la propiedad 5
Z{t e at } F ( ze aT )
T e aT z 1
(1 e aT z 1 ) 2
1
1
1
1 z
1 e T z 1
1
1 z 1
1
x() limz1 (1 z )
limz1 1
1
aT 1 1
1 e T z 1
1 z
1 e z
1
30
Ejemplo :
s
1
2
1
2
2
1
Z
Z
= Z
Z
2T 1
1 e T z 1
s 2 s 1
s 2
s 1 1 e z
( s 1)(s 2)
2 2e T z 1 1 e 2 T z 1
1 (2e T e 2 T ) z 1
(1 e 2 T z 1 )(1 e T z 1 ) (1 e 2 T z 1 )(1 e T z 1 )
Ejemplo:
s2
1
1
Te T z 1
1
s2
Z 2
Z
=
Z
2
2
T 1 2
( s 1) (1 e z )
1 e T z 1
s 2 s 1
( s 1)
( s 1)
Te T z 1 1 e T z 1 1 (T 1)e T z 1
(1 e T z 1 ) 2
(1 e T z 1 ) 2
31
2.4.
Transformada Z Inversa
La operacin inversa a la transformada Z es denotada como:
f k f (kT ) Z 1{F ( z )}
Ntese que la trasformada Z inversa nos devuelve la funcin muestreada f k , y no
la funcin original continua f (t ) .
Con la transformada Z inversa se obtiene una nica funcin f k pero esta no
responde a una nica funcin f (t ) , esto es, f k solo nos da los valores de f (t ) en los
instantes de muestreo T, 2T, 3T.
Existen varios mtodos para obtener la transformada Z inversa, los dos
que analizaremos son:
1) Mtodo de fracciones parciales
2) Mtodo de la divisin directa (expansin en series de potencias )
z2
( z 1)( z 2)
F ( z)
z
2
1
z
( z 1)( z 2) z 2 z 1
F z
2z
z
2
1
1
z 2 z 1 1 2z
1 z 1
1
2
Z 1 F ( z ) Z 1
1
1 z 1
1 2 z
2
k
Z 1
2 2
1
1 2 z
1
Z 1
1
1
1 z
Z 1 F ( z) f (k) 2 (2) k 1
32
k 0,1, 2,...
k 0
f(0) 1
k 1
f(T) 3
k2
f(2T) 7
f(KT) 15
Ejemplo:
F ( z)
3
3z 3
(1 z 1 ) 2 (1 0.5 z 1 ) ( z 1) 2 ( z 0.5)
F ( z)
3z 2
a
b1
b2
2
2
z 1
( z 1) ( z 0.5) z 0.5 ( z 1)
3z 2
3
( z 0.5) 2
b1
3z 2
6
( z 0.5)
b2
d 3z 2
( z 0.5)6 z 3 z 2 (1)
0
dz ( z 0.5)
( z 0.5) 2
F ( z)
3
6
z
z 0.5 ( z 1) 2
F ( z)
3z
6z
3
6 z 1
1
z 0.5 ( z 1) 2 1 0.5 z 1 (1 z ) 2
f (k ) 3(0.5) k 6k
f ( 0) 3
f (1) 7.5
f (2) 12.75
f (3) 18.375
f (4) 24.187
f (5) 30.094
F ( z) c 0 c1 z 1 c 2 z 2 c 3 z 3 ...
f (T ) c1
f (2T ) c2
, ...
Ejemplo:
F ( z)
3
3
3
1
1
2
1
1
(1 z ) (1 0.5 z ) (1 2 z z )(1 0.5 z ) 1 2.5 z 2 z 2 0.5 z 3
1 2
6
2 5 z 4 z 2 z 3
1
2 5z
4z
3 7.5z 1 12.75z 2
6
- 6 + 15z -1 12 z 2 3z 3
15z -1 12 z 2 3z 3
15z 1 37.52 z 2 30z 3 2.5z 4
25.5z -2 27 z 3 7.5z 4
Ejemplo :
F ( z)
z 1
1 3z 1 2 z 2
F ( z)
z 1
z
2
1
2 z 1
z 1
1 3z 1 2 z 2 ( z 2)( z 1) z 2 z 1 1 2 z 1 1 z 1
0
fk
k 1
2(2)
k 0
k 1, 2 , 3 ,...
34
f (0) 0
f (T ) 1
f (2T ) 3
f (3T ) 7
f (4T ) 15
z 1
1 3z 1 2 z 2
z 1 3z 2 7 z 3 15z 4 ...
1 3z 1 2 z 2 z 1
z 1 3z 2 2 z 3
3z 2 2 z 3
3z 2 9 z 3 6z 4
7 z 3 6z 4
7 z 3 21z 4 14 z 5
15z 4 14 z 5
35
36
37
3.1.
Serie de Fourier
Forma Trigonomtrica
Considere la funcin x(t), peridica con periodo T, su frecuencia fundamental es
f0 =
1
,
T
0 = 2f0
, =
0 +
=1
0
=1
cos 0
38
, =
sen 0
Forma Polar
Note que = .
39
Forma Compleja
1
=
40
Ejemplos
Hallar la serie trigonomtrica de Fourier para la funcin
1 2 < 0
=
1
0<
1
=
0 +
=1
0
=1
1
1 +
1 =
0
1
= 0+ + 0+ =0
2
2
=
2
cos 0 =
2
=
0
0
=
2
1 cos 0 +
2
0
0
0
2
2
+
0
0
+
1 cos 0
2
0
0
0
2
41
=
2
=
2
0
0
2
2
0
0
2
2
sen 0 =
2
=
0
0
2
0
1
0
2
=
1 sen 0
2
0
0
0
2
1
0
1
0
2
2
0
2 2
0
2
Ya que 0 =
=
0
0
2
0
0
0
2
2
1 sen 0 +
=0
2
1
2
[1 (1) ]
As que, finalmente
=
=1
2
1 1
0 =
4
4
4
0 +
30 +
50 +
3
5
Note que
La forma polar
cos 0 +
=1
=
=1
2 + 2 = y = tan1
2
1
= 90
cos 0 + 90
=
=1
42
2
1
3.2.
1
0 =
1
0
0
1
0
0
1
1 0 +
1 0
1
1
1 0 2
0
0
0
Transformada de Fourier
Al obtener la serie de Fourier de una seal peridica cuadrada con un periodo T=2
obtenemos
43
44
45
3.3.
3.4.
de
las
ecuaciones anteriores
en
un
programa
computacional exige una gran cantidad de clculos, y an para las modernas y rpidas
computadoras el tiempo de ejecucin es considerable, haciendo cualquier aplicacin
imprctica la mayora de las veces. Es por esta razn que se han desarrollado mtodos
computacionales para aprovechar algunas caractersticas de la DFT, eliminando
operaciones redundantes.
Si definimos
46
N=L M
De forma que el vector de datos x(n) puede ser guardado en un arreglo matricial
de L filas por M columnas, por lo que ahora se indexar como x(l,m) de forma que
o bien
De aqu
Ntese que
48
De donde simplificamos a
Esta ecuacin equivale al clculo de una DFT de M puntos y despus otra DFT de
L puntos.
1. Se calcula una DFT de M puntos para cada una de las L filas
l = 0,1,. . . , L- 1.
2. Calculamos
1era etapa
q = 0, 1,, M-1
LM multiplicaciones
LM(M-1)
una
complejas
complejas
2da etapa
sumas
LM multiplicaciones
complejas
3era etapa
ML multiplicaciones
ML(L-1)
una
complejas
complejas
Total
N(M+L+1)
sumas
N(M+L-2)
49
As
50
Considerando que
F1(k) y F2(k) son peridicas con periodo N/2, F1(k+N/2)= F1(k) y F2(k+N/2)= F2(k)
WNk+N/2 = -W Nk
51
Donde
= + y = .
52
Note que para que los resultados se obtengan ordenados, los datos de la seal
x(n) se ordenan previamente en forma de bit inverso, esto es, l nmero
correspondiente a la posicin de cada dato se escribe en forma binaria, se invierte el
orden de los 0s y 1s y esto dar la nueva posicin.
53
54
55
4.1.
100
0.1
1000
12
, en frecuencia normalizada (si fs=2)
M
6
6
6
de donde la longitud del filtro es M
60 .
M
BW 0.1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
10
20
30
40
50
60
sin 2 Fc i
i
, i 0 , 1, 2,
la cual no es causal y adems es infinita por ambos extremos, por lo que es necesario
recortarla a M datos y adems se recorre a la derecha para estar centrada en M/2.
M
sin 2 Fc i
2
M
i
2
, i 0 ,1,, M
200
0.2
1000
Sinc
1
0.8
0.6
0.4
0.2
-0.2
-0.4
10
20
30
40
50
60
57
M
sin 2 Fc i
2
h (i) K
M
i
2
2 i
4 i
0.42 0.5 cos M 0.08 cos M , i 0 ,1,, M
0.35
0.3
0.25
0.2
0.15
0.1
0.05
-0.05
-0.1
10
20
30
40
50
60
58
Coef. del 0 al 19
Coef. del 20 al 39
Coef. del4 0 al 59
0.000000000000000
-0.000000000000000
-0.000000000000000
-0.000010343373656
-0.023181012636192
0.015682177893114
-0.000026793454823
-0.017451273686986
0.007948180811951
0.000063702781699
0.021380438168477
-0.006488887206858
0.000195114400770
0.042847131752802
-0.008519804532084
-0.000000000000000
-0.000000000000000
-0.000000000000000
-0.000507225987798
-0.070406420286926
0.005477120220697
-0.000461958652354
-0.059885681866652
0.002673910668839
0.000655445255445
0.091877934752337
-0.002086828380550
0.001461525868174
0.301366226364990
-0.002598671515230
-0.000000000000000
0.399991985281630
-0.000000000000000
-0.002598671515230
0.301366226364990
0.001461525868174
-0.002086828380550
0.091877934752337
0.000655445255445
0.002673910668839
-0.059885681866652
-0.000461958652354
0.005477120220697
-0.070406420286926
-0.000507225987798
-0.000000000000000
-0.000000000000000
-0.000000000000000
-0.008519804532084
0.042847131752802
0.000195114400770
-0.006488887206858
0.021380438168477
0.000063702781699
0.007948180811951
-0.017451273686986
-0.000026793454823
0.015682177893114
-0.023181012636192
-0.000010343373656
Para observar la respuesta en frecuencia del filtro, se puede obtener la FFT del
vector de coeficientes, normalizando el eje de la frecuencia. Tambin se puede utilizar
las funciones freqz o fvtool de Matlab.
Magnitude Response (dB)
0
Magnitude (dB)
-20
-40
-60
-80
-100
-120
0
50
100
150
200
250
300
Frequency (Hz)
350
400
450
Para probar el funcionamiento del filtro se tomar una seal de dos componentes
0.5
-0.5
-1
-1.5
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0.2
0.05
0.1
0.15
0.2
0.25
Tiempo
Magnitud
60
50
40
30
20
10
0
50
100
150
200
250
Frecuencia
300
350
400
450
500
1.2
Ganancia
0.8
0.6
0.4
0.2
50
100
150
200
250
Frecuencia (Hz)
300
350
400
450
500
61
Magnitud
60
50
40
30
20
10
0
50
100
150
200
250
Frecuencia
300
350
400
450
500
0.8
0.6
0.4
Magnitud
0.2
-0.2
-0.4
-0.6
-0.8
-1
0.05
0.1
0.15
0.2
0.25
Tiempo
62
4.2.
puede ser convertido a uno pasoalto empleando uno de los siguientes mtodos:
Inversin Espectral
A los coeficientes del filtro FIR de pasobajo se les cambia el signo, despus se
suma 1 al coeficiente central. Esta modificacin produce un efecto sobre la respuesta
en frecuencia del filtro de tal forma que lo invierte verticalmente, por lo que ahora los
coeficientes resultantes corresponden a un filtro pasoalto con frecuencia de corte F c.
Las figuras 11 y 12 muestran la respuesta al impulso y la caracterstica en frecuencia
del nuevo filtro.
Coeficientes del filtro con inversin espectral
1
0.8
0.6
0.4
0.2
-0.2
-0.4
10
20
30
40
50
60
1.2
Ganancia
0.8
0.6
0.4
0.2
50
100
150
200
250
Frecuencia (Hz)
300
350
400
450
500
Reflexin Espectral
A los coeficientes del filtro FIR pasobajo se les cambia el signo alternadamente,
esto es, solo se cambian los coeficientes de las posiciones 1, 3, 5, etc. Este cambio
produce una reflexin horizontal en el espectro del filtro, entre frecuencia 0 y F s/2. De
esta manera, el filtro pasoalto resultante tiene una frecuencia de corte F s/2-Fc.
Coeficientes del Filtro con Reflexin Espectral
0.4
0.3
0.2
0.1
-0.1
-0.2
-0.3
-0.4
10
20
30
40
50
60
1.2
0.8
0.6
0.4
0.2
50
100
150
200
250
300
350
400
450
500
64
4.3.
pasobajo
uno
pasoalto.
Los
coeficientes
filtro
equivalente
se
calculan
50
100
150
200
250
300
350
400
450
500
300
350
400
450
500
300
350
400
450
500
Filreo Pasoalto
1.5
1
0.5
0
50
100
150
200
250
Filtro Pasabada
1.5
1
0.5
0
50
100
150
200
250
Frecuencia
1.2
Ganancia
0.8
0.6
0.4
0.2
50
100
150
200
250
Frecuencia
300
350
400
450
500
Fig 16. Filtro supresor de banda obtenido por inversin espectral del filtro de la fig. 15.
65
66
67