Seminario de Matlab PDF

Complementos de Procesado de Seal y Comunicaciones
Mster en Sistemas Multimedia
Introduccin a
Matlab y Simulink
Javier Ramrez Prez de Inestrosa
Dpto. Teora de la Seal, Telemtica y Comunicaciones
Universidad de Granada
Email: javierrp@ugr.es
Este tutorial se puede obtener en:

http://www.ugr.es/~javierrp
Qu es Matlab?
MATLAB es un lenguaje de alto nivel para

realizar clculos cientifico-tcnicos.
Integra las herramientas de clculo

necesarias con otras de visualizacin as
como, un entorno de programacin de fcil
uso.
Introduccin a Matlab y Simulink

Javier Ramrez 2
Aplicaciones tpicas
Clculo matemtico
Desarrollo de algoritmos
Adquisicin de datos
Modelado, simulacin y prototipado
Anlisis de datos y visualizacin
Grficos
Desarrollo de aplicaciones e interfaces
grficas de usuario (GUI)
Javier Ramrez 3
Ms sobre MatLab
MatLab significa MATrix LABoratory
El tipo bsico de datos es el vector que no

requiere ser dimensionado.
Proporciona unos paquetes de extensin

(toolboxes) para aplicaciones especficas
Estos paquetes incluyen libreras de funciones

MatLab (M-files) que extienden las posibilidades
de MatLab para resolver problemas especficos
Javier Ramrez 4
El entorno de Matlab

Javier Ramrez 5
Sintaxis
Algunos ejemplos sencillos

Entrada Salida Comentarios
2+3 ans = 5
7-5 ans = 2
Los resultados son los esperados.
34*212 ans = 7208
1234/5786 ans = 0.2173 Ntese que al resultado se le da el nombre ans.
2^5 ans = 32
a = sqrt(2) a = 1.4142 Se puede escoger el nombre de la variable.

Javier Ramrez 6
b = 1.4142
Se pueden introducir varios
ans = 3.1416
b = a, pi, 2 + 3i comandos en una sola lnea. Pi, i,
ans = 2.0000 +
y j son constantes.
3.0000i
"eps" es el limite actual de
c = sin(pi) c = 1.2246e-016
precisin. No se puede operar con
eps ans = 2.2204e-016
nmeros inferiores a eps.
d= Definicin de vectores. "d", "e",
[1 2 3 4 5 6 7 8 9 d = 1 2 3 4 5 6 7 8 9 son "f" vectores. Son iguales. El
] e=123456789 operador : se utiliza para formar
e = [1:9] f=123456789 vectores; cuenta desde el nmero
f = 1:9 inicial al final de uno en uno.
g = 0:2:10 g = 0 2 4 6 8 10
Otros usos de :. Se utiliza para
f(3) ans = 3
acceder a parte o la totalidad de
f(2:7) ans = 2 3 4 5 6 7
los datos de un vector o matriz.
f(:) 123456789

Javier Ramrez 7
Un punto y coma ";" evita que se
h = [1 2 3]; (nada) visualice la salida.
h' ans = 1 Una coma simple " ' " calcula la
2 traspuesta de una matriz, o en el caso
3 de vectores, intercambia entre vectores
fila y columna.
Operaciones con vectores. * es la
h * h' ans = 14 multiplicacin matricial. Las
h .* h ans = 1 4 9 dimensiones deben ser las apropiadas.
h + h ans = 2 4 6 " .* " es la multiplicacin componente a
componente.
g = 1 2 3
g = [ 1 2 3;
4 5 6 Construccin de matrices.
4 5 6; 7 8 9]
7 8 9
g(2,3) ans = 6
Accediendo a los elementos de la
g(3,:) ans = 7 8 9
matriz.
g(2,3) = 4 g = 1 2 3
":" se utiliza para acceder a una fila
4 5 4
completa.
7 8 9

Javier Ramrez 8
ans = 30 36 42
g^2
66 81 96
Multiplica la matriz por ella misma.
102 126 150
ans = 1 4 9
g .^ 2 Eleva al cuadrado cada elemento de la
16 25 36
matriz.
49 64 81

Javier Ramrez 9
Control de la salida
El comando format
format compact
Controla el espaciado de lneas.
format long
Muestra los 15 dgitos que se utilizan en el clculo.
format short
Muestra nicamente cinco dgitos.
; al final del comando.
No visualizar salida:
help format
Ms informacin.

Javier Ramrez 10
Ms sobre matrices
Funciones incluidas en MatLab

rand(2) ans = 0.9501 0.6068
0.2311 0.4860 Genera una matriz de
rand(2,3) ans = 0.8913 0.4565 0.8214 nmeros aleatorios entre 0 y 1
0.7621 0.0185 0.4447
zeros(2) ans = 0 0
0 0 Genera una matriz 2x2 de
ones(2) ans = 1 1 ceros o unos.
1 1
eye(2) ans = 1 0
0 1 Matriz identidad I.
hilb(3) ans = 1.0000 0.5000 0.3333
0.5000 0.3333 0.2500 Matriz de Hilbert 3x3.
0.3333 0.2500 0.2000

Javier Ramrez 11
Ms sobre matrices
Concatenacin
Generar nuevas matrices a partir de otras
creadas previamente
Por ejemplo:
Sea la matriz a:
>> a = [1 2; 3 4]
a =
1 2
3 4

Javier Ramrez 12
Ms sobre matrices - concatenacin
Entrada Salida
[a, a, a] ans = 1 2 1 2 1 2
3 4 3 4 3 4
[a; a; a] ans = 1 2
3 4
1 2
3 4
1 2
3 4
[a, zeros(2); zeros(2), a'] ans = 1 2 0 0
3 4 0 0
0 0 1 3
0 0 2 4

Javier Ramrez 13
Ms sobre matrices
Programacin
Se pueden construir matrices mediante programacin
for i=1:10,
for j=1:10,
t(i,j) = i/j;
end
end
No se producira salida puesto que la nica lnea que

podra generar salida (t(i,j) =i/j;) termina en ;
Sin el ;, Matlab escribira la matriz t 100 veces!!

Javier Ramrez 14
Operaciones con matrices
+, -, *, y /
Definen operaciones con matrices.
Debemos distinguir:
.*:
Multiplicacin componente a componente.
*
Multiplicacin matricial.

Javier Ramrez 15
Escalares
Un escalar es un nmero.
Matlab los almacena como matrices 1x1
Todas las operaciones entre escalares y

matrices se realizan componente a
componente salvo:
La potencia (^).

Javier Ramrez 16
Escalares
a = 1 2
3 4
Ejemplos
b=2 b=2 Define b como un escalar.

ans = 3 4 La suma se hace componente a
a + b
5 6 componente.
ans = 2 4
a * b Igual que la multiplicacin.
6 8
ans = 7 10
a ^ b Potencia matricial - a*a
15 22
ans = 1 4 Potencia componente a
a .^ b
9 16 componente.

Javier Ramrez 17
Vectores
Un vector es una matriz de una sola fila o

columna
v = [1 2 3] v = 1 2 3
Define 2 vectores.
u = [3 2 1] u = 3 2 1
v * u Error Las dimensiones no coinciden.
Al tomar la traspuesta se corrige el

v * u' ans = 10
error.
Producto escalar (idntico al
dot(v,u) ans = 10
anterior).
El producto vectorial slo se emplea
cross(v,u) ans = -4 8 -4
con vectores en 3 dimensiones.
Javier Ramrez 18
Matrices
Matlab tiene numerosas funciones

predefinidas (help matfun).
k = [16 2 3; k = 16 2 3
Define una
5 11 10; 5 11 10
matriz.
9 7 6] 9 7 6
Traza de una
trace(k) ans = 33
matriz
Rango de una
rank(k) ans = 3
matriz.
Determinante de
det(k) ans = -136
una matriz

Javier Ramrez 19
Matrices
ans = 0.0294 -0.0662 0.0956
Inversa de una
inv(k) -0.4412 -0.5074 1.0662
matriz
0.4706 0.6912 -1.2206
Vectores propios
y autovalores de
vec = -0.4712 -0.4975 -0.0621 una matriz.
-0.6884 0.8282 -0.6379 Las columnas de
-0.5514 0.2581 0.7676 "vec" contienen
[vec,val] =
los vectores
eig(k)
val = 22.4319 0 0 propios;
0 11.1136 0 las entradas de
0 0 -0.5455 la diagonal de
"val" son los
autovalores.

Javier Ramrez 20
Variables en el espacio de trabajo
whos
Lista las variables definidas en el entorno.
>> whos
Name Size Bytes Class
a 100x1 800 double array

b 100x100 80000 double array
c 1x1 8 double array
Grand total is 10101 elements using 80808 bytes
clear
Borra variables del entorno.

Javier Ramrez 21
Resolucin de sistemas de ecuaciones
Una de las principales aplicaciones de las matrices

es la representacin de sistemas de ecuaciones
lineales.
Si a es una matriz de coeficientes, x es un vector
columna que contiene las incgnitas y b los
trminos constantes, la ecuacin
a x =b
representa el correspondiente sistema de

ecuaciones.

Javier Ramrez 22
Resolviendo ecuaciones
Para resolver el sistema en MatLab

x = a \ b
x es igual a la inversa de a por b
Ejemplo
a = [1 2 3; 4 5 6; 7 8 10]; b = [1 1 1]';
Solucin:
x =
-1
1
0

Javier Ramrez 23
Salvar y recuperar datos
Los datos de la sesin se pierden al salir de

MatLab.
Para salvar la sesin (entrada y salida)

Diary(session.txt);
Guarda los comandos introducidos en la sesin.
Diary <ON/OFF> ;
Para salvar una o varias matrices
save datos.mat (guarda todas las variables)
save datos.mat x (slo guarda x)

Javier Ramrez 24
Salvar y recuperar matrices
save sesion
Salva todas las variables en el archivo binario sesion.mat.
save fichero X
Salva slo la variable X
load sesion
Recupera los datos previamente salvados
Si los ficheros se pueden salvar en formato texto (-

ascii). Pueden verse con un editor de textos.
Javier Ramrez 25
Grficos
El comando bsico es: plot

plot(y);
plot(x,y);
plot(x,y,b+,x,z,gx);
color (b,g) blue,green
Marcador (+,x)
Personalizacin del grfico:
title, xlabel, ylabel, legend, grid.

Javier Ramrez 26
Ejemplo
Mes = 1:12;
T_Gr = [-2 0 2 4 8 12 14 14 12 8 4 0];
T_Ma = [-4 -2 0 2 6 14 18 18 16 8 2 -2];
plot(Mes, T_Gr, 'bo', Mes, T_Ma, 'rv');
xlabel('Mes');
ylabel('Temperatura (C)');
title('Temperaturas minimas en Granada y
Madrid');
legend('Granada','Madrid');
grid;

Javier Ramrez 27
Resultado:

Javier Ramrez 28
subplot
Mes = 1:12
T_Gr = [-2 0 2 4 8 12 14 14 12 8 4 0];
T_Ma = [-4 -2 0 2 6 14 18 18 16 8 2 -2];
subplot(2,1,1);
plot(Mes, T_Gr, 'bo-');
xlabel('Mes');
title('Temperaturas minimas en Granada');
grid;
subplot(2,1,2);
plot(Mes, T_Ma, 'rv-');
xlabel('Mes');
title('Temperaturas minimas en Madrid');
grid;

Javier Ramrez 29
Resultado

Javier Ramrez 30
Grficos tridimensionales
[x,y] = meshgrid(-2:.2:2, -2:.2:2);
z = x .* exp(-x.^2 - y.^2);
mesh(z);

Javier Ramrez 31
Grficos tridimensionales
Z = X.*exp(-X.^2-Y.^2);
contour3(X,Y,Z,30)
surface(X,Y,Z,'EdgeColor',[.8 .8.8],'FaceColor','none')
grid off 0.5
view(-15,25) 0.4
colormap cool 0.3
0.2
0.1
-0.1
-0.2
-0.3
-0.4
-0.5
2
-1
1.5 2
0.5 1
-0.5 0
-2 -1.5 -1
-2

Javier Ramrez 32
Programacin
Ficheros de comandos (scripts)

Secuencias de comandos.
Al invocarlos se ejecutan en el entorno.
Las variables creadas son globales.
Ficheros de funcin
Permiten definir funciones propias.
Variables locales.
La informacin se pasa como parmetros.
Se pueden definir subfunciones.
Javier Ramrez 33
Un ejemplo de funcin
function y = media (x)
% Valor medio de x.
% Para vectores, media(x) devuelve el valor medio.
% Para matrices, media(x) es un vector fila
% que contiene el valor medio de cada columna.
[m,n] = size(x);
if m == 1
m = n;
end
y = sum(x)/m;

Javier Ramrez 34
Argumentos de funciones
nargin y nargout
Nmero de argumentos de entrada y salida con
los que se llama a la funcin.
Ejemplo:
function c = testarg1(a,b)
if (nargin == 1)
c = a.^2;
elseif (nargin == 2)
c = a + b;
end
Javier Ramrez 35
Subfunciones
function [media,mediana] = estadistica(u) % Funcin principal
% ESTADISTICA Calcula la media y la
% mediana utilizando funciones internas.
n = length(u);
media = mean(u,n);
mediana = median(u,n);
function a = mean(v,n) % Subfuncin

% Calcula la media.
a = sum(v)/n;
function m = median(v,n) % Subfuncin

% Calcula la mediana.
w = sort(v);
if rem(n,2) == 1
m = w((n+1)/2);
else
m = (w(n/2)+w(n/2+1))/2;
end

Javier Ramrez 36
Bifurcaciones
true
Condicin 1
Bloque 1
false false false
Condicin Condicin
true
Condicin 2
true true
Sentencias Bloque 1 Bloque 2 Bloque 2
false
Bloque 3

Javier Ramrez 37
if
Sentencia if Bifurcacin multiple
if condicin if condicin1
sentencias bloque1
end elseif condicin2
bloque2
elseif condicin3
Ejemplo bloque3
else
if rem(a,2) == 0 bloque4
disp('a is par') end
b = a/2;
end

Javier Ramrez 38
switch
switch expresion
case case1,
bloque1
case {case2, case3, ...}
bloque2
...
otherwise,
bloque3 switch valor
end case -1
disp('negativo');
case 0
disp('cero');
case 1
disp('positivo');
otherwise
disp('otro');
end

Javier Ramrez 39
Bucles
false
Condicin Sentencias
true
Sentencias Condicin true
false

Javier Ramrez 40
for
for i = 1:n for i = vector

sentencias sentencias
end end
for i = n:-0.2:1 for i = 1:m

sentencias for j = 1:n
end sentencias
end
end

Javier Ramrez 41
while {continue, break}
while condicin Sentencia break

sentencias
end Hace que termine
la ejecucin
Sentencia continue
n = 1;
Hace que se pase
while prod(1:n) < 1e100
inmediatamente a la
n = n + 1;
siguiente iteracin
end
del bucle for o while

Javier Ramrez 42
Toolboxes
Toolboxes para DSP y comunicaciones:

Communications Toolbox
Filter Design Toolbox
Image Processing Toolbox
Signal Processing Toolbox
Statistics Toolbox
System Identification Toolbox
Wavelet Toolbox

Javier Ramrez 43
Procesamiento de seales y comunicaciones
Matlab dispone de unas libreras para

tratamiento digital de seales.
Signal Processing Toolbox
Communications Toolbox

Javier Ramrez 44
Filtrado de seales
y= filter(b,a,x);
Filtra la secuencia x con el filtro descrito por b y a.

Javier Ramrez 45
Respuesta en frecuencia
[H,w] = freqz(b,a,N);
20
Calcula N puntos de la
Magnitude (dB)
respuesta en frecuencia del 10
filtro definido por b y a. 0
-10
0 0.2 0.4 0.6 0.8 1
Normalized Frequency ( rad/sample)
Para el filtro: 0
Phase (degrees)
y(n)= 0.8y(n-1) + x(n) -20
-40
freqz(1,[1 -0.8],256); -60

0 0.2 0.4 0.6 0.8 1
Normalized Frequency ( rad/sample)

Javier Ramrez 46
Diseo de filtros
B = FIR1(N,Wn);
Filtro FIR paso baja de orden N.
Wn es la frecuencia de corte normalizada (0<Wn<1).
B = FIR1(N,Wn,'high');
Filtro paso alta.
Wn = [W1 W2]; B = FIR1(N,Wn,'bandpass');

Filtro paso banda.
Wn = [W1 W2]; B = FIR1(N,Wn,'stop');

Filtro rechaza banda (notch).

Javier Ramrez 47
Ejemplo: Filtros FIR paso banda
% Parametros.
N= [8 16 32 64]; % Coeficientes del filtro 0
Wn = [0.4 0.6]; % Frecuencias de corte. N=8
-20 N=16
NFFT= 256; % Respuesta en frecuencia
N=32
L = length(N);
|H|
-40 N=64
H = zeros(NFFT,L);
-60
for i=1:L
B = FIR1(N(i),Wn,'bandpass'); % Diseo.
[H1,W]= freqz(B,1,NFFT); % Respuesta. -80
0 0.2 0.4 0.6 0.8 1
H(:,i)= H1;
w en unidades de
end
10
N=8
Fase de H (rads)
% Visualizacion de la respuesta en frecuencia.
subplot(2,1,1); 0 N=16
plot(W/pi,20*log10(abs(H))); N=32
xlabel('w en unidades de \pi'); -10 N=64
ylabel('|H|');
legend('N=8','N=16','N=32','N=64'); -20
grid;
subplot(2,1,2);
-30
0 0.2 0.4 0.6 0.8 1
plot(W/pi,unwrap(angle(H))); w en unidades de
xlabel('w en unidades de \pi');
ylabel('Fase de H (rads)');
legend('N=8','N=16','N=32','N=64');
grid;

Javier Ramrez 48
Diseo y anlisis de filtros (fdatool)

Javier Ramrez 49
Signal Processing Tool (SPTool)

Javier Ramrez 50

Javier Ramrez 51

Javier Ramrez 52

Javier Ramrez 53
Diezmado e interpolacin
Seal original
2
1.5
Y = DECIMATE(X,R) 0.5
-0.5
Ejemplo: Decimacin en un factor 4.
-1
t = 0:.00025:1; % Vector de tiempos
-1.5
x = sin(2*pi*30*t) + sin(2*pi*60*t);
-2
0 20 40 60 80 100 120
y = decimate(x,4);
Seal decimada
2
1.5
stem(x(1:120)); %Original
1
axis([0 120 -2 2])
0.5
title('Seal original')
0
figure -0.5
stem(y(1:30)); %Decimada -1
title('Seal decimada') -1.5
-2
0 5 10 15 20 25 30

Javier Ramrez 54
Diezmado e interpolacin
Seal original
2
1.5
Y = INTERP(X,R) 1
0.5
-0.5
t = 0:0.001:1; % Time vector -1
x = sin(2*pi*30*t) + sin(2*pi*60*t); -1.5
y = interp(x,4); -2
0 5 10 15 20 25 30
stem(x(1:30)); Seal interpolada

2
title('Seal original'); 1.5
figure 1
stem(y(1:120)); 0.5
title('Seal interpolada'); 0
-0.5
-1
-1.5
-2
0 20 40 60 80 100 120

Javier Ramrez 55
Densidad de potencia espectral
periodogram
Fs = 1000; t = 0:1/Fs:.3;
% Una seal coseno de 200Hz ms ruido
x = cos(2*pi*t*200)+randn(size(t));
periodogram(x,[],'twosided',512,Fs);
% Se usa la ventana por defecto
pwelch
Fs = 1000; t = 0:1/Fs:.296;
% Una seal coseno de 200 Hz ms ruido
x = cos(2*pi*t*200)+randn(size(t));
pwelch(x,[],[],[],Fs,'twosided');
% Ventana por defecto, solapamiento y NFFT.

Javier Ramrez 56
Ejemplos
Periodogram PSD Estimate Welch PSD Estimate
-10 -16
-15 -18
-20
Power Spectral Density (dB/Hz)
-20

-22
-25
-24
-30
-26
-35
-28
-40
-30
-45
-32
-50 -34
0 100 200 300 400 500 600 700 800 900 0 100 200 300 400 500 600 700 800 900
Frequency (Hz) Frequency (Hz)

Javier Ramrez 57
Estimacin espectral paramtrica
Mtodo de covarianza
pcov(X,ORDER,NFFT,Fs)
randn('state',1);
x = randn(100,1);
y = filter(1,[1 1/2 1/3 1/4 1/5],x);
pcov(y,4,[],1000);
Mtodo de covarianza modificado
pmcov(X,ORDER,NFFT,Fs)
randn('state',1);
x = randn(100,1);
y = filter(1,[1 1/2 1/3 1/4 1/5],x);
pmcov(y,4,[],1000);

Javier Ramrez 58
Ejemplos
Covariance PSD Estimate Modified Covariance PSD Estimate
-24 -24
-26 -26

-28 -28
-30 -30
-32 -32
-34 -34
-36 -36
-38 -38
0 100 200 300 400 500 0 100 200 300 400 500
Burg PSD Estimate Yule-Walker PSD Estimate

-24 -24
-26 -26

-28 -28
-30 -30
-32 -32
-34 -34
-36 -36
-38 -38
0 100 200 300 400 500 0 100 200 300 400 500

Javier Ramrez 59
Modelado. Prediccin lineal
Predictor lineal:
Estima la muestra siguiente utilizando N muestras
anteriores.
x (n) e(n) x(n) x(n)
x(n) Predictor
lineal

N
x (n) A(i 1) x(n i)
i 1
[A,E] = LPC(X,N)
Calcula:
Minimizando J= E{|e(n)|2}
Los coeficientes del predictor, A.
La varianza del error, E.

Javier Ramrez 60
Comunicaciones
Funciones principales:
Generacin de seales aleatorias
Anlisis de errores
Codificacin de la fuente (escalar, diferencial)
Codificacin para el control de errores
(convolucional, codificacin lineal de bloques)
Modulacin y demodulacin (analgica y digital)
Filtrado mediante filtros especiales
Aritmtica en cuerpos de Galois

Javier Ramrez 61
Modulacin analgica y digital

Javier Ramrez 62
Funciones utilizadas frecuentemente
randint
Genera una matriz de nmeros aleatorios enteros
uniformemente distribuidos.
out = randint; % Un solo valor [0,1]
out = randint(N); % Matriz cuadrada NN
out = randint(M,N); % Matriz MN
out = randint(M,N,rg); % Se especifica el rango.

Javier Ramrez 63
Modulacin/demodulacin digital

Javier Ramrez 64
Modulacin/demodulacin digital
Mapping+modulacin/demodulacin
dmodce/ddemodce
y = dmodce(x,Fd,Fs,'method/nomap'...);
y = dmodce(x,Fd,Fs,'ask',M);
y = dmodce(x,Fd,Fs,'fsk',M,tone);
y = dmodce(x,Fd,Fs,'msk');
y = dmodce(x,Fd,Fs,'psk',M);
y = dmodce(x,Fd,Fs,'qask',M);
y = dmodce(x,Fd,Fs,'qask/arb',inphase,quadr);
y = dmodce(x,Fd,Fs,'qask/cir',numsig,amp,phs);
y = dmodce(x,Fd,[Fs initphase],...);
Slo mapping
modmap/demodmap
modmap('method',...);
y = modmap(x,Fd,Fs,'ask',M);
y = modmap(x,Fd,Fs,'fsk',M,tone);
y = modmap(x,Fd,Fs,'msk');
y = modmap(x,Fd,Fs,'psk',M);
y = modmap(x,Fd,Fs,'qask',M);
y = modmap(x,Fd,Fs,'qask/arb',inphase,quadr);
y = modmap(x,Fd,Fs,'qask/cir',numsig,amp,phs);

Javier Ramrez 65
Ejemplo
M = 16; % Modulacin M-aria.
Fd = 1; % Se muestrea el mensaje original
% a una muestra por segundo.
Fs = 3; % La seal modulada se muestrea
% a una frecuencia de 3 muestras por segundo.
x = randint(100,1,M); % Mensaje digital aleatorio.
% Modulacin M-ary PSK

y = dmodce(x,Fd,Fs,'psk',M);
% Adicin de ruido Gaussiano.

ynoisy = y + .04*randn(300,1) + .04*j*randn(300,1);
% Diagrama de dispersin a partir de las observaciones ruidosas.

scatterplot(ynoisy,1,0,'b.');
% Demodulacin para recuperar el mensaje

z = ddemodce(ynoisy,Fd,Fs,'psk',M);
s = symerr(x,z) % Comprobar la tasa de error de los smbolos.

Javier Ramrez 66
Grfico de dispersin (ruido)
Scatter plot
0.8
0.6
0.4
0.2
Quadrature
-0.2
-0.4
-0.6
-0.8
-1
-1 -0.5 0 0.5 1
In-Phase

Javier Ramrez 67
Anlisis de errores
biterr
Calcula el nmero de bits errneos y la tasa de error.
[number,ratio] = biterr(x,y);
[number,ratio] = biterr(x,y,k);
[number,ratio] = biterr(...,flg);
[number,ratio,individual] = biterr(...)

Javier Ramrez 68
Ejemplo
x = randint(100,100,4); % Seal original
% Introduccin de errores.
% Los errores pueden ser 1, 2, o 3 (no 0).
% Colocacin de los errores
errorplace = (rand(100,100) > .9);
errorvalue = randint(100,100,[1,3]); % Valor error
errors = errorplace.*errorvalue;
y = rem(x+errors,4); % Seal y error sumadas mod 4
% Anlisis de errores
format short
[num_bit,ratio_bit] = biterr(x,y,2)
[num_sym,ratio_sym] = symerr(x,y)

Javier Ramrez 69
Ejercicio:
Estudiar mediante Matlab/Simulink el efecto

del ruido en los sistemas de comunicacin
digital.
Construir el diagrama de bloques de simulacin.
Simular el sistema:
Diferentes esquemas de modulacin (ASK, PSK, FSK,
MSK).
Obtener las curvas de error en funcin de la SNR.
Adicionalmente, considrese PSK con M= 4 y 8
smbolos y comprese las curvas de error frente a la
SNR.

Javier Ramrez 70
Introduccin a Simulink
Simulink es una herramienta para modelado,

simulacin y anlisis de sistemas dinmicos.
Soporta tanto sistemas lineales como no
lineales:
en tiempo continuo,
muestreados,
hbridos y
sistemas multifrecuencia (contienen sistemas
muestreados a diferente frecuencia).

Javier Ramrez 71
Entorno de trabajo

Javier Ramrez 72
Construccin del diagrama de bloques

Javier Ramrez 73
Resultado de la simulacin
1
0.5
-0.5
-1
0 500 1000 1500 2000 2500 3000
0.5
-0.5
-1
0 0.5 1 1.5 2 2.5 3
4
x 10

Javier Ramrez 74
Ejemplo

Javier Ramrez 75
Simulacin

Javier Ramrez 76
Anlisis/sntesis LPC de la seal de voz

Javier Ramrez 77
Estimacin espectral

Javier Ramrez 78
Resultado de la simulacin

Javier Ramrez 79
Sistema de comunicacin digital
8-PSK (Gray)

Javier Ramrez 80
Procesado de imgenes
Lectura de imgenes:
A = imread(filename, fmt)
Lee una imagen en escala de grises o en color
fmt especifica el formato de imagen (BMP, JPEG, PNG, TIFF, etc)
[X, map] = imread(...)
map Mapa de color
Visualizacin de la imagen imshow

imshow(I)
imshow(I,[low high])
imshow(RGB)
imshow(BW)
imshow(X,map)

Javier Ramrez 81
Lectura de imgenes
A= imread('texto.tif'); [B map]=
imshow(A); imread('flor.tif');
size(A); size(A); imshow(B); size(A);
500500 5005003

Javier Ramrez 82
Transformaciones espaciales
Modificacin del tamao

B = imresize(A, scale)
B = imresize(A, [mrows ncols])
Rotar una imagen

B = imrotate(A,angle)
B = imrotate(A,angle,method)
method -> Interpolacin {nearest}, bilinear, bicubic
B = imrotate(A,angle,method,bbox)
bbox -> Bounding box {crop} loose
Recortar una imagen

B= imcrop(A); Herramienta interactiva
B= imcrop(A,rect);

Javier Ramrez 83
Filtrado 2D
B= imfilter(A,h) N= 5;
h = ones(N,N) / (N*N);
Af = imfilter(A,h);
Original Filtrada N= 5 Filtrada N= 20

Javier Ramrez 84
Respuesta en frecuencia de filtros 2D
[H, f1, f2] = freqz2(h, n1, n2)
[H, f1, f2] = freqz2(h, [n2 n1])
[H, f1, f2] = freqz2(h)
[H, f1, f2] = freqz2(h, f1, f2)
1
1
0.8
0.8
0.6
Magnitude
0.6
Magnitude
0.4
0.4
0.2
0.2
0
0
1
1
0.5 1
0.5 1
0 0.5
0 0.5
0
0 -0.5
-0.5 -0.5
-0.5
-1 -1
Fy -1 -1
Fx Filtro 55 Fy Fx Filtro 2020

Javier Ramrez 85
Diseo de filtros 2D 1
0.8
0.6
h = fwind1(Hd, win) 0.4
h = fwind1(Hd, win1, win2) 0.2
h = fwind1(f1, f2, Hd,...) 0

1
0.5 1
0 0.5
Ejemplo: -0.5
0
-0.5
[f1,f2] = freqspace(21,'meshgrid'); 1.5 -1 -1
Hd = ones(21);
r = sqrt(f1.^2 + f2.^2);
Hd((r<0.1)|(r>0.5)) = 0; 1
Magnitude
colormap(jet(64));
mesh(f1,f2,Hd);
0.5
h = fwind1(Hd,hamming(21));
0
freqz2(h); 1
0.5 1
0 0.5
0
-0.5 -0.5
Fy -1 -1
Fx

Javier Ramrez 86
Ajuste del nivel de intensidad
6000 15000 4000
3000
4000 10000
2000
2000 5000
1000
0 0 0
0 100 200 0 100 200 0 100 200

Javier Ramrez 87
Ecualizacin del histograma
250 250 250
200 200 200
150 150 150
100 100 100
50 50 50
0 0 0
0 100 200 0 100 200 0 100 200

Javier Ramrez 88
Ecualizacin del histograma
6000 15000 4000
4000 10000
2000
2000 5000
0 0 0
0 50 100 150 200 250 0 50 100 150 200 0 50 100 150 200 250
200 200 200
100 100 100
0 0 0
0 50 100 150 200 250 0 50 100 150 200 250 0 50 100 150 200 250
15000
2000 2000
10000
1000 1000
5000
0 0 0
0 50 100 150 200 250 0 50 100 150 200 250 0 50 100 150 200 250

Javier Ramrez 89
Filtrado de ruido (Filtro de Wiener)
J = wiener2(I, [m n], noise)
[J, noise] = wiener2(I, [m n])
Wiener2 estima la media y la varianza entorno a cada pixel
A continuacin crea un filtro pixel a pixel basado en estas estimaciones
v2 es la varianza del ruido

Javier Ramrez 90
Matlab para reconocimiento de patrones
Asignacin de una clase a un vector de

caractersticas x del objeto a clasificar:
Ejemplo: Fisher Iris dataset:
http://en.wikipedia.org/wiki/Iris_flower_data_set
503 = 150 muestras de flores Iris de tres especies
Iris setosa, Iris virginica, Iris versicolor
4 caractersticas de cada ejemplo:
Longitud y anchura de los ptalos y spalos

Javier Ramrez 91
Matlab para reconocimiento de patrones
Anlisis discriminante:
class = classify(sample,training,group)
class = classify(sample,training,group,type)
class = classify(sample,training,group,type,prior)
knn:
Class = knnclassify(Sample, Training, Group)
Class = knnclassify(Sample, Training, Group, k)
Class = knnclassify(Sample, Training, Group, k, distance)
Class = knnclassify(Sample, Training, Group, k, distance, rule)
Mquinas de vectores de soporte:

Group = svmclassify(SVMStruct, Sample)
Group = svmclassify(SVMStruct, Sample, 'Showplot,ShowplotValue)
SVMStruct = svmtrain(Training, Group)
SVMStruct =svmtrain(..., 'Kernel_Function', Kernel_FunctionValue)

Javier Ramrez 92
Anlisis discriminante: Ejemplo 3.8
Fisher versicolor
3.6 Fisher virginica
load fisheriris 3.4
SL = meas(51:end,1); 3.2
SW = meas(51:end,2);
3
group = species(51:end);
SW
2.8
2.6
2.4
2.2
2
4.5 5 5.5 6 6.5 7 7.5 8
SL
h1 = gscatter(SL,SW,group,'rb','v^',[],'off');
set(h1,'LineWidth',2)
legend('Fisher versicolor','Fisher virginica','Location','NW')

Javier Ramrez 93
Anlisis discriminante: Ejemplo
Clasificamos una Visualizar la

matriz de datos 2-D: clasificacin:
hold on;
[X,Y] = gscatter(X,Y,C,'rb','.',1,'off');
meshgrid(linspace(4.5,8) K = coeff(1,2).const;
,linspace(2,4)); L = coeff(1,2).linear;
Q = coeff(1,2).quadratic;
X = X(:); Y = Y(:); f = sprintf('0 =
%g+%g*x+%g*y+%g*x^2+%g*x.*y+%g*y.^2',
[C,err,P,logp,coeff] = ...
classify([X Y],[SL SW], K,L,Q(1,1),Q(1,2)+Q(2,1),Q(2,2));
h2 = ezplot(f,[4.5 8 2 4]);
group,'quadratic'); set(h2,'Color','m','LineWidth',2)
axis([4.5 8 2 4])
xlabel('Sepal Length')
ylabel('Sepal Width')
title('{\bf Classification with Fisher
Training Data}')

Javier Ramrez 94
Anlisis discriminante: Ejemplo
Classification with Fisher Training Data
4
Fisher versicolor
Fisher virginica
3.8
3.6
3.4
3.2
SW
2.8
2.6
2.4
2.2
2
4.5 5 5.5 6 6.5 7 7.5 8
SL

Javier Ramrez 95
Seleccin de caractersticas
[IDX, Z]= rankfeatures(X, Group)
[IDX, Z]= rankfeatures(X, Group,'Criterion', CriterionValue)
load fisheriris;
X= meas(1:100,:);
Group= species(1:100);
[IDX, Z] = rankfeatures(X',Group);
% Selecionamos las variables ms discriminativas

data= X(:,[IDX(1) IDX(2)]);
% Seleccin aleatoria de subconjuntos de entrenamiento y test

[train, test] = crossvalind('holdOut',Group);
cp = classperf(Group);
% Entrenamiento de una mquina de vectores de soporte
svmStruct = svmtrain(data(train,:),Group(train),'showplot',true);
% Aadimos ttulo.
title(sprintf('Kernel Function: %s',...
func2str(svmStruct.KernelFunction)),...
'interpreter','none');
% Clasificacin del conjunto de test
classes = svmclassify(svmStruct,data(test,:),'showplot',true);
% Evaluacin a partir de la tasa de correctas.
classperf(cp,classes,test);
cp.CorrectRate

Javier Ramrez 96
Seleccin de caractersticas
Kernel Function: linear_kernel Kernel Function: linear_kernel
1.8 4.5
setosa (training)
setosa (training) setosa (classified)
1.6 versicolor (training)
setosa (classified)
versicolor (training) versicolor (classified)
versicolor (classified) 4 Support Vectors
1.4
Support Vectors
1.2
3.5
1
0.8
3
0.6
0.4
2.5
0.2
0 2
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 4 4.5 5 5.5 6 6.5 7
data= X(:,[IDX(1) IDX(2)]); data= X(:,[IDX(3) IDX(4)]);

Javier Ramrez 97
Estas transparencias se pueden obtener en:
http://www.ugr.es/~javierrp
Para cualquier consulta:
Javier Ramrez (javierrp@ugr.es)

Dpto. Teora de la Seal, Telemtica y Comunicaciones
Despacho 22
ETSII

Javier Ramrez 98

Seminario de Matlab PDF

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

Seminario de Matlab PDF

Caricato da

Copyright:

Formati disponibili

Complementos de Procesado de Seal y Comunicaciones

Mster en Sistemas Multimedia

Este tutorial se puede obtener en:

MATLAB es un lenguaje de alto nivel para

Integra las herramientas de clculo

Introduccin a Matlab y Simulink

MatLab significa MATrix LABoratory

El tipo bsico de datos es el vector que no

Proporciona unos paquetes de extensin

Estos paquetes incluyen libreras de funciones

Introduccin a Matlab y Simulink

Algunos ejemplos sencillos

Introduccin a Matlab y Simulink

Introduccin a Matlab y Simulink

Introduccin a Matlab y Simulink

Introduccin a Matlab y Simulink

Introduccin a Matlab y Simulink

Funciones incluidas en MatLab

Introduccin a Matlab y Simulink

Introduccin a Matlab y Simulink

Introduccin a Matlab y Simulink

No se producira salida puesto que la nica lnea que

Introduccin a Matlab y Simulink

Introduccin a Matlab y Simulink

Matlab los almacena como matrices 1x1

Todas las operaciones entre escalares y

Introduccin a Matlab y Simulink

b=2 b=2 Define b como un escalar.

Introduccin a Matlab y Simulink

Un vector es una matriz de una sola fila o

v * u Error Las dimensiones no coinciden.

Al tomar la traspuesta se corrige el

Matlab tiene numerosas funciones

Introduccin a Matlab y Simulink

Introduccin a Matlab y Simulink

a 100x1 800 double array

Grand total is 10101 elements using 80808 bytes

Introduccin a Matlab y Simulink

Una de las principales aplicaciones de las matrices

representa el correspondiente sistema de

Introduccin a Matlab y Simulink

Para resolver el sistema en MatLab

Introduccin a Matlab y Simulink

Los datos de la sesin se pierden al salir de

Para salvar la sesin (entrada y salida)

Introduccin a Matlab y Simulink

Si los ficheros se pueden salvar en formato texto (-

El comando bsico es: plot

Introduccin a Matlab y Simulink

plot(Mes, T_Gr, 'bo', Mes, T_Ma, 'rv');

Introduccin a Matlab y Simulink

Introduccin a Matlab y Simulink

Introduccin a Matlab y Simulink

Introduccin a Matlab y Simulink

Introduccin a Matlab y Simulink

colormap cool 0.3

Introduccin a Matlab y Simulink

Ficheros de comandos (scripts)

Introduccin a Matlab y Simulink

function a = mean(v,n) % Subfuncin

function m = median(v,n) % Subfuncin

Introduccin a Matlab y Simulink

Introduccin a Matlab y Simulink

x = sin(2pi30t) + sin(2pi60t); -1.5