ANALISIS SEÑALES H.Mendiazabal

CAPTULO
1 Conceptos Bsicos de Seales y Sistemas
Cuando se hace referencia a los conceptos de seales y sistemas, su aplicacin es

vlida para una variedad amplia de disciplinas, tales como sismologa, comunicaciones,
acstica, sistemas de generacin y distribucin de energa, ingeniera biomdica, etc. En
estos campos la naturaleza fsica de las seales y sistemas pueden tener matices
diferentes, pero todos ellos presentan caractersticas bsicas comunes siguientes: a) las
seales son funciones de una o ms variables independientes, y contienen informacin
sobre la naturaleza o comportamiento de algn fenmeno. b) Los sistemas responden a
seales dadas produciendo otras seales. As se tiene que seales elctricas, que son
voltajes o corrientes funcin del tiempo, se aplican a sistemas elctricos, los que
responden a estas seales con voltajes o corrientes, de acuerdo a sus caractersticas.
Tambin se puede considerar el caso en que el sistema es un automvil, donde su
entrada es la presin sobre el acelerador y la respuesta del automvil o salida es su
velocidad. En este captulo se presentan el concepto general de sistema y su aplicacin a
sistemas de comunicaciones, la caracterizacin de seales en el dominio del tiempo,
consiste en la definicin de ciertos parmetros, los criterios de representacin de seales
en el dominio de la frecuencia y la clasificacin de sistemas.
1.1 DEFINICION DE SISTEMA, SEAL. SEALES ELECTRICAS. SISTEMAS

DE COMUNICACIONES.
Sistema. Un sistema es un grupo de objetos que pueden interactuar armnicamente y

que se combinan para lograr un determinado objetivo. Un sistema puede, a la vez, ser
una parte (subsistema) de un sistema mayor. Puede establecerse una jerarqua completa
de sistemas, cada una con su dominio definido .
Seal. Una seal es un suceso que sirve para iniciar una accin; es decir puede incitar a
la accin. Con las restricciones de energa y potencia, el inters se centra en el concepto
de seal y tambin en la respuesta de un sistema a una seal dada. El diagrama de la
figura 1.1 muestra las funciones de la seal, el sistema y la respuesta .
SEAL RESPUESTA
SISTEMA
Figura 1.1 Diagrama de un Sistema
Es conveniente usar los conceptos de seal y respuesta resultante para describir

las caractersticas de un sistema.
Una seal se define como una funcin univaluada del tiempo, es decir, a cada
instante de tiempo (la variable independiente), corresponde un valor nico de la funcin
(variable dependiente). Este valor de la funcin puede ser real o complejo, o sea que la
seal puede ser real o compleja. La variable temporal es siempre real.
2 Captulo 1. Conceptos Bsicos de Seales y Sistemas
La notacin compleja de seales es conveniente para describir fenmenos

bidimensionales, tales como el movimiento circular, la propagacin de ondas en el
plano, etc., en funcin del tiempo. Debido a la limitacin a una sola variable
dependiente, todas las seales que corresponden a cantidades fsicamente observables
deben ser de naturaleza real. Sin embargo, en muchos anlisis, los modelos y clculos
matemticos son a menudo ms simples, e incluso ms obvios, si se usa notacin
compleja. Despus de efectuar todas las operaciones en notacin compleja bastar
considerar la parte real de la expresin resultante. Este procedimiento es vlido siempre
que pueda aplicarse el principio de superposicin.
Las observaciones anteriores pueden aplicarse a la descripcin y anlisis de
procesos fsicos en general. Interesa restringirlas a la descripcin y anlisis de seales y
sistemas elctricos.
Una seal elctrica puede ser una onda de voltaje o de corriente que puede
describirse matemticamente. El inters radica en las variaciones de las seales con el
tiempo, sean stas de voltajes o de corrientes. Luego, una seal elctrica es simplemente
una funcin univaluada del tiempo que puede emplearse para representar un voltaje o
una corriente en una situacin especfica. En ocasiones pueden aparecer excepciones,
particularmente en anlisis que impliquen los conceptos de energa y de potencia. En
este caso es conveniente considerar que la seal se aplica a un resistor de resistencia un
ohm para todos los clculos de energa y de potencia asociada a la seal, en este caso se
habla de potencia o energa normalizada.
Algunas seales varan en forma continua en el tiempo, en tanto que otras
seales se definen slo en puntos discretos de tiempo. Esta distincin se aplica tanto a
seales como a sistemas que responden y procesan estas seales, lo cual conduce a dos
formas de anlisis de seales y sistemas, uno para fenmenos y procesos que son
descritos en tiempo continuo y otro para aquellos que son descritos en tiempo discreto.
Las seales senoidales tienen una gran importancia en el anlisis de los sistemas
de comunicacin. Estas seales pueden representarse como una funcin del tiempo de la
siguiente manera
x(t) = A cos(t + ) (1.1)

Donde :
A : amplitud
: fase relativa
: rapidez del cambio de fase
En anlisis de seales se usa el principio de los mtodos de Fourier, el que
consiste en la descomposicin de las seales en sumatorias de componentes senoidales.
Esto proporciona la descripcin de una seal dada, en componentes senoidales, en
funcin de la frecuencia. Un objetivo importante de la descomposicin sealada, es la
descripcin de la distribucin de la energa o de la potencia de una seal dada (y de la
respuesta), en trminos de tales frecuencias. Cualquier descripcin de la respuesta, a una
seal dada, ilustrar las caractersticas del sistema.
Conceptos Bsicos en Teora de Informacin. Como el concepto de sistema se

aplicar al caso particular de Sistemas de Comunicaciones, es adecuado manejar
algunos conceptos bsicos que se manejan en tales sistemas, como por ejemplo.
Informacin. C. Shannon, estableci una teora matemtica de comunicaciones que

representa la base de la Teora de Informacin y Codificacin, cuya premisa es el
comportamiento probabilstico de la fuente de informacin. En este sentido la cantidad
Seccin 1.1.Definicin de Sistema.Seal. Seales Elctricas.Sistemas de Comunicaciones 3
de informacin recibida al conocer la ocurrencia de un evento est relacionada con la

probabilidad de ocurrencia del mismo, o bien, desde el punto de vista del destino con la
incertidumbre.
En forma intuitiva se puede decir que un mensaje con alta probabilidad de
ocurrencia, conlleva menos informacin que uno que posea baja probabilidad de
ocurrencia .
Fuentes de Informacin. Existen diferentes clases de fuentes de informacin, por lo

que los mensajes aparecen en diferentes formas, tales como: una secuencia de smbolos
o letras discretas (palabras escritas en forma telegrfica), una magnitud sencilla
variando con el tiempo (presin acstica producida por la voz o la msica), etc.. Sea
cual sea la naturaleza del mensaje, el objetivo de un sistema de comunicacin es
proporcionar una rplica aceptable de dicho mensaje en el punto destino.
Cuando el mensaje producido por una fuente no es de naturaleza elctrica, es
necesario un transductor de entrada. Este transductor convierte el mensaje en una seal,
o sea en una magnitud elctrica variable, tal como un voltaje o corriente. En forma
similar, es necesario otro transductor en el punto destino para convertir la seal de
salida a la forma apropiada del mensaje.
Comunicacin. Cuando entre dos entes, interlocutores, se tiene un intercambio de

informacin se dice que existe una comunicacin entre ellos, dicho de otra manera,
comunicacin es el proceso por medio del cual la informacin se transfiere de un punto
llamado fuente, en espacio y tiempo, a otro punto que es el destino o usuario. Si la
comunicacin es eventual y en un slo sentido se dice que se enva un mensaje; el cual
es la manifestacin fsica de la informacin producida por la fuente. Si es interactiva se
dice que existe un dilogo compuesto de mensajes sucesivos en uno y otro sentido. Aqu
cabe el siguiente concepto de la informacin: es la diferencia entre el conocimiento
previo y posterior a la comunicacin, es decir, entre la ignorancia inicial y la remanente
Sistema de Comunicacin. Es la totalidad de los mecanismos que proporcionan el
enlace para la informacin entre fuente y destino. Un sistema de comunicacin elctrico
es aquel que ejecuta esta funcin principal, pero no exclusivamente, por medio de
dispositivos y fenmenos elctricos.
1.1.1. Elementos de un Sistema de Comunicacin. Para visualizar la relacin seal

sistema, se considerar el diagrama en bloques de un sistema de comunicaciones
mostrado en la Figura 1.2.
MENSAJE DE SEAL DE SEAL SEAL SEAL DE MENSAJE DE

ENTRADA ENTRADA TRANSMITIDA RECIBIDA SALIDA SALIDA
Transductor Canal o medio Transductor

de Transmisor de Receptor de
FUENTE Entrada Transmisin Salida DESTINO
*Ruido y distorsin asociado a

todos los elementos del Sistema.
*Interferencia,asociado al canal
Figura. 1.2 Elementos de un Sistema de Comunicacin.

Elementos Funcionales de un Sistema de Comunicacin. Omitiendo los

transductores, las partes esenciales de un Sistema de Comunicacin Elctrica son
-Transmisor
-Canal de Transmisin
-Receptor
Transmisor. El transmisor es el elemento que pasa el mensaje al canal en forma de

seal. Para lograr una transmisin efectiva y eficiente, en el transmisor se procesa la
seal. La modulacin es el proceso ms comn e importante, ya que determina el
acoplamiento de la seal transmitida a las caractersticas del canal, por medio de una
onda portadora .
Canal de Transmisin. El canal o medio de transmisin es el enlace elctrico entre el

transmisor y el receptor, siendo el puente entre la fuente y el destino. La naturaleza del
canal de transmisin puede ser: par de alambre, cable coaxial, atmsfera, etc. Una
caracterstica importante de los canales de transmisin es la atenuacin de la seal
producida por l .
Receptor. La funcin del receptor es extraer del canal la seal deseada y entregarla al
transductor de salida. Por lo general el receptor contiene etapas de filtrado,
amplificacin y la operacin clave es la demodulacin (deteccin ), con la cual la seal
vuelve a su forma original .
Distorsin. Interferencia. Ruido. Durante la transmisin de la seal se presentan

efectos no deseados. Uno de ellos es la atenuacin, la cual reduce la intensidad de la
seal. Otros efectos son :
-Distorsin
-Interferencia
-Ruido
Estos efectos se manifiestan como alteraciones de la forma de seal .
Distorsin. Es la alteracin de la seal debido a la respuesta imperfecta del sistema a
dicha seal. La distorsin desaparece cuando la seal deja de aplicarse, no as la
interferencia y el ruido.
En el diseo de sistemas se debe considerar el criterio de minimizar la
distorsin. En la prctica debe de permitirse una cierta distorsin dentro de lmites
tolerables .
Interferencia. Es la contaminacin por seales extraas, generalmente artificiales y de
forma similar a la de la seal. El problema de interferencia se soluciona eliminando la
seal interferente o su fuente.
Ruido. Por ruido se entiende cualquier seal aleatoria o impredecible de tipo elctrico,
originada en forma natural dentro o fuera del sistema. Debido al ruido, la informacin
puede ser cubierta en gran parte o eliminada totalmente, haciendo imposible su
recuperacin en el receptor.
1.2 CLASIFICACION DE SEALES ELECTRICAS .

La eleccin del modelo matemtico de una seal debe ser tal que describa lo
suficientemente claro las caractersticas ms relevantes de los mensajes. El anlisis
matemtico y el procesamiento de seales requieren de la disponibilidad de una
descripcin matemtica de las seales. Esta descripcin matemtica o modelo de seal
conduce a la clasificacin bsica de las seales en : determinsticas y en aleatorias.
Seccin 1.2. Clasificacin de Seales Elctricas 5
La Figura 1.3. ilustra en forma esquemtica una primera clasificacin de seales

elctricas .
SEAL
ALEATORIA O
DETERMINISTICA
EATOCASTICA
NO NO
ESTACIONARIA ESTACIONARIA
ESTACIONARIA ESTACIONARIA
NO NO
PERIODICA ERGODICA
PERIODICA ERGODICA
Figura 1.3 . Clasificacin de Seales Elctricas
1.2.1. Seales Determinsticas. Las seales determinsticas son aquellas que pueden ser
modeladas por expresiones matemticas explcitas, como por ejemplo :
x(t)=220sen250t (1.2)
La expresin de una seal determinstica puede ser todo lo complicada posible y an en

este caso podr determinarse, para un instante cualquiera, el valor instantneo de la
seal dada .
Cualquier seal que pueda ser descrita por una expresin matemtica explcita,
por una tabla de datos, o por una regla bien definida es llamada determinstica. Este
trmino es usado para enfatizar que todos los valores pasados, presente y futuros de la
seal son conocidos con precisin, sin incertidumbre .
Seales Determinsticas Estacionarias. Son aquellas seales que mantienen constante

en el tiempo algn parmetro temporal significativo, como por ejemplo el valor eficaz,
la componente continua, etc. El concepto estacionario se aplica al parmetro
considerado.
Seales Peridicas. Son aquellas seales que presentan como caracterstica, el hecho de
que la seal en cuestin repite sus valores cada cierto intervalo de la variable
independiente, intervalo que se denomina periodo.
1.2.2. Seales Aleatorias. Las variaciones de estas seales son extremadamente

complejas. Los eventos fsicos que generan tales seales son de difcil prediccin.
Algunos de los factores que intervienen en un proceso aleatorio carecen de descripcin
analtica. Los procesos aleatorios pueden sin embargo, poseer alguna forma que permita
su caracterizacin en base a ciertos valores medios. Lo cual implica que el

comportamiento de mecanismos aleatorios, puede ser predecible sobre la base de
valores medios y hay una ignorancia o incertidumbre sobre su comportamiento
completo. La salida de un generador de ruido, una seal ssmica, una seal de voz son
ejemplos de seales aleatorias .
En Teora de Comunicacin, las seales aleatorias tienen una gran importancia.
As se tiene, que en todo canal de comunicacin existe una seal de ruido aleatorio, la
cual tiene por efecto la contaminacin de los mensajes. Por otra parte, un mensaje
solamente puede transmitir informacin si es impredecible; en este contexto el monto de
la informacin es proporcional a la incertidumbre de la seal. Si un mensaje es
determinstico, o sea, si es conocido completamente, se tiene que la recepcin del
mensaje no aporta informacin adicional. En Teora de Comunicacin Estadstica, tanto
el mensaje como el ruido son tratados como seales aleatorias, las que pueden ser
descritas por sus propiedades estadsticas.
Seales Aleatorias Estacionarias. Las seales aleatorias estacionarias presentan algn

aspecto o magnitud en su estructura estadstica que permanece constante en el tiempo.
Normalmente el concepto de estacionaria, supone que los parmetros significativos
dependen slo de la longitud del intervalo de observacin y no de sus instantes final e
inicial.
Procesos Ergdicos. En ciertos procesos aleatorios, llamados ergdicos, la estadstica
completa puede ser determinada a partir de una funcin muestral cualquiera. En otras
palabras, cada funcin muestral lleva una informacin estadstica idntica y por lo tanto
cualquier funcin muestral describe estadsticamente el proceso estocstico completo.
Para un proceso ergdico la media temporal es idntica a la media del conjunto .
En los procesos no ergdicos, se necesita un conjunto de funciones muestrales
para obtener la estadstica completa de un proceso
1.2.3. Seales Multicanal y Multidimensional. Seales de Tiempo Continuo y

deTiempo Discreto. Seales de Valores Continuos y de Valores Discretos . Como
complemento a la primera clasificacin presentada, se puede hacer referencia a los
siguientes tipos de seales :
Seales Multicanal. Los mtodos que se utilizan en el procesamiento de seales o en el

anlisis de la respuesta de un sistema para una seal de entrada dada dependen
fuertemente de las caractersticas de la seal especfica. Como hay tcnicas que se
aplican solamente a familias determinadas de seales, es necesario que cualquier
investigacin en procesamiento de seal, debera comenzar con una clasificacin de las
seales implicadas en la aplicacin especfica .
En algunas aplicaciones, las seales son generadas por fuentes mltiples o
mltiples sensores. Tales seales, pueden ser representadas en forma vectorial, como
por ejemplo la aceleracin de la tierra debida a un temblor. Esta aceleracin es el
resultado de tres tipos bsicos de ondas elsticas: primarias (P), secundarias (S) y
superficiales .
Las fuentes mltiples o sensores mltiples generan seales escalares. Aunque
tales seales no son magnitudes vectoriales desde un punto de vista fsico, pueden ser
tratadas como componentes de un vector por conveniencia notacional y matemtica. Por
ejemplo la salida de un electrocardiograma que tenga tres electrodos (sensores), puede
ser representada como un vector S3 (t), como
Seccin 1.2. Clasificacin de Seales Elctricas 7
s1 (t)
S3 (t) = s 2 (t)
s3 (t)
Tal vector de seales puede ser considerado como una Seal Multicanal .
Seales Multidimensional. Si una seal es una funcin de una variable independiente

nica, es llamada Seal Unidimensional. Por otra parte, una seal es llamada M-
dimensional si su valor es una funcin de M variables independientes, como por
ejemplo un cuadro de televisin blanco y negro puede ser representado como I(x,y,t),
dado a que el brillo es una funcin espacial y del tiempo, o sea, tridimensional .
Seales de Tiempo Continuo y de Tiempo Discreto. Las seales pueden clasificarse

dependiendo de su definicin en relacin a la variable independiente tiempo en :
Seales de Tiempo Continuo y de Tiempo Discreto .
Seales de Tiempo Continuo o Seales Anlogas. Estas seales estn definidas para
cualquier valor de tiempo y ellas asumen sus valores en el intervalo continuo (a,b),
donde a puede ser - y b puede ser . Matemticamente, estas seales pueden ser
descritas por funciones de una variable continua. Ejemplos de seales analgas pueden
ser : onda de voz , x(t) = sent .
Seales de Tiempo Discreto. Estas seales estn definidas solamente en valores

discretos de tiempo. Estos instantes de tiempo no son necesariamente equidistantes,
pero en la prctica se consideran igualmente espaciados por conveniencia
computacional y manejo matemtico. Como ejemplo de seal de tiempo discreto se
t
tiene a : x(t) = e n , n = 0,1,2 ,....Si se usa el subndice n de los instantes de
muestreo como la variable independiente, el valor de la seal es funcin de una variable
entera, por lo cual llega a ser una secuencia de nmeros. Luego una seal de tiempo
discreto puede ser representada matemticamente por una secuencia de nmeros reales
o complejos. Para enfatizar la naturaleza de tiempo discreto de una seal, se denotar tal
seal como x(n) en lugar de x(t). Si los instantes tn estn igualmente espaciados, o sea tn
= nT , la notacin x(nT) es tambin usada .
Las seales de tiempo discreto pueden originarse a partir de:
-Seleccin de valores de una seal anloga en instantes discretos de tiempo. Este

proceso se conoce como muestreo de una seal anloga .
-Por acumulacin de una variable sobre un perodo de tiempo. Por ejemplo, el conteo
del nmero de automviles que circulan por cada hora en una determinada calle, como
tambin la grabacin del valor diario de la Unidad de Fomento.
Seales de Valores Continuos y de Valores Discretos. Los valores de una seal de

tiempo continuo o de tiempo discreto pueden ser continuos o discretos .
Seales de Valores Continuos. Si una seal toma todos los valores posibles de un
rango finito o infinito de valores, se dice que es una seal de valor continuo .
Seales de Valores Discretos. En este caso la seal toma valores de un conjunto finito
de los posibles valores. Usualmente, los valores finitos son equidistantes y luego pueden
ser expresados como un mltiplo entero de la distancia entre dos valores sucesivos .
Una seal de tiempo discreto y que tiene valores discretos se llama seal digital .
1.2.4. Seales Descritas en Trminos de Energa y en Trminos de Potencia

Seales de Duracin Limitada. Se trata de seales que se anulan fuera de un intervalo
de tiempo determinado que, comnmente, se considera simtrico con respecto al origen.
Seales Acotadas. Son aquellas seales cuyos valores instantneos estn acotados por
un nmero real y positivo.
Seales Descritas en Trminos de Potencia. Son aquellas que tienen potencia media
finita distinta de cero. Como ejemplo de este tipo de seales se tiene : las seales
peridicas, las aleatorias estacionarias y las que no estn limitadas en el tiempo.
Seales Descritas en Trminos de Energa. Las seales que tienen energa finita son
descritas en trminos de energa. Este es el caso de seales de duracin limitada en el
tiempo, las que adems tienen potencia media nula.
Seales de Energa Limitada. En este tipo de seales, su energa est acotada por un
cierto nmero real k.
1.3. DESCRIPCION DE SEALES EN LOS DOMINIOS DEL TIEMPO Y DE

LA FRECUENCIA
Las seales pueden estudiarse en dos mbitos diferentes: el del tiempo, y el de la
frecuencia
1.3.1. Descripcin de Seales en el Dominio del Tiempo. El estudio de una seal en el

dominio temporal se basa en la representacin de la seal como funcin de la variable
tiempo. Esta descripcin se fundamenta en la definicin de ciertos parmetros, tales
como valor mximo, valor mximo a mximo, valor medio, valor cuadrtico medio,
valor eficaz, factor de forma, factor de cresta, etc.
1.3.2. Conceptos de Descripcin de Seales en el Dominio de la Frecuencia. La base

del tratamiento y estudio de las seales en el dominio de la frecuencia radica en la
descomposicin de ellas en componentes senoidales de diferentes frecuencias. En este
contexto, para las seales peridicas se emplea la Serie de Fourier y para representar a
las seales no peridicas la Transformada de Fourier o la Transformacin Discreta.
Algunos conceptos utilizados en el dominio de la frecuencia son
Espectro . La representacin de las seales en el dominio de la frecuencia se denomina

espectro y el tratamiento correspondiente, se denomina estudio o anlisis espectral .
Dentro del anlisis espectral, se determinan dos tipos de espectros: Continuo y
Discreto .
Espectro Continuo. Un espectro se dice continuo si la funcin que lo caracteriza es una

funcin continua de la frecuencia, tal como se ilustra en la Figura 1.4.
Seccin 1.3. Descripcin de Seales en el Dominio del Tiempo y Frecuencia 9
H(f)
f
0
Figura 1.4 . Grfica de Espectro Continuo
Espectro Discreto . Un espectro es discreto si existe slo para valores discretos de la

frecuencia. La Figura 1.5, ilustra en ejemplo de espectro discreto.
X(f)
f 5 f 4f 3f 2 f1 0 f1 f 2 f 3 f 4 f 5 f
Figura 1.5 . Grfica de Espectro Discreto
Un espectro discreto est formado por lneas espectrales .

Densidad Espectral .Dada una seal de potencia o de energa, su funcin densidad
espectral representa la distribucin de su potencia o de su energa de en el dominio de la
frecuencia .
Los dominios del tiempo y de la frecuencia estn relacionados entre s y en ellos
se realiza la mayor parte de los estudios que se ocupa la Teora de la Seal, como son
los relacionados a transformaciones de seales, filtrado, correlacin, obtencin de
densidades espectrales de potencia o de energa, as como los que describen los procesos
de transmisin de la informacin y su recuperacin, influencia de perturbaciones,
calidad de la transmisin, etc .
1.3.3. Clasificacin de Seales en el Dominio de la Frecuencia. Segn las
caractersticas de las seales en el dominio de la frecuencia, stas se clasifican en :
Seales de Baja Frecuencia, de Alta Frecuencia y de Media Frecuencia .
Seales de Baja Frecuencia . Si una seal de potencia ( o seal de energa ) tiene su
densidad espectral de potencia ( o su densidad espectral de energa ) concentrada en
torno a la frecuencia cero, tal como se muestra en la Figura 1.6, se dice que es Seal de
Baja Frecuencia.
f
0
Figura 1.6 . Grfica de la Densidad Espectral de Potencia (Energa) de una Seal
de Baja Frecuencia
Seales de Alta Frecuencia . Una seal es de alta frecuencia, si su densidad espectral

de potencia (energa) est concentrada en altas frecuencias, como se ilustra en la Figura
1.7.
0 f

de Alta Frecuencia
Seales de Frecuencias Medias. Una seal que tiene una densidad espectral de
potencia (energa) concentrada en un rango de frecuencias comprendido entre bajas y
altas frecuencias se llama Seal de Frecuencias Medias. La Figura 1.8, ilustra la
densidad espectral de potencia (energa) de una seal de frecuencias medias.
f
0

de Frecuencias Medias
Dada la relacin entre la densidad espectral y el espectro de una seal , lo establecido

para la densidad espectral es tambin vlido para el espectro, en lo referente a la
clasificacin de seales de baja frecuencia, de alta frecuencia y de frecuencias medias.
Ancho de Banda. Adems de la clasificacin de las seales en el dominio de la
frecuencia, es importante el expresar cuantitativamente el rango de frecuencias sobre el
cual est concentrada la densidad espectral de potencia o de energa. La magnitud de
este rango es llamada Ancho de Banda de una seal y se refiere al rango de frecuencia
en el cual est contenida un cierto porcentaje de la potencia o energa total de una seal,
as por ejemplo se puede definir ancho de banda de 75% , 90% , 99% , etc . Los lmites
del ancho de banda son la frecuencia superior f2 y la frecuencia inferior f1 , de manera
que el ancho de banda B est dado por
B = f 2 f1 (1.4)
Si bien el espectro de una seal real comprende componentes para frecuencias positivas
y negativas, el concepto ancho de banda se define para frecuencias positivas
Seccin 1.4. Clasificacin de Sistemas de Tiempo Continuo 11
Seales de Banda Angosta. Se dice que una seal es de banda angosta, si se cumple la
siguiente relacin
f +f
B << 2 1 (1.5)
2
Seales de Banda Ancha. Si no se satisface la relacin (1.5), se dice que la seal es de

banda ancha.
Seales de Banda Limitada. Una seal x(t) es de banda limitada, si su Transformada

de Fourier (espectro) X(f) satisface la siguiente relacin
X(f ) = 0 para f > f m (1.6)

donde fm es la frecuencia mxima del espectro, tal como se muestra en la Figura 1.9
X(f)
f
-fm 0 fm
Figura 1.9 . Grfica del Espectro de una Seal de Banda Limitada
1.4 CLASIFICACION DE SISTEMAS
La primera gran clasificacin de los sistemas se basa en la relacin entre la naturaleza

tanto de la seal de entrada como de la repuesta del sistema, en sus relaciones con
respecto a la variable temporal. Bajo este criterio los sistemas se clasifican en Sistemas
de Tiempo Continuo y de Sistemas de Tiempo Discreto.
1.4.1. Sistemas de Tiempo Continuo. Un sistema de tiempo continuo es aquel que

transforma las seales de entrada de tiempo continuo en seales de salida de tiempo
continuo.
1.4.2. Sistemas de Tiempo Discreto. Un sistema de tiempo discreto transforma las
seales de entrada de tiempo discreto en seales de salida de tiempo discreto.
Por otra parte, los sistemas tanto de tiempo continuo como de tiempo discreto, se
pueden clasificar de acuerdo a las propiedades generales que ellos poseen. Estas
propiedades tienen interpretaciones matemticas como fsicas.
1.4.3 . Sistemas con Memoria / Sistemas sin Memoria.
Sistemas sin Memoria o Estticos. Se dice que un sistema es sin memoria si su salida
para cada valor de la variable independiente depende solamente de la entrada presente, o
sea, de la entrada en ese mismo instante de tiempo.
Sistemas con Memoria o Dinmicos. Un sistema que no cumpla con los

requerimientos o condiciones de los sistemas estticos, se dice que es un sistema
dinmico o con memoria. La salida de un sistema con memoria depende tericamente
de los valores pasados, presente y futuro de la seal de entrada .
1.4.4. Sistemas Invariantes en el Tiempo / Sistemas Variantes en el Tiempo. Se

puede subdividir la clasificacin general de sistemas en dos grandes categoras:
Sistemas Invariantes en el Tiempo y Sistemas Variantes en el Tiempo.
Sistemas Invariantes en el Tiempo. Se tiene que un sistema es invariante en el tiempo

si un desplazamiento en tiempo de la seal de entrada produce un desplazamiento en
tiempo de la salida, del mismo monto que el de la entrada .
Sistemas Variantes en el Tiempo. Un sistema que no cumpla la propiedad de

invariancia en el tiempo se dice que es un sistema variante en el tiempo .
1.4.5. Sistemas Lineales / Sistemas no Lineales. La clase general de sistemas tambin

puede ser dividida en Sistemas Lineales y no Lineales .
Sistemas Lineales. Un sistema es lineal si satisface el Principio de Superposicin: si

una entrada consiste en la suma ponderada de varias seales, luego la salida es la suma
ponderada de las respuestas del sistema a cada una de estas seales.
SistemasIncrementalmente Lineales. Un sistema incremental lineal es aquel que
responde de manera lineal a cambios en la entrada. Esto es, la diferencia entre las
respuestas de un sistema incremental lineal a dos entradas cualesquiera es una funcin
lineal (aditiva y homognea ) de la diferencia entre las dos entradas .
Sistemas no Lineales. Un sistema que no satisface el Principio de Superposicin, se

dice que es un sistema no lineal .
1.4.6. Sistemas Causales / Sistemas no Causales .
Sistemas Causales. Un sistema es causal si su salida en cualquier instante de tiempo

depende solamente de los valores de la seal de entrada en el tiempo presente y en el
pasado, es decir, no depende de los valores futuros de la entrada.
Sistemas no Causales. Un sistema que no cumple con la propiedad de causalidad, se
dice que es un sistema no causal.
1.4.7. Sistemas Estables / Sistemas no Estables.

Sistemas Estables. Intituivamente, un sistema es estable cuando entradas pequeas
conducen a respuestas que no divergen. La definicin de estabilidad de un sistema es: si
la entrada a un sistema es limitada (su magnitud no crece en forma ilimitada) y la
respuesta del sistema es tambin limitada (acotada), se dice que el sistema es estable o
estable BIBO (Bounded Input-Bounded Output).
Sistemas Inestables. Si para una seal de entrada acotada, la salida es no acotada
(infinita), se dice que el sistema es inestable .
1.4.8. Sistemas Invertibles. Un sistema es invertible si conociendo su salida se puede

determinar, a partir de ella, la seal de entrada al sistema. Lo que significa, que un
sistema es invertible cuando distintas seales producen salidas distintas .
La propiedad de invertibilidad, permite establecer un Sistema Inverso de tal
manera que cuando se conecte en cascada con el sistema original producir una salida
de la cascada igual a la entrada del primer sistema.
Esta clasificacin ser aplicada, en los prximos captulos, a los sistemas de
tiempo continuo y a los sistemas de tiempo discreto.
CAPITULO
2 Descripcin de Seales de Tiempo Continuo

en los Dominios del Tiempo y de la Frecuencia
En el captulo anterior se estableci que la descripcin de seales en el dominio
del tiempo se haca en base a determinados parmetros. Aqu, se aplicar este concepto
a seales de tiempo continuo y a su vez, se definirn parmetros como valor mximo,
valor mximo a mximo, valor medio, valor medio temporal, valor medio cuadrtico,
varianza, valor eficaz, factor de forma y factor de cresta. Tambin, se har referencia a
seales de tiempo continuo, las que son muy utilizadas en el anlisis de seales.
Las tcnicas de anlisis de Fourier de tiempo continuo son de gran valor para
analizar y conocer las propiedades de las seales y de sistemas de tiempo continuo,
especialmente en el dominio de la frecuencia, dado que las seales a travs de la Serie y
Transformada de Fourier, pueden expresarse como una combinacin lineal de
exponenciales complejas peridicas o senoides, dando origen a componentes senoidales
de diferentes frecuencias. Adems, en este captulo se introduce la nocin fundamental
del espectro de frecuencia de una seal de tiempo continuo. En general, el espectro de
frecuencia es una funcin compleja de la frecuencia y, por lo tanto, usualmente se
definen los espectros de amplitud y de fase. La nocin de espectros de amplitud y de
fase de seales proporciona una visin de cmo un sistema procesa una seal de
entrada. Por ltimo, se hace referencia a los conceptos de densidad espectral de potencia
y densidad espectral de energa
2.1. SEALES BASICAS DE TIEMPO CONTINUO

En esta seccin se presentarn seales de tiempo continuo que sirven como base
para la formacin y anlisis de diferentes formas de seales
2.1.1. Funciones o Seales Singulares. Existe una clase especial de funciones que
desempean un rol de importancia en el anlisis de seales. Las seales de este tipo
tienen formas matemticas simples, pero o no son finitas o no tienen derivadas finitas de
todo orden en todos los puntos. Por eso se llaman funciones singulares .
Estas funciones son idealizaciones matemticas y, en rigor, no aparecen en
sistemas fsicos. Resultan tiles en el anlisis de sistemas debido a que son buenas
aproximaciones a ciertas condiciones restrictivas de los sistemas fsicos. Dentro de esta
clase de seales se tiene: Escaln Unitario , Rampa Unitaria e Impulso Unitario .
Escaln Unitario: u(t). La seal escaln unitario u(t) se define matemticamente como
1 t>0
u(t) = (2.1)
0 t<0
La grfica de u(t) se muestra en la Figura 2.1.
u(t)
1
t
0
Figura 2.1. Escaln Unitario de Tiempo Continuo
14 Captulo 2. Descripcin de Seales de Tiempo Continuo en el Tiempo y Frecuencia
La funcin u(t) es discontinua en t = 0 .
Rampa Unitaria: r(t). Esta funcin se define como
t t 0
r(t) = (2.2)
0 t 0
La funcin rampa unitaria es continua en t = 0. Su grfica se muestra en la Figura 2.2 .
r(t)
t
0
Figura 2.2. Seal Rampa Unitaria de Tiempo Continuo
La relacin entre u(t) y r(t) es la siguiente
dr(t)
u(t) = (2.3)
dt
o
t
r(t) = u()d (2.4)
0
Impulso Unitario: (t). El impulso unitario Delta de Dirac (t) , no es una funcin en
un sentido estrictamente matemtico. Mediante el uso de funciones generalizadas se
puede efectuar una aproximacin rigurosa a la funcin Delta. Por lo tanto, no hay una
definicin rigurosa de impulso unitario , por lo que existen diversas formas de definirlo
y una de ellas es la que se basa en las tres observaciones siguientes
(t) = 0 t0
(t) t=0 (2.5)
(t)dt = 1
-
La integral de (2.5) establece que el rea de la funcin impulso es unitaria y que
est concentrada en un punto. An ms, los lmites de la integral pueden ser finitos
como por ejemplo
b
(t)dt = 1
a
Con a < 0 y b > 0. Basado en esta propiedad, se puede determinar la relacin entre u(t) y
(t), la cual es
Seccin 2.1. Seales Bsicas de Tiempo Continuo 15
t 1 t>0

()d = = u(t) (2.6)
0 t<0

La ecuacin (2.6), determina que la integral del impulso unitario da como resultado la
funcin escaln unitario. Tambin es vlido el que la funcin impulso es la derivada de
la funcin escaln, por lo que la derivada de un escaln negativo producir un impulso
negativo.
La representacin grfica de (t), se muestra en la Figura 2.3 .
(t)
1
t
0
Figura 2.3. Seal Impulso Unitario de Tiempo Continuo
Propiedades de la Seal Impulso Unitario. La seal impulso unitario tiene, entre

otras, las siguientes propiedades
Propiedad de Muestreo. La propiedad ms interesante de (t) es la llamada propiedad
de muestreo, la que matemticamente se expresa como

x(t)(t)dt = x(0)

(2.7)
Un caso ms general se tiene cuando el impulso est desplazado en un monto t0 , o sea

(t-t0), y en este caso la propiedad de muestreo queda

x(t)(t t

0 )dt = x(t 0 ) (2.8)
La ecuacin (2.8) puede tener la siguiente interpretacin: que con el impulso se pueden
obtener muestras de la seal x(t) en los instantes de tiempo en que existe el impulso .
De la propiedad de muestreo del impulso se puede escribir la siguiente igualdad
x(t)(t t 0 ) = x(t 0 )(t t 0 ) (2.9)
Escalamiento de Tiempo. Esta propiedad establece que
1
(at) = (t) (2.10
a
La relacin (2.10) expresa que, en relacin a la variable independiente t, (at) es un

impulso de peso 1/a .
Simetra. De la propiedad de escalamiento temporal, con a = -1, se tiene
(1) = (t) (2.11)
De (2.11) se deduce que la funcin impulso unitario presenta simetra par .

Combinando las propiedades de muestreo y de escalamiento de tiempo, se demuestra
que

1
x(t) [a(t t 0 )] dt = a x(t 0 ) (2.12)
Ejemplo 2.1 .
Evaluar la integral

(t + 4)(2t 6)dt
2

Solucin .
La integral dada se puede escribir como

x(t)(t t )dt = x(t )

0 0
Aplicando la ecuacin (2.12), se obtiene

1 13
(t
2
+ 4) [ 2(t 3) ] dt = (32 + 4) =

2 2
Ejemplo 2.2.
Si x(t) = u(t) u(t 4) - K(t 5). Determinar, el valor numrico de K para que

x(t)dt = 0

Solucin
La grfica de x(t) se muestra en la Figura 2.4.
x(t)
1
5 t
0 1 2 3 4
K
Figura 2.4. Grfica de x(t) del Ejemplo 2.2
Seccin 2.1. Seales Bsicas de Tiempo Continuo 17
b
Matemticamente la integral x(t)dt
a
representa el rea de la superficie que la curva
x(t) forma con el eje t, entre los lmites de integracin. En base a la expresin o grfica
de x(t), se tiene
4
x(t)dt = dt K (t 5)dt
0
La primera integral del segundo miembro de la ecuacin anterior representa el rea del
rectngulo y la segunda integral representa un rea de valor K, concentrada en el punto
donde est definido el impulso. Como el problema establece que el rea encerrada por
x(t) sea nula, se debe cumplir que

x(t)dt = 4 K = 0

De donde se deduce que
K=4
Generacin de (t). El impulso unitario (t) se puede representar como lmite de otras
funciones, a partir de la expresin

x(t)(t t

0 )dt = x(t 0 )
En particular, si existe una funcin (t), tal que
lim (t) = (t)

0
Se tendr que la funcin (t) puede tomar las siguientes formas
1 t
(t) =

1 t
(t) = sin c (2.13)

1 t
(t) = sin c 2

Haciendo el cambio de variable k = 1/, se tiene la funcin k (t), y la relacin entre (t)
y k (t) es
(t) = lim k (t) (2.14)
k
Para aplicar la ecuacin (2.14), basta hacer el cambio de variable de k = 1/ en las

expresiones de (t) establecidas en (2.13) .
2.1.2. Aplicacin de MATLAB en la grfica de Seales Singulares. Las seales
singulares a considerar son : Escaln Unitario, Rampa Unitaria e Impulso Unitario.
Escaln Unitario u(t). Para la grfica de la seal escaln unitario u(t) utilizando
MATLAB, se puede emplear el siguiente procedimiento: el intervalo de observacin se
expresa como t = a : b : c, donde a indica el comienzo de tal intervalo y c su trmino. El
parmetro b representa la longitud del incremento o paso en que se divide el
intervalo[a,c] y determina el nmero de puntos que hay en este intervalo. En general,
los parmetros a, b y c pueden ser positivos o negativos. La seal escaln unitario se
representa por u(d,e) = 1, donde d indica el nmero de puntos que hay del punto
correspondiente a t = 0, con respecto al punto donde t = a, o sea, indica el comienzo de
la seal escaln unitario. El parmetro e indica el nmero de puntos que hay entre el
punto correspondiente a t = c y el correspondiente a t = a. De esta manera, se logra que
los vectores t y u tengan el mismo nmero de elementos y sea posible obtener la grfica
de la seal deseada. En general, para escalones no unitarios o unitarios se usa u(d,e) = A
con A nmero entero positivo o negativo. Los ejemplos desarrollados a continuacin
ilustrarn la sintaxis indicada.
Ejemplo 2.3.
Obtener la grfica de la seal escaln unitario en el intervalo [-2,5][seg] y con

incremento de 0.01[seg], utilizando MATLAB.
Solucin
>> %Grafica de Escalon Unitario
>> t=-2:.01:5; % El eje del tiempo comienza en t = -2
y termina en t=5. Hay 701 puntos
>>u(201:701)=1; % El valor 201 indica
que u(t) comienza en t = 0 (Punto 201). El valor 701 indica
que u(t) termina t = 5 (Punto 701)
>> plot(t,u); title('Escalon Unitario');
>>axis([-2 5 0 2]);xlabel('Tiempo'); ylabel('u(t)');
Figura 2.5. Grfica del Escaln Unitario u(t) usando MATLAB.

Seccin 2.1 Seales Bsicas de Tiempo Continuo 19
Ejemplo 2.4.
Utilizando MATLAB, obtener las grficas de:

a) Seal u(t 2), en el intervalo [-1,5][seg], con incrementos de 0.01[seg]
b) Seal 4u(t +2), en el intervalo [-3,3][seg], con incrementos de 0.01[seg]
Solucin
a) >> % Grfica de u(t 2)
>> t=-1:.01:5;
>> u(301:601)=1;
>> plot(t,u);
>> title('Escalon Desplazado'); axis([-1 5 0 2]);
>> xlabel('Tiempo'); ylabel('u(t-2)');
Figura 2.6. Grfica de la Seal u(t 2) usando MATLAB.

b)
>>% Grafica de 4u(t + 2)
>> t = -3:.01:3;
>> u(101:601)=4; plot(t,u);
>> title('Escalon Desplazado'); axis([-3 3 0 5]);
>> xlabel('Tiempo'); ylabel('4u(t+2)');
Figura 2.7. Grfica de 4u(t +2) usando MATLAB

Funcin stepfun. Para graficar el escaln unitario u(t), MATLAB tiene en su librera la
funcin stepfun, cuya sintaxis es u = stepfun(t,T), donde T representa el monto de
desplazamiento de u(t). El parmetro T puede ser positivo o negativo, un valor positivo
de T representa un desplazamiento de u(t) hacia la derecha, y un valor negativo un
desplazamiento de u(t) hacia la izquierda de.
Ejemplo 2.5.
Utilizando la funcin stepfun de MATLAB, obtener las grficas de

a) x1(t) = u(t)
b) x2(t) = u(t + 4) u(t-4).
c) x3(t) = sen(t)x2(t).
Solucin
El programa MATLAB propuesto es:
>> t=-6:0.01:6;
>> T=0;
>> x1=stepfun(t,T);
>> %Grafica de x1(t)=u(t)
>> subplot(3,1,1);
>> plot(t,x1);xlabel('t');ylabel('x_1(t)'); axis([-6 6 0 1.5]);
>> %Grafica de x_2(t)=u(t+4)-u(t-4)
>> T1=4;T2=-4;
>> u1=stepfun(t,T1); u2=stepfun(t,T2);
>> x2=u2-u1;
>> subplot(3,1,2)
>> plot(t,x2);xlabel('t');ylabel('x_2(t)'); axis([-6 6 0 1.5]);
>> %Grafica de x3(t)=sent*x2(t)
>> subplot(3,1,3); y=sin(t); x3=y.*x2;
>> plot(t,x3);xlabel('t');ylabel('x_3(t)'); axis([-6 6 -1.5 1.5])
Figura 2.8. Grficas de x1(t), x2(t) y x3(t) del Ejemplo 2.5

Rampa Unitaria r(t). Para graficar la seal rampa unitaria utilizando MATLAB, se
utiliza en general la misma sintaxis que la correspondiente a la seal escaln descrita
anteriormente. Los siguientes ejemplos ilustrarn la aplicacin de MATLAB en la
obtencin de la grfica de seales rampas.
Ejemplo 2.6.
Utilizando MATLAB, obtener las grficas de:

a) r(t) = tu(t) (rampa unitaria), en el intervalo [-3,3][seg], con incrementos de
0,01[seg].
b) r(t-1) , en el intervalo [-1,4][seg], con incrementos de 0,01[seg].
Solucin
a)
>>% Grafica de Rampa Unitaria
>> t=-3:.01:3;
>> r(301:601)=t(301:601);
>> plot(t,r);
>> title('Rampa Unitaria');
>> axis([-3 3 0 4]);
>> xlabel('Tiempo');
>> ylabel('r(t)');
Figura 2.9. Grfica de la Seal Rampa Unitaria r(t) usando MATLAB
b)
>> Grafica de r(t 1)
>> t=-1:.01:4;
>> r(201:501)=t(101:401);
>> plot(t,r);
>> title('Rampa Desplazada');
>> axis([-1 4 0 4]);
>> ylabel('r(t-1)');
Figura 2.10. Grfica de la Seal r(t 1) usando MATLAB
Impulso Unitario (t). En MATLAB, se puede emplear la siguiente sintaxis para

graficar la seal impulso unitario. El intervalo temporal de observacin se representa tal
como en el caso del escaln unitario, por ejemplo t = 1 : c (incremento b =1). En este
caso, la funcin impulso unitario se puede representar como impulso = [1 zeros(1,d)],
con d = c 1, para cumplir que los vectores t e impulso tengan igual nmero de
elementos. El ejemplo siguiente muestra una forma simple y no muy exacta de la
grfica de la seal impulso unitario.
Ejemplo 2.7.
Obtener la grfica de la seal impulso unitario, empleando MATLAB,

Solucin
>> % Grafica de Impulso Unitario
>> t=1:100;
>> impulso=[1 zeros(1,99)];
>> plot(t,impulso); title('Impulso Unitario');
>> axis([0 100 0 2]); xlabel('Tiempo'); ylabel('d(t)');
Figura 2.11. Grfica de la Seal Impulso Unitario usando MATLAB.

2.1.3. Seales Exponenciales de Tiempo Continuo. Seales Senoidales. Las seales

exponenciales complejas de tiempo continuo son de la forma
x(t) = Ceat (2.15)
en la cual C y a son generalmente complejos. Dependiendo de los valores de estos

parmetros, las exponenciales pueden adoptar diferentes caractersticas .
C y a reales. En este caso x(t) se denomina exponencial real, y se pueden encontrar las
siguientes situaciones: a > 0, lo que determina una exponencial creciente adoptando una
forma que se utiliza para describir ciertos fenmenos, como reacciones en cadena en
explosiones atmicas. Si a < 0 se tiene exponencial decreciente. Tales seales tambin
tienen un uso en la descripcin de fenmenos, como la respuesta de circuitos RC,
sistemas amortiguados, etc. Si a = 0, x(t) es constante .
C real y a imaginario. Este caso da lugar a las llamadas seales senoidales, las que
representan la denominada variacin armnica temporal. Estas seales son muy
importantes en el anlisis de seales. Considerando el caso especial de C = 1 y a = j0,
se tiene
x(t) = e j0 t (2.16)
La seal descrita por la ecuacin (2.16) tiene la propiedad de ser peridica, con perodo
T0 dado por
2
T0 = (2.17)
0
Usando las relaciones de Euler, la ecuacin (2.16) puede escribirse como
e j0 t = cos 0 t + jsen 0 t (2.18)
Las seales cos0 t y sen0 t se conocen como seales senoidales .

Tambin se cumple que
e j0 t = cos 0 t jsen 0 t (2.19)
De las ecuaciones (2.18) y (2.19), se obtienen las siguientes expresiones de las seales
senoidales en funcin de seales exponenciales complejas
1 j0 t j0 t
cos 0 t =
2
(e +e ) (2.20)
1 j0 t
sen 0 t =
2j
(
e e j0 t ) (2.21)
Si se tiene la siguiente seal
x(t) = A cos ( 0 t + ) (2.22)

sta se puede escribir como

A j0 t j j0 t j
x(t) = A cos ( 0 t + ) =
2
(
e e +e e ) (2.23)
Una expresin alternativa para x(t) dado por (2.22) es
{
x(t) = A cos ( 0 t + ) = Re Ae j( 0 t + ) } (2.24)
La frecuencia 0 (f0) se denomina frecuencia fundamental: Como T0 y 0 (f0) tienen una

relacin inversamente proporcional, se tiene que una reduccin de la magnitud de la
frecuencia fundamental 0 (f0) implica un aumento del perodo T0, disminuyendo T0 si
se aumenta la frecuencia fundamental. Si 0 = 0, se tendr que x(t) es constante con un
perodo fundamental T0 = , lo que significa que una seal constante se puede
considerar como una seal peridica con perodo T de cualquier valor positivo, lo que
es equivalente a decir que una seal constante tiene una velocidad de oscilacin cero.
Se puede encontrar la seal
x k (t) = e jk0 t , k = 0, 1, 2 , ......... (2.25)
Si k = 0 se tiene que x(t) es una constante, en tanto que para cualquier otro valor de k, xk
(t) es peridica con perodo fundamental 2/(k0 ) o con frecuencia fundamental
k0. Como una seal peridica con perodo T es tambin peridica con perodo nT
con n cualquier entero positivo, se tiene que todas las seales xk (t) tienen un perodo
comn 2/0 , por lo que se dice que una frecuencia k0 es una frecuencia armnica
de la frecuencia fundamental o primera armnica 0 (k=1). En este contexto, 20 es
la segunda armnica ,....., n0 es la n sima armnica .
C complejo, a complejo. Este es el caso ms general de una exponencial compleja, C y a
se pueden escribir como
C = C e j
(2.26)
a = r + j0
por lo que x(t) tiene las formas
x(t) = Ceat = C e j e(r + j0 )t

(2.27)
x(t) = C e rt e j( 0 t + )
Aplicando las relaciones de Euler, la ecuacin (2.27) se escribe como
x(t) = C e rt cos(0 t + ) + j C e rt sen(0 t + )

(2.28)
x(t) = C e cos(0 t + ) + j C e cos(0 t + 2 )
rt rt
Con r = 0, se tiene que las partes real e imaginaria de una exponencial compleja son
senoidales.
Para r > 0 las partes real e imaginaria son seales senoidales multiplicadas por
exponenciales crecientes en el tiempo. Para r <0, corresponden a seales senoidales
multiplicadas por exponenciales decrecientes en el tiempo, las que se denominan
senoides amortiguadas .
Ejemplo 2.8.
Usando MATLAB, determinar la grfica de la seal exponencial real:
x(t) = 2 t u(t)
en el intervalo [-1, 4][seg] e incrementos de 0.01[seg].
Solucin
>> % Grafica Exponencial Real

>> t=-1:.01:4;
>> exp(101:501)=2.^t(101:501);
>> plot(t,exp);
>> title('Exponencial Real');
>> axis([-1 4 0 17]);
>> ylabel('(2^t)u(t)');
Figura 2.12. Grfica de la Seal Exponencial Real 2tu(t)
Ejemplo 2.9.
Utilizando MATLAB, obtener las grficas de las siguientes seales:

a)
0 t<0

x(t) = 4e-0,4t 0t<2
2t-2 t2

b) x(t) = 4 cos(2t) sen(t)
Solucin
a). Se har uso del comando exp(at) para representar la exponencial eat .
>> % Grafica de x(t) apartado a)

>> t1=-4:0;
>> x1=zeros(size(t1));
>> t2=0:.1:2;
>> x2=4*exp(-0.4*t2);
>> t3=2:4;
>> x3=2*t3-2;
>> t=[t1 t2 t3];
>> x=[x1 x2 x3];
>> plot(t,x);
>> xlabel('t(seg)');
>> ylabel('x(t)');
Figura 2.13. Grfica de la seal x(t) del Ejemplo 2.9 a)

b) En este caso , se puede emplear el siguiente procedimiento.
>>% Grafica de x(t) del apartado b)

>> t=0:0.1:20;
>> x= 4*cos(2*t)-sin(pi*t);
>> plot(t,x);
>> xlabel('t(seg)');
>> ylabel('x(t)');
Figura 2.14. Grfica de la seal x(t) del Ejemplo 2.9 b)
En MATLAB existen funciones para generar ondas peridicas especficas como es el

caso de un tren de pulsos rectangulares y de diente de sierra.
Tren de Pulsos Rectangulares. Con la funcin square, con MATLAB se puede generar
un tren de pulsos rectangulares con periodo 2 y con un determinado ciclo de trabajo
especificado dentro del argumento de la funcin square, tal como se ilustra en el
siguiente ejemplo.
Ejemplo 2.10.
Utilizando la funcin square de MATLAB, generar un tren de pulsos rectangulares de

amplitudes 1 con periodo 2 y ciclo til de 80%. Graficar desde t = 0 hasta t = 0,1[s],
con intervalo de 1[ms].
Solucin
>> % Grfica de Tren Pulsos Rectangulares
>> t=0:0.001:1;
>> x=square(2*pi*60*t,80); plot(t,x), axis([0 0.1 -2 2]);
>> title('Tren de Pulsos Rectangulares con Ciclo de Trabajo de 80%');
>> xlabel('t [seg]'); ylabel('x(t)');
Figura 2.15. Grfica del Tren de Pulsos Rectangulares del Ejemplo 2.10
Onda Diente de Sierra. En MATLAB existe la funcin sawtooth que permite generar
una onda diente de sierra con amplitudes 1 y un periodo 2. Si la onda diente de sierra
es de frecuencia f1[Hz], la sintaxis es :
x(t) = sawtooth(2*pi*f1*t).
2.1.4. Seales Simtricas y Asimtricas de Tiempo Continuo.
Seales Simtricas o con Simetra Par. Una seal real x(t) se denomina simtrica o par
si
x(t) = x( t) (2.29)
La seal x(t) = A cos t es un ejemplo de seal simtrica
Seales Asimtricas o con Simetra Impar. Una seal real x(t) se define como asimtrica
o impar si
x( t) = x(t) (2.30)
La seal x(t) = Asent es un ejemplo se seal asimtrica.
Componentes Par e Impar. Toda seal arbitraria x(t) puede ser expresada como la
suma de dos seales componentes, una par xp(t) y la otra impar xi(t), o sea
x(t) = x p (t) + x i (t) (2.31)
Componente Par. La componente par xp(t) se forma aplicando la siguiente ecuacin
1
xp = [ x(t) + x( t)] (2.32)
2
Componente Impar. La componente impar xi(t) se forma aplicando la ecuacin
1
xi = [ x(t) x( t)] (2.33)
2
Ejemplo 2.11.
Determinar las seales componentes par e impar de la seal x(t) = u(t).
Solucin
Componente Par. Se tiene
1
x p (t) = [ x(t) + x( t)]
2
Como x(t) = u(t), luego
1
x p (t) = [ u(t) + u( t)]
2
Como u(0+) = u(-0-) = 1, xp(t) es una seal continua y est dada por
1
x p (t) =
2
La grfica de xp(t) se muestra en la Figura 2.16.
xi(t)
1/2
t
0
Figura 2.16. Grfica de la Componente Par de la Seal u(t)
Componente Impar .La componente impar est dada por
1 1
x i (t) = [ x(t) x( t)] = [ u(t) u( t)]
2 2
de donde
1
x i (t) = sgn(t)
2
La Figura 2.17 ilustra la grfica de xi(t).
xi(t)
1/2
t
0
-1/2
Figura 2.17. Grfica de la Seal Componente Impar de u(t)

Ejemplo 2.12.
Usando MATLAB graficar las componentes par e impar de la seal
x(t) = 0,8cos( / 4 + 0, 04t) + 0, 4 cos( / 2 + 0, 03t) + 0, 2sen(3 / 2 + 0,1t)
Solucin
>>M=201;% Determina 201 puntos

>>N=(M-1)/2; % Determina el valor 100
>>t = linspace(-N,N,M); % Genera un vector fila t de M elementos linealmente
espaciados. Incluye los puntos -N y N
>>x=0.8*cos(pi*0.25+0.04*pi*t)+0.4*cos(pi*0.5+0.03*pi*t)+0.2*sin(pi*1.5+0.1*pi*t);
>>par = zeros(1,M);
>>impar=zeros(1,M);
>>for i=1:M
par(i)=(x(i) + x(M+1-i))/2; % Se genera la componente par
impar(i)=(x(i) - x(M+1-i))/2; % Se genera la componente impar
end
>>subplot(3,1,1); plot(t,x); legend('Seal x(t)');
>> subplot(3,1,2); plot(t,par); legend('Comp.Par');
>> subplot(3,1,3); plot(t,impar); legend('Comp.Impar');
>> xlabel('Tiemp
Figura 2.18. Grfica de la Seal x(t) y sus Componentes Par e Impar del Ejemplo
2.12
Seccin 2.2. Descripcin de Seales de Tiempo Continuo en el Dominio del Tiempo 31
En el programa anterior, la seal x(t) est representada por x(i) y la seal x(-t) por
x(M+1-i). Esto es as, ya que para 1 i 100 corresponde 100 t -1 y para 102 i
201 corresponde 1 t 100, tenindose que para i = 101 corresponde t = 0. En este
contexto, a x(i) = x(1) le corresponde x(t) = x(-100) por lo que a x(-t) =x(100) le
corresponde x(202 -1) = x(201). Para x(t) = x(2), se tendr x(i) = x(103), por lo que para
x(-t) = x(-2) se tendr x(202 103) = x(99) y as sucesivamente.
2.2. DESCRIPCION DE SEALES DE TIEMPO CONTINUO EN EL DOMINIO

DEL TIEMPO.
El estudio de una seal de tiempo continuo en el dominio temporal se basa en la
representacin de la seal como una funcin de la variable temporal t, por ejemplo x(t).
En general, las funciones que representan seales en el dominio del tiempo son reales.
Sin embargo, resulta til y conveniente en la resolucin de algunos problemas el
emplear notacin compleja de seales, tales como
x(t) + j y(t) (2.34)
2.2.1. Parmetros en el Dominio del Tiempo. Para la descripcin de seales en el

dominio del tiempo, se pueden definir ciertos parmetros. Para las seales de tiempo
continuo se tiene:
Valor Mximo (peak ): Xp. Es la mxima amplitud de la seal x(t) registrada en el

intervalo de observacin T. Puede ser positivo o negativo .
Valor Mximo a Mximo (peak to peak ): Xpp. Es la excursin o separacin entre los
valores mximos positivo y negativo de la seal x(t).
Valor Medio: < xT (t) >. El valor medio de una seal x(t) en un intervalo T, se define
como
t+T
1
T t
< x T (t) > = x(t)dt (2.35)
Valor Medio Temporal : < x(t) >. Este valor se define como
t+T
1
< x (t) > = lm < x T (t) >= lm
T T T x(t)dt
t
(2.36)
Cuando existe este lmite, el valor medio temporal se denomina componente continua
de la seal .
Para seales peridicas, con perodo T, se tiene
T
1
< x(t) > = x(t)dt (2.37)
T0
Valor Medio Cuadrtico : < x(t)2 >. El valor medio cuadrtico de una seal, en el
intervalo de observacin T, se define como
t+T
1

2 2
< x(t) > = lm x(t) dt (2.38)
T T
t
Para seales peridicas, con periodo T, se tiene
t +T
1
x(t)
2 2
< x ( t ) >= dt (2.39)
T t
Fsicamente, el valor medio cuadrtico corresponde a la potencia que un voltaje o

corriente x(t) disipara en un resistor de resistencia de valor unitario. Se le llama por este
motivo, potencia media de la seal x(t).
Valor Eficaz o Efectivo: Xeff. Para un tiempo de observacin T, el valor eficaz Xeff se
define como
t +T
1

2 2
X eff = < x(t) > = lim x(t) dt (2.40)
T T
t
Para seales peridicas con periodo T, se tiene
T
1 2
T 0
X eff = x (t)dt
2
Varianza : X efond . Este parmetro se define de la siguiente manera
X 2 efond = < [ x(t) - < x(t) > ] > = < x 2 (t) > - [ < x(t) > ]
2 2
(2.41)
Fsicamente la varianza representa la potencia de las componentes alternas de la seal, y

X efond representa el valor eficaz de la componente alterna u ondulacin de la seal x(t).
Factor de Forma : f . La definicin de este factor es la siguiente
X eff
f = (2.42)
< x(t) >
Factor de Cresta : c. Este parmetro se define de la siguiente manera
Xp
c = (2.43)
X efond
Ejemplo 2.13.
Determinar el valor medio, eficaz y el factor de forma de la seal peridica mostrada en

la Figura 2.19.
y(t)
100
.............. ...........
1/4T T 2T
t
-20
Figura. 2.19. Seal Peridica del Ejemplo 2.13
Solucin
Valor Medio. Como y(t) es una seal peridica, de periodo T, se tiene que
T
1
T 0
< y(t) > = y(t) dt
Considerando la grfica de y(t), se obtiene
T T

1 4
< y(t) > = 100dt + (-20)dt
T 0
T
4

integrando
1
< y(t) > = [ 25T - 15T ]
T
de donde
< y(t) > = 10
Valor Eficaz . Se tiene que

T
1 2
T 0
Yeff = y (t)dt
Por lo que tomando en cuenta la forma de y(t), se obtiene
T
4 T
1 1
Yeff =
T0 104 dt + 400dt
TT
4
Luego
Yeff = 52,91
Factor de Forma. Se tiene que

Yeff
f =
< y(t) >
y
1 4
T
T
< y(t) >= 100dt + 20dt
T 0
T
4
Integrando, se obtiene
< y(t) >= 40
Por lo tanto
52.91
f = = 1,32
40
2.2.2. Seales de Tiempo Continuo Descritas en Trminos de Energa y en

Trminos de Potencia.
Seales de Duracin Limitada. Se trata de seales que se anulan fuera de un intervalo

de tiempo determinado que, comnmente, se considera simtrico con respecto al origen.
En este contexto una seal x(t) es de duracin limitada si
x(t) = 0 para t > T (2.44)
Seales Acotadas. Son aquellas seales cuyos valores instantneos estn acotados por
un nmero real y positivo K, tal que
x(t) K para - < t <+ (2.45)
Seales Descritas en Trminos de Potencia. En general las seales peridicas, las

aleatorias estacionarias y las que no estn limitadas en el tiempo, se caracterizan por
tener potencia media finita, lo cual determina que estas seales se describan en trminos
de potencia.
Seales Descritas en Trminos de Energa. Las seales que tienen energa finita son
descritas en trminos de energa. Este es el caso de seales de duracin limitada en el
tiempo, las que adems tienen potencia media nula. La energa ET de una seal x(t) en
un intervalo arbitrario T es
t+T

2
ET = x(t) dt (2.46)
t
Las seales que se describen en trminos de energa, son aquellas en que ET tiende a un
lmite finito cuando T .
Seales de Energa Limitada. En este tipo de seales se cumple que

x(t)
2
dt k k real y positivo (2.47)
-
Es decir, que su energa est acotada por k. La integral de la relacin (2.47) representa
la energa total disipada en una resistencia de un ohm .
Ejemplo 2.14.
Clasifique la seal x(t) = cost + 2cos2t como seal de energa o de potencia y determine
la energa o potencia normalizada de tal seal, la cual est definida en el intervalo -< t
<.
Solucin
El problema se puede resolver, suponiendo arbitrariamente que x(t) es una seal
definida en trmino de energa, y en este caso como x(t) es una seal real se debe
cumplir que

E= x(t) <
2
dt

Considerando la expresin de x(t), se tiene
(cos t + 2 cos 2t ) dt
2
E=

integrando se obtiene

t cos 2 t
E = + 2t + + 2[cos 3t + cos t ] + 2 cos 4t dt
2 2
El primer trmino de la expresin anterior es infinito y como la integral es

indeterminada, pero finita, se tiene que la expresin total es infinita. Por lo tanto, x(t) no
es una seal de energa. Para que x(t) sea una seal de potencia se debe cumplir, en
general, que
T
2
1
x (t)dt <
2
P= lim
T T
T
-
2
Retomando la expresin de x(t) se tiene
1 + cos 2t
2
1
P = lim + 2 [ cos 3t + cos t ] + 2 [1 + cos 4t ] dt
T T 2
-
T
2
integrando y aplicando lmite, se obtiene que

T
1 2 5
P = lim x 2 (t)dt = [watts]
T T 2
T
2
O sea que, como tal lmite es finito, x(t) es una seal definida en trmino de potencia y
su potencia normalizada es de 5/2 [watt]
2.3. REPRESENTACION FRECUENCIAL DE SEALES DE TIEMPO

CONTINUO
En esta seccin se desarrollarn los procesos para la representacin de seales en el

dominio de la frecuencia. Estos procesos se basan en que las seales se pueden
representar como sumas e integrales ponderadas de un conjunto de seales bsicas.
como lo son las exponenciales complejas. Las representaciones resultantes son
conocidas como la Serie y Transformada de Fourier. Estas representaciones se pueden
emplear para la construccin de varias clases de seales.
Adems, se desarrollarn algunas herramientas bsicas del anlisis de Fourier de
tiempo continuo. A medida que se describan dichas herramientas, se establecern
conocimientos acerca de la utilidad del anlisis de Fourier en la representacin de
seales en el dominio de la frecuencia.
2.3.1. Representacin de Seales Peridicas en el Dominio de la Frecuencia. Una

seal x(t) de tiempo continuo es peridica si para algn T positivo, no nulo, se cumple
para todo t que
x(t) = x(t+T) (2.48)
El perodo fundamental To de x(t) es el mnimo valor positivo no nulo de T, que

satisface la ecuacin (2.48).
La frecuencia fundamental fo se define como
1 2
fo = o = (2.49)
To To
x(t) dura en el intervalo de - y +, por lo cual, es slo un modelo matemtico que,

aproximadamente describe una seal fsica cuya duracin es finita.
Una seal peridica x(t) de tiempo continuo puede ser representada por la Serie
de Fourier definida por

x(t) = Ce
n =
n
jno t
(2.50)
donde
2
o =
To
Seccin 2.3. Representacin Frecuencial de Seales de Tiempo Continuo 37
y
1
x(t)e
jno t
Cn = dt (2.51)
To To
Los coeficientes Cn son llamados Coeficientes de Serie de Fourier o Coeficientes

Espectrales de x(t). Estos coeficientes complejos miden la porcin que cada armnica
de x(t) es con respecto a la componente fundamental de x(t), y permiten la
representacin de seales peridicas en el dominio de la frecuencia,
En forma especfica, el coeficiente Co representa la componente continua de x(t)
y est dado por
1
To To
Co = x(t)dt (2.52)
La ecuacin (2. 52)establece que Co es simplemente el valor medio de x(t) en un

perodo.
Propiedades del Desarrollo en Serie de Fourier . Las siguientes propiedades se

refieren a los coeficientes Cn, asociados a x(t), y son de inters para el manejo de
seales.
Desplazamiento en el Tiempo . Si a la seal x(t) se le asocian los coeficientes Cn, esta

propiedad establece que a la seal x(t-to) le corresponde el coeficiente genrico
Cn e-jno to
Por lo cual, se deduce que se ha producido una variacin en la fase de la seal

desplazada x(t -t0 ) con respecto a la fase de la seal x(t).
Modulacin. Se genera esta propiedad cuando se tiene la siguiente funcin x(t)e-jk0 t , la

cual indica que la seal x(t) ha sido modulada. A esta seal modulada le corresponde el
coeficiente genrico Cn+k, lo que representa que a un desfasaje en el tiempo le
corresponde un desplazamiento de los coeficientes de Fourier
Derivacin. Esta propiedad establece que a la seal x(t) le corresponde el coeficiente

genrico jnoCn.
Esta propiedad permite el determinar los coeficientes de Fourier de seales en

base al clculo previo de los coeficientes de Fourier de su derivada, si estos ltimos son
ms simples a determinar.
Simetra. Si x(t) presenta simetra par, los coeficientes de la serie de Fourier estn
dados por
T0 T0
1 2
2 2
Cn =
T0 T0 x(t) cos n0 tdt = T0 x(t) cos n tdt
0
0 (2.53)
2
Para el caso de que x(t) tenga simetra impar, los Cn tienen la forma
T0
j 2
Cn =
T0 x(t) sen n tdt
T
0 (2.54)
20
Ejemplo 2.15.
Determinar los coeficientes Cn, del desarrollo en Serie de Fourier, de la seal x(t)
representada en la Figura 2.20.
x(t)
m =-1
m =1
t
T T T T T T

2 4 4 2
Figura 2.20. Grfica de la seal x(t) del Ejemplo 2.15

Solucin
Para resolver este problema se puede aplicar la propiedad de simetra impar de x(t), o
sea
T0
j 2
Cn =
T0 x(t) sen n tdt
T0
0
2
Pero, dada la forma de x(t), es ms conveniente aplicar la propiedad de la derivacin de

la Serie de Fourier. La cual establece que si C'n son los coeficientes de la derivada de
x(t), es decir de x , (t) , se cumple que
C'n =jno Cn
de donde
C'n
Cn =
jno
Clculo de C'n . Para el clculo de C'n se considerar la grfica de x , (t) mostrada en la

Figura 2.20.
Se tiene que
T
2
1
x (t)e
-jno t
C'n = ,
dt
T T
-
2
y como la seal x , (t) presenta simetra par, se tiene que

T
22
C = x , (t) cos n0 tdt
'
n
T0
x , (t)
1
t
-T -T/2 -T/4 0 T/4 T/2 T
-1

4
T T
2 2
C'n = (1) cos n0 tdt + (1) cos n0 tdt

T 0
T
4
con 0 T = 2 e integrando, se tiene que
4 n n
C'n = sen sen 2
n 2 4
Por lo tanto
C'n 4 n n 4T n n
Cn = =-j 2 sen sen 2 = -j 2 sen sen 2
jno n 0 2 4 n 0 T 2 4
Ecuacin que se puede escribir como
2
n
sen
jT n
Cn = sen 4

8 2 n
4
Interpretacin Espectral .El desarrollo en Serie de Fourier expresa que la seal

peridica x(t) puede escribirse como combinacin lineal de infinitos fasores, o sea :
x(t)= C n e (
j no t+n )
(2.55)
n
ya que Cn = Cn e jn .
Por lo que x(t) admitir una representacin en el dominio de la frecuencia en
forma de lneas espectrales (espectro discreto), con la particularidad de que las lneas
espectrales estn situadas en frecuencias mltiplos enteros de la frecuencia fundamental
o (fo), llamndoseles armnicos de o (fo).
Espectro de Amplitud. La grfica de Cn en funcin de la frecuencia se denomina

Espectro de Amplitud.
Espectro de Fase. La grfica de n en funcin de la frecuencia se denomina Espectro

de Fase.
En la Figura 2.22 se representa un ejemplo de espectro de la seal x(t). Se
observa que el espectro de amplitud Cnpresenta simetra par y que el espectro de fase
n presenta simetra impar.
C0
C1 C1
C2 C2
C 3 C3
C 4 C4
C5 C5
f
-5fo -4fo -3fo -2fo -fo 0 fo 2fo 3fo 4fo 5fo
a)
3
1
2 5
4
-5fo -3fo -fo 0 2fo 4fo
f
-4fo -2fo 0 fo 3fo 5fo
5 4
2
1
3
b)
Figura 2.22. Ejemplo de Espectro para una Seal Peridica: a) Amplitud
b) Fase
Se tiene la caracterstica que el espectro de amplitud presenta simetra par y el de fase

impar .
Ejemplo 2.16.
Determinar los espectros de amplitud y de fase de la seal dada por

x(t)=1+seno t+2coso t+cos 2o t+
4
Solucin
Para la funcin x(t) del ejemplo, en lugar de emplear la ecuacin
1
x(t)e
jno t
Cn = dt
To To
Para el clculo de los coeficientes Cn , se puede emplear el siguiente mtodo : se

considera la expansin de las funciones senoidales como una combinacin lineal de
exponenciales de la Serie de Fourier . En este caso x(t) se puede escribir de la siguiente
manera
1 1
x(t) = 1 + e jo t -e-jo t + e jo t + e jo t + e j(2o t + / 4) +e-j(2o t + / 4)
2j 2
Reduciendo trminos , se obtiene

1 1 1 1
x(t) = 1 + 1 + e jo t + 1 e jo t + e j/4 e j2 o t + e j / 4 e j2 o t
2j 2j 2 2
De donde :
1 2 1
Co = 1 C 2 = e j / 4 = (1 + j) C 2 =
2 4 2
1 5 1 2 1
C1 = 1 j C1 = C-2 = e j / 4 = (1 j) C2 =
2 2 2 4 2
1 5
C-1 = 1 + j C1 = Cn = 0 para n > 2
2 2
0 = 00 1 = -26,60 -1 = 26,60
2 = 450 -2 = -450
En la Figura 2.23 se muestra el espectro de magnitud y de fase de x(t),utilizando n como

variable independiente.
Cn
n
-5 -4 -3 -2 -1 0 1 2 3 4 5
-2 1
n
-5 -4 -3 -1 0 2 3 4 5
Figura 2.23. Espectro de Magnitud y de Fase de la seal x(t) del Ejemplo 2.16
2.3.2. Teorema de Parseval para Seales Peridicas. En general la seal x(t)

representar un voltaje o una corriente. Si se aplica x(t) a un resistor de resistencia de un
ohm, la potencia media disipada en l ser igual al valor cuadrtico medio de x(t) y se
llama potencia normalizada o media asociada a la seal x(t). La potencia media de una
seal ha de ser finita si esta seal admite desarrollo en Serie de Fourier. Esta potencia
puede expresarse en funcin de los coeficientes del desarrollo de Fourier, y para ello se
tiene que por definicin, la potencia media Pm de la seal x(t) est dada por
1 1
x(t)x (t)dt
2
Pm = x 2 (t) = x(t) dt = *
(2.56)
T o To To To
Como x(t) admite desarrollo en Serie de Fourier, Pm se puede escribir como
1
Pm = [ Cn e jno t ] [ C*n e jno t ]dt
To T0 n n
Por la ortogonalidad de las funciones exponenciales , se obtiene que
Pm = Cn
2
(2.57)
n
La ecuacin (2.57). representa el Teorema de Parseval para seales peridicas
Ejemplo 2.17.
Utilizando el Teorema de Parseval, determinar la potencia media de la seal x(t) dada

por
x(t) = 2sen100t
Solucin
Se tiene que x(t) se puede escribir como
1 j100t j100t
x(t) =
j
(e e )
De donde se deduce que
C1 = -j ; C-1 = j ; Cn = 0 para todo n 1
Empleando Parseval, se tiene que Pm est dada por
1
Pm = Cn = Cn = C1 + C1 = j + j = 1 + 1 [ w ]
2 2 2 2 2 2
n 1
Pm = 2 [ w ]
2.3.3. Funcin SINC(x) . En el estudio de seales en forma de pulsos, y en la

resolucin de otros problemas bsicos en Teora de la Seal, aparece la funcin SINC(x)
cuya definicin es
sen x
Sinc(x) = (2.58)
x
En la Tabla 2 .1 se muestran valores de la funcin sinc (x).
Tabla 2.1 Valores de la Funcin Sinc(x)

x 0 0,02 0,04 0,06 0,08
0 1 0,999342156 0,997370183 0,994088749 0,989505621

0,1 0,983631643 0,976480704 0,968069699 0,958418482 0,947549812
0,2 0,935489284 0,922265262 0,907908797 0,892453542 0,875935652
0,3 0,858393691 0,839868518 0,820403175 0,800042767 0,778834335
0,4 0,756826729 0,734070466 0,710617598 0,68652156 0,66183703
0,5 0,636619772 0,610926489 0,584814662 0,558342398 0,531568269
0,6 0,504551152 0,477350076 0,450024056 0,422631939 0,395232244
0,7 0,367883011 0,340641643 0,313564758 0,286708041 0,2601261
0,8 0,233872321 0,207998739 0,182555901 0,157592742 0,13315646
0,9 0,109292405 0,086043967 0,063452473 0,041557091 0,020394738
1 0 -0,01959494 -0,03836039 -0,05626917 -0,07329671
1,1 -0,08942106 -0,10462293 -0,11888575 -0,13219565 -0,1445415
1,2 -0,15591488 -0,16631013 -0,17572428 -0,18415708 -0,19161092
1,3 -0,19809085 -0,20360449 -0,208162 -0,21177603 -0,21446163
1,4 -0,21623621 -0,21711943 -0,21713315 -0,21630131 -0,21464985
1,5 -0,21220659 -0,20900117 -0,20506488 -0,2004306 -0,19513266
1,6 -0,18920668 -0,18268954 -0,17561914 -0,16803439 -0,15997496
1,7 -0,15148124 -0,14259418 -0,13335513 -0,12380575 -0,11398784
1,8 -0,10394325 -0,09371372 -0,08334074 -0,07286546 -0,06232856
1,9 -0,05177009 -0,0412294 -0,03074501 -0,02035449 -0,01009437
2 0 0,009894477 0,019556278 0,028954041 0,038057908
2,1 0,046839602 0,055272493 0,063331663 0,070993962 0,078238058
2,2 0,08504448 0,091395657 0,097275943 0,102671646 0,107571045
2,3 0,111964395 0,115843934 0,11920388 0,122040422 0,124351701
2,4 0,126137788 0,127400659 0,128144157 0,12837395 0,12809749
2,5 0,127323954 0,126064196 0,124330676 0,1221374 0,119499843
2,6 0,116434881 0,112960705 0,109096741 0,104863564 0,100282808
2,7 0,095377077 0,090169847 0,084685373 0,078948591 0,072985021
2,8 0,066820663 0,060481903 0,053995407 0,047388027 0,040686696
2,9 0,033918333 0,027109743 0,020287525 0,013477975 0,006706994
3 0 -0,00661816 -0,01312329 -0,01949194 -0,02570144
3,1 -0,03173005 -0,03755695 -0,04316234 -0,04852752 -0,0536349
3,2 -0,05846808 -0,06301191 -0,0672525 -0,07117728 -0,07477499
3,3 -0,07803579 -0,08095118 -0,0835141 -0,08571887 -0,08756126
3,4 -0,08903844 -0,090149 -0,09089295 -0,09127165 -0,09128787
3,5 -0,09094568 -0,0902505 -0,08920902 -0,08782914 -0,08612
3,6 -0,08409186 -0,08175609 -0,07912511 -0,07621232 -0,07303205
3,7 -0,06959949 -0,06593064 -0,06204222 -0,05795163 -0,05367681
3,8 -0,04923628 -0,04464894 -0,0399341 -0,03511134 -0,03020043
3,9 -0,02522132 -0,02019399 -0,01513841 -0,01007445 -0,00502182
4 0 0,004971852 0,009874952 0,014690967 0,019402071
4,1 0,023991016 0,028441186 0,032736656 0,036862249 0,04080358
4,2 0,044547109 0,04808018 0,051391064 0,054468995 0,057304202
4,3 0,059887932 0,062212483 0,064271216 0,066058577 0,067570102
4,4 0,06880243 0,069753302 0,070421564 0,070807156 0,07091111
4,5 0,07073553 0,070283578 0,069559453 0,068568365 0,067316506
4,6 0,06581102 0,064059967 0,062072284 0,059857742 0,057426907
4,7 0,054791087 0,051962284 0,048953148 0,045776914 0,042447355
4,8 0,03897872 0,035385678 0,031683256 0,027886781 0,024011821
4,9 0,020074115 0,016089522 0,012073952 0,008043308 0,004013422
5 0 -0,00398144 -0,00791564 -0,01178761 -0,01558277
La funcin Sinc(x) presenta simetra par y constituye el valor medio exponenciales y

senoides, tales como
t
1 sen t t

to
cos xdx =
t
= sin c

t
1 jx t t

to
e dx = sin c + j sin c 2
2
En la Figura 2.24, se representa esta funcin, que presenta un mximo en el origen de

valor igual a la unidad, presentando valores nulos para las abcisas x = 1 , 2 , 3 ,
....
s inc (x)
1
0,8
0,6
0,4
0,2
0 x
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
-0,2
-0,4
Figura 2.24. Grfica de la Funcin Sinc(x)
La funcin Sinc(x) presenta simetra par y constituye el valor medio exponenciales y

senoides, tales como
t
1 sen t t

to
cos xdx =
t
= sin c

t
1 jx t t

to
e dx = sin c + j sin c 2
2
2.3.4. Ejemplos de Aplicacin de Desarrollo en Serie de Fourier
Ejemplo 2.18.
Determinar los coeficientes de la Serie de Fourier de la seal cuya grfica se muestra en

la Figura 2.25.
x(t)
1
t
-T -T/2 -T/4 0 T/4 T/2 T
-1

Solucin
Como x(t) tiene simetra par , se aplica
22
Cn = x(t) cos n0 tdt
T0
Considerando la grfica de x(t) , Cn se puede escribir como
2 4
T T
2
Cn = cos n0 tdt + ( cos n0 tdt

T 0
T
4
Con 0 T = 2 e integrando se obtiene
2 n 1 n
Cn = sen sen ( n ) = sin c sin c(n)
n 2 n 2
Considerando que es el ancho de cada pulso y que =T/2, con f0 = 1/T, la expresin
de Cn queda
Cn = sin c(nf 0 ) sin c(2nf 0 )
Ejemplo 2.19
El tren de pulsos rectangulares mostrado en la Figura 2.26, est definido sobre un

perodo de la siguiente manera

A para t < T1

x(t) =
T
0 para T1 < t < 0
2
x(t)
A
t
-T0 -To/2 -T1 0 T1 To/2 To 2T0
Figura 2.26. Tren de pulsos rectangulares del Ejemplo 2.19
Utilizando el Teorema de Parseval, determinar la expresin de la potencia media de x(t)
Solucin
Se tiene que
1
x(t)e
jn0 t
Cn = dt
T0 T0
Considerando la grfica de x(t), para n = 0 se obtiene
T1
1 2T1A
C0 =
T0 Adt =
T1
T0
Y para n cualquiera, se tiene
T1
A
e
jn0 t
Cn = dt
T0 T1
2A
Cn = sen n0 T1
n0 T0
Expresin que puede escribirse como
2AT1
Cn = sin c(2nf 0 T1 )
T0
Con To como perodo fundamental, se tiene que la frecuencia fundamental fo, es
1
f0 =
T0
Con como ancho de los pulsos, para el ejemplo se tiene que
= 2T1
Por otra parte la relacin /To se define como Ciclo de Trabajo o Perodo de Actividad ,
el cual se puede designar como d . Con este concepto, la expresin de Cn se puede
escribir de la siguiente manera
Cn = Ad sin c ( nd )
Por lo tanto, en base al Teorema de Parseval, la potencia media Pm de x(t) tiene la

siguiente expresin
Pm = ( Ad ) sin c 2 ( nd )
2
Esta relacin se puede utilizar para determinar qu porcentaje de la potencia media total
est contenido en un rango de frecuencia de inters.
Considerando la expresin de Cn , se puede concluir que :
-Los coeficientes son reales.
-Si d = 0,5 , con n par y distinto de cero, los coeficientes son nulos, o sea Cn = 0 .
Ejemplo 2.20.
Considerando el Ejemplo 2.19, se desea saber que porcentaje de la potencia media total
est contenida en las lneas espectrales comprendidas en el intervalo f < 1/, con To =
4 .
Solucin
De acuerdo a los datos se tiene que
1
T0 = 4 d= =
T0 4
Por otra parte, por condicin del problema, se debe cumplir que
1
f <

1
y como To = 4, es decir que : = 4f 0 , luego

f < 4fo
O sea que, solamente se debe considerar los valores de n comprendidos en el intervalo
3 n 3
Por lo cual la potencia Pm' , contenida en las lneas espectrales correspondientes a

n 3 , est dada por
2
3
A n
P = sin c 2
'
m
n =3 4 4
Obtenindose
3, 612 2
Pm' = A
16
Por otra parte, la potencia media total Pm est dada por
T0
2
1

2
Pm = x(t ) dt
T0 T0

2
De acuerdo a la grfica de x(t), se obtiene
T1
1 2A 2 T1
Pm =
T0
T1
A 2 dt =
T0
T1 1
Como = , luego
T0 8
A2
Pm =
4
Por lo tanto
Pm' 4*3, 612

100 = 100 = 90,3%
Pm 16
En consecuencia el 90,3% de la potencia media total est contenida en el intervalo

f<1/ .
Se puede deducir de este ejemplo, que la separacin entre dos lneas espectrales
corresponde a fo=1/To . Lo que implica que cuando To decrece (mas pulsos por
segundo), existe mayor separacin de las lneas espectrales y se tiene presencia de
componentes de mayor frecuencia. Por el contrario, al aumentar To las lneas espectrales
se aproximan y tienden en el lmite a formar un espectro continuo.
Dado que el mdulo de los coeficientes Cn es mayor en la regin de las
frecuencias menores, se tiene que la mayor parte de la potencia asociada a la seal del
Ejemplo 2.19 est concentrada en las frecuencias ms bajas
Por otra parte, si el ancho de los pulsos disminuye, las componentes de
frecuencia de la seal se extienden hacia frecuencias ms altas, dado a que en los puntos
f = m/ (m = 1,2,..........) la amplitud es cero, por lo que existe una relacin inversa
entre el ancho del pulso y el ancho de banda de su espectro
Ejemplo 2.21.
Dibujar el espectro de frecuencia de un tren de pulsos R.F. (radiofrecuencia), mostrado

en la Figura 2.27 .
x(t) T
A
t
-T /2 T /2
-A
Figura 2.27. Grfica del Tren de Pulsos RF del Ejemplo 2.21

Analticamente
A cos c t para t < /2

x(t) =
0 para t > /2

Solucin
Se tiene que

2
1
Cn =
T0 A cos t cos n tdt

c 0

2
Integrando
A
Cn = sin c ( f c nf 0 ) + sin c ( f c + nf 0 )
2T0
Para que x(t) sea considerada peridica se tiene que cumplir que: fc = nfo .
El espectro de pulsos RF se muestra en la Figura 2.28.
1
0,8
0,6
0,4
0,2
0
-0,2
-0,4
Figura 2.28. Espectro de Pulsos RF del Ejemplo 2.21
Este espectro se puede obtener a partir de la multiplicacin del tren de pulsos

rectangulares con la funcin cosct .
2.3.4. Fenmeno de Gibbs. Si x(t) es peridica de perodo T, se puede desarrollar en

Serie de Fourier. Si se considera un nmero finito de trminos de ella, se obtiene
N
x N (t) = C e
n=-N
n
jn0 t
(2.59)
Donde xN(t) es tambin peridica de perodo T. Sea eN(t) el error de aproximacin, el

cual est dado por
N
e N (t) = x(t) - x N (t) = x(t) Ce
n = N
n
jno t
(2.60)
Con el objetivo de determinar cuan buena es una aproximacin dada, se especifica una
medida cuantitativa del tamao del error de aproximacin. El criterio a utilizar es la
magnitud del valor cuadrtico medio del error en un perodo, o sea
50 Captulo 2. Descripcin de Seales de Tiempo Continuo en el Tiempo y la Frecuencia
1 2 1
< e 2N (t) >=
TT x(t) x N (t) dt = e N (t)e*N (t)dt
TN
(2.61)
Integrando y teniendo en consideracin la ortogonalidad de las exponenciales complejas

,se obtiene
N

2 2
< e 2N (t) >= Cn Cn (2.62)
n = n = N
Cuando una determinada funcin se aproxima mediante una serie finita de trminos , se
produce un error importante en la vecindad de una discontinuidad, no importando
cuantos trminos se utilicen . Este hecho se conoce como Fenmeno de Gibbs
La Figura 2.29 ilustra el Fenmeno de Gibbs para diferentes valores de N.
x N (t) x N (t)
N=1 N=3
-T1 0 T1 t 0 t
-T1 T1
x N (t) x N (t)
N=7 N = 17
-T1 T1 t -T1 0 T1 t
0
x N (t)
N = 69
-T1 0 T1 t
Figura 2.29. Ilustracin del Fenmeno de Gibbs para diferentes valores de N .
2.3.5. Grfica de los Espectros de Magnitud y de Fase de Seales Peridicas

usando MATLAB. Una vez determinada la expresin genrica de los coeficientes Cn,
se puede aplicar MATLAB para obtener la grfica de los espectros de magnitud y fase
de la seal peridica analizada. Los ejemplos desarrollados a continuacin ilustrarn tal
proceso.
Ejemplo 2.22.
Usando MATLAB, determinar las grficas de los espectros de magnitud y fase de la

seal peridica x(t) mostrada en la Figura 2.30.
x(t)
x(t)
cos(t)

t[s]
-8 0 8
2 2
Figura 2.30. Seal Peridica del Ejemplo 2.22.
El pulso bsico que se repite peridicamente es igual a cos(t), luego la frecuencia de la

seal senoidal correspondiente cos1t es 1 = 1[rad], en el intervalo [-/2, /2] y cero
fuera de este intervalo.
Solucin
De acuerdo a la Figura 2.30 se deduce que el periodo de la seal x(t) es T = 8[s], por lo
tanto la frecuencia fundamental es 0 = 2/8 = /4[rad/seg]. Aplicando serie de Fourier,
se tiene

x(t) = C e
n =
n
jn0 t
y
T
2
1
x(t)e
jn0 t
Cn = dt
T T

2
Luego

2
1
cos(t)e
jn0 t
Cn = dt
8

2

2
1
Cn = (e + e jt )e jn0 t dt
jt
16

2

2
1
(e
jt (1 n0 )
Cn = + e jt (1+ n0 ) )dt
16

2
1 1 e j 2 (1 n0 ) e j 2 (1 n0 ) 1
1 e j 2 (1 n0 ) e j 2 (1 n0 )

Cn =
16 j(1 n0 ) 16 j(1 + n0 )
1 1 je j 2 n0 + je j 2 n0
1 je j 2 n0 je j 2 n0

Cn =
16 j(1 n0 ) 16 j(n + 0 )
Aplicando Euler, se obtiene
Cn =
1 1
8 (1 n0 )
cos ( ) + 8(n +1 ) cos ( )
n0
2
n0
2
0
De donde

1
Cn = cos
8
( ) (1 1n ) + (n +1 )
n0
2
0 0
Luego
Cn =
1 1
4 (1 n 2 02 )
cos ( )
n0
2
Espectro de Amplitud. Dado que el periodo de la seal x(t) es T = 8[seg],

arbitrariamentese considerar el intervalo de la variable temporal [-10,10][seg] y con
incremento 1[seg].
>> % Grafica del Espectro de Amplitud

>> n = -10:10;
>> T = 8;
>> w0 = 2*pi/T;
>> cn = cos(pi/2*n*w0)/4./(1-(n*w0).^2);
>> stem(n,abs(cn)); %Dibuja la secuencia abs(cn)
>>%en funcion de la variable n
>> title('|c_n|'); axis([-10 10 0 0.3]);
>> xlabel('Variable n');
Figura 2.31. Espectro de Amplitud de la seal del Ejemplo 2.22.

Espectro de Fase. Para el espectro de fase, se tiene
>>% Grafica del Espectro de Fase

>> n = -10:10;
>> T = 8;
>> w0 = 2*pi/T;
>> cn = cos(pi/2*n*w0)/4./(1-(n*w0).^2);
>> stem(n,angle(cn));
>> title('Angulo(c_n) en rad');
>> xlabel('Variable n');
Figura 2.32. Espectro de Fase de la Seal x(t) del Ejemplo 2.22
2.3.6. Representacin Frecuencial de Seales no Peridicas. Transformada de

Fourier . Los modelos bsicos de seales no peridicas que se manejan en Teora de la
Comunicacin son las funciones limitadas en el tiempo. Esta limitacin se puede
clasificar en estricta , asinttica y mixta .
Limitacin Estricta. Una funcin tiene limitacin estricta en el dominio del tiempo ,
cuando la funcin es nula fuera de un cierto intervalo de tiempo, tal como se muestra en
la Figura 2. 33.
x(t)
0 t
Figura 2.33. Funcin con Limitacin Estricta

Limitacin Asinttica. Una funcin tiene limitacin asinttica si tiende a cero cuando el
x(t)
0 t
tiempo tiende a , como se ilustra en la Figura 2.34.
Figura 2.34. Funcin con Limitacin Asinttica .
Limitacin Mixta. Este tipo de limitacin es una combinacin de la limitacin estricta

con la asinttica, como se ilustra en la Figura 2.35.
x(t)
0 t
Figura 2.35. Funcin con Limitacin Mixta .
Las seales a considerar son de cuadrado integrable, si la seal x(t) es de este tipo, se
cumple
lim x(t) dt<
2
T
T
Con T como intervalo de observacin.
Esta relacin implica que la seal x(t) tiene energa finita, lo que determina que x(t) est
descrita en trminos de energa. Tales seales se representan en el dominio de la
frecuencia, utilizando la Transformada de Fourier.
Se define la Transformada de Fourier F{x(t)} de la seal x(t), como

F { x(t)} = X(f ) = x(t)e
jt
dt (2.63)

donde = 2f
Definindose la Transformada Inversa de Fourier, F-1{X(f)}, como

F 1
{X(f )} = x(t) = X(f )e jt df (2.64)

Ambas relaciones constituyen la representacin de Fourier de la funcin no peridica de

energa finita x(t).
Considerando a como variable independiente las definiciones tienen la forma
siguiente
x(t)e
jt
X() = dt (2.65)

y

1
X()e d
jt
x(t) = (2.66)
2
2.3.7. Energa y Densidad Espectral de Energa

Energa. En el caso de seales limitadas en el tiempo no tiene sentido hablar de potencia
media, ya que la energa E es finita, o sea

2
E= x(t) dt <

Con lo cual se cumple la condicin impuesta para la existencia de la Transformada de

Fourier .
La relacin entre la energa y el espectro X(f) de x(t), se determina mediante el
siguiente proceso :
Se tiene ,para una resistencia de carga de un ohm, que

x(t) dt = x(t)x (t)dt = X(f )e jt df x * (t)dt
2
E= *
Intercambiando el orden de integracin , se obtiene

jt
E= X(f ) x (t)e dt df = X(f )X* (f )df

Finalmente

1
x(t) dt = X(f ) df =
2 2 2
E= X() d (2.67)

2
La ecuacin (2. 67) representa el Teorema de Parseval para seales no peridicas.

Para cargas diferentes de un ohm, aplicando el Teorema de Parseval, y con x(t)
como seal de tensin, las relaciones de energa son

1 1 1
x(t) dt = X(f ) df =
2 2 2
E= X() d (2.68)
R R 2R
Para el caso de que x(t) sea una seal de corriente, se tiene

R
E =R x(t) = R X(f ) df =
2 2 2
X() d (2.69)

2
Densidad Espectral de Energa . El Teorema de Parseval establece que X(f)2 se

define como la densidad espectral de energa Sx(f) de la seal x(t). Si x(t) es un voltaje o
corriente aplicada a un resistor con resistencia de un ohm, su espectro X(f) tiene

dimensiones de volts o de amper por unidad de frecuencia, y describe la distribucin o
densidad de voltaje o de corriente en el dominio de la frecuencia. En tanto, la densidad
espectral de energa describe la distribucin de la energa de la seal en el dominio de
la frecuencia. Haciendo
2
Sx (f ) = X(f ) (2.70)
Se deduce que Sx(f) > 0 y es real y par, por lo tanto la energa E se puede escribir como

E= Sx (f )df =2 Sx (f )df
0
(2.71)
Es aqu donde se origina el concepto de ancho espectral de una seal, estableciendo que:
ancho espectral es la banda de frecuencias que contiene la mayor parte de la energa de
la seal. Un criterio podra ser el 90 %. Se considera despreciable la energa contenida
en las frecuencias que estn fuera de tal banda.
Ejemplo 2.23.
Determinar la Transformada de Fourier y la densidad espectral de energa del pulso

rectangular mostrado en la Figura 2.36.
x(t)
/ 2 0 / 2 t
Figura 2.36. Pulso Rectangular del Ejemplo 2. 23
Solucin
Como x(t) es simtrico par, se tiene

2
X(f ) = 2 A cos tdt
0
Integrando
X(f ) = A sin c(f)
Para f = 0, se tiene
X(0) = A
Esta expresin representa el rea encerrada por el pulso.

En la Figura 2.37 se representan los espectros de amplitud y de fase de x(t)
X(f )
0
4 / 3/ 2 / 1/ 1/ 2/ 3/ 4/ f
a)
(X(f )
180
3/ 2 / 1/
1/ 2/ 3/ 4/ f
- 180
b)
Figura 2.37. Espectro de:a) Amplitud ; b) de Fase de un Pulso Rectangular .
La densidad espectral de energa asociada al pulso rectangular es :
2
Sx (f ) = X(f ) = A 2 2 sin c 2 (f)
La grfica de Sx(f) tiene una forma similar a la grfica de X(f) , la cual se anula para
valores de f mltiplos de 1/ , y se puede deducir que la porcin ms significativa del
espectro se halla contenida en el intervalo f < 1/ .Adems, se observa que si la
duracin del pulso se reduce ( ms pequeo), el ancho espectral aumenta y viceversa .
De modo que los pulsos cortos tienen un gran ancho de banda, y los pulsos largos un
ancho de banda pequeo. El pulso rectangular se utiliza con frecuencia como seal
modelo, aunque fsicamente no exista. Su simplicidad y fcil operacin, lo hacen muy
til en Teora de Seales .
Ejemplo 2.24
.
a) Determinar la Transformada de Fourier de la funcin
h(t) = e at u(t) , a>0
b) Determinar su densidad espectral de energa.

Solucin
a) Aplicando la definicin de Transformada de Fourier, se tiene

h(t)e jt dt = e
at
H(f ) = u(t)e jt dt

H(f ) = e e at jt
dt = e (a + j)t dt
0 0

1 (a + j)t
H(f ) = e
a + j 0
Luego
1
H(f ) =
a + j
b) Se tiene que la energa de h(t), con a > 0, es

E=

h 2 (t)dt = e 2 at dt
0

1 1
E = e 2at = <
2a 0 2a
Luego h(t) es descrita en trmino de energa y su densidad espectral de energa es
2
1 2
Sx (f ) = H(f ) =
a + j
1
Sx (f ) =
a + 2
2
2.3.8. Potencia . Densidad Espectral de Potencia .
Potencia . Para el caso de seales descritas en trminos de potencia, considerando una

carga resistiva de un ohm y una seal x(t), la potencia media P de x(t) est dada por
T
2
1

2
P = lim x(t) dt (2.72)
T T T

2
Para una seal peridica, la operacin de llevar al lmite se puede omitir siempre que T
se considere como el periodo de la seal. Sin embargo, hay seales de potencia que no
son peridicas, por lo que en este caso se debe considerar la ecuacin (2.72) que
representa el caso general, para el clculo de la potencia asociada a la seal x(t).
Densidad Espectral de Potencia. Para la determinacin de la expresin de la densidad
espectral de potencia, se puede comenzar definiendo un truncamiento de la seal de
potencia x(t). Esta seal truncada se denomina xT (t), donde T es el intervalo de
observacin y por conveniencia de anlisis xT (t) se puede definir como
x(t) t < T
x T (t) = 2
0 otros valores
La Figura 2.38 muestra un ejemplo de una seal x(t) y su versin truncada xT (t)
x(t)
-T/2 0 T/2 t
a)
x T (t)
-T/2 0 T/2 t
b)
Figura 2.38. Grficas de : a) Seal de Potencia . b) Seal Truncada Asociada
De acuerdo a su definicin, xT (t) es una seal descrita en trminos de energa. Siendo

XT (f) su transformada de Fourier, su densidad espectral de energa Sx T (f) es
2
Sx T (f ) = X T (f ) (2.73)
Donde
T
2
x x(t)e
j2 ft j2 ft
X T (f ) = T (t)e dt = dt (2.74)
T2
Por lo que la densidad espectral de energa de xT (t) es la densidad espectral de energa

de x(t), contenida en el intervalo --T/2 < t < T/2. La potencia media en este intervalo es
la energia dividida por T, de manera que se puede decir que la densidad espectral de
potencia G x T (f) asociada a x(t) en el intervalo -T/2 < t < T/2, est dada por:
2
Sx T (f ) X (f )
G xT = = T (2.75)
T T
Como interesa la potencia media en todo el tiempo, no en un intervalo finito, para

determinar la densidad espectral de potencia Gx (f) de x(t) se considerar el lmite de
(2.75) cuando T tiende al infinito, o sea
1 2
G x (f ) = lim G x T = lim X T (f ) (2.76)
T T T
En consecuencia, la potencia media P de x(t), en funcin de su densidad espectral de

potencia Gx (f) se expresa como

1
P= G x (f )df =

G x ()d
2
(2.77)
Puede darse una explicacin intuitiva de la expresin de la ecuacin (2.76). La energa

de la funcin truncada aumenta ( al menos no disminuye ) al crecer T. Por lo tanto; la
cantidad XT (f)2 se incrementa ( al menos no disminuye ) al aumentar T. Cuando T se
hace muy grande, las fluctuaciones debidas a los efectos de extremo en la integracin se
harn pequeas y la cantidad XT (f)2 / T puede tender a un lmite. Suponiendo que tal
lmite existe, se tiene que la densidad espectral de potencia est dada por la ecuacin
(2.76) .
En la prctica, el trmino densidad espectral de potencia se usa como espectro
de densidad de potencia o espectro de potencia. Se observa que la densidad espectral de
potencia de una seal slo proporciona informacin sobre la variacin de su magnitud
en funcin de la frecuencia, omitiendo lo referente a la fase. Por lo que todas las seales
con la misma densidad espectral de potencia tienen idnticos espectros de potencia, sin
importar las posibles diferencias en las caractersticas de la fase. Por lo tanto, la
densidad espectral de potencia no describe unvocamente a la seal en cuestin. Hay
una densidad espectral de potencia especfica para una seal dada, pero puede haber
ms de una seal con la misma densidad espectral de potencia .
Espectro Acumulativo de Potencia. Se designa como Mx (f), el monto acumulativo de

potencia para todas las componentes de frecuencia, de la seal x(t), por debajo de una
determinada frecuencia f. Por lo cual, Mx(f) se conoce como espectro de potencia
acumulativo. Este espectro acumulativo de potencia existe para cualquier seal de
potencia. La expresin matemtica de Mx (f) es
f f 2
X (u)
M x (f ) = G x (u)du = lim T du (2.78)

T T
En muchos casos de inters Mx (f) es diferenciable, y en estos casos se tiene

dM x (f )
G x (f ) = (2.79)
df
Densidad Espectral de Potencia para Seales Peridicas . Se considerar que x(t) es

una seal peridica, por lo que admite representacin en Serie de Fourier

x(t) = Ce
n =
n
jn0 t
El Teorema de Parseval establece

2
P = x (t) =
2
Cn (2.80)
n =
El espectro de potencia acumulativo correspondiente, se determina sumando los

trminos de la ecuacin (2.80) en todos los armnicos de 0(f0 ) hasta la frecuencia
dada (f). Como la inclusin de cada frecuencia armnica agrega una cantidad discreta
de potencia, Mx (f) ser una serie de funciones escalones, por lo que Mx (f) tendr una
grfica en escalera ascendente, dado que por definicin Mx (f) es una funcin creciente
de (f) (la potencia es positiva ). Por lo que la expresin del espectro de potencia
acumulativo es
f / f0

2
M x (f ) = Cn u(f nf 0 ) (2.81)
n =
Aplicando (2.79) y recordando que la derivada de una funcin escaln es una funcin
impulso, se obtiene

2
G x (f ) = Cn (f nf 0 ) (2.82)
n =
Para el caso de que se considere la variable , se tiene
G x () = 2 Cn ( n0 )
2
(2.83)
En consecuencia, la densidad espectral de potencia de una seal peridica es una serie

de impulsos cuyos pesos corresponden al cuadrado de la magnitud de los respectivos
coeficientes de la Serie de Fourier.
Ejemplo 2.25.
Utilizando el concepto de densidad espectral, determinar la energa o potencia media de

las seales :
a) x(t) = A
b) x(t) = Au(t)
Solucin
a) Primeramente se determinar si x(t) = A es una seal de potencia o de energa. Para

ello se calcular su energa y se aplicar el criterio correspondiente.
La energa de x(t) es

A dt =
2
E= x(t) dt = 2
Como la energa E de x(t) es infinita, se tiene que x(t) = A es seal de potencia .

Por definicin, la densidad espectral de potencia de x(t) est dada por
1 2
G x (f ) = lim X T (f )
T T
Para la determinacin de XT (f) se considerar la seal truncada xT (t) mostrada en al

Figura 2.39.
xT (t)
A
t
-T/2 0 T/2
Figura 2.39. Grfica de xT (t) del apartado a) del Ejemplo 2.25
En consecuencia
T
2
x (f )e jt dt = Ae
jt
X T (f ) = T dt
T

2
X T (f ) = AT sin c(fT)
Por lo tanto
1
G x (f ) = lim (AT) 2 sin c 2 (fT) = A 2 lim T sin c 2 (fT)
T T T
Por otra parte

(f ) = lim sin c2 (f)

En consecuencia
Gx (f) = A2 (f)
Como

P= G (f )df = A (f )df
2
x

P = A2 [watts]
Esta expresin de P puede ser verificada calculando la potencia media en el dominio del
tiempo, para ello se tiene
T
2
1
P = lim A dt = A [ watts]
2 2
T T T

2
b) En este caso la energa es

E = A 2 dt =
0
Por lo que la seal x(t) = Au(t) es de potencia, ya que x(t) es de valor acotado.
La seal truncada xT (t) a considerar tiene la grfica mostrada en la Figura 2.40
xT (t)
A
t
-T/2 0 T/2
Figura 2.40. Grfica de xT (t) del apartado b) del Ejemplo 2.25

Por lo cual, XT (f) est dada por
T
2
A
X T (f ) = Ae jt dt =
j
(1 e jT / 2 )
0
A jT / 4 jT / 4 jT / 4
X T (f ) =
j
(e e ) e
A T jT / 4 2A T jT / 4
X T (f ) = 2 jsen e = sen e
j 4 4
Haciendo los arreglos algebraicos correspondientes para obtener la forma de la funcin

sinc(x), la ecuacin anterior queda
AT fT
X T (f ) = sin c e jT / 4
2 2
Por lo tanto la densidad espectral de potencia Gx (f) est dada por
1 A 2T 2 2 T A2 T T
G x (f ) = lim sin c f = lim sin c 2 f
T T 4 2 2 T 2 2
Recordando que
(f ) = lim sin c 2 (f )

y con = T/2 , se obtiene

A2
G x (f ) = (f )
2
En consecuencia la potencia media P es

A2
P= 2 (f )
A2
P= [ watts]
2
Resultado que era de esperar, de acuerdo con la forma de las seales de los apartados a)
y b). y que puede ser ratificado calculando P en el dominio del tiempo.
12 A2
P = lim A 2 dt =
T T
[ watts]
0
2
Si bien es cierto que es ms simple y directo el clculo de la potencia en el dominio del

tiempo, el ejemplo presentado tiene por objetivo el mostrar el procedimiento para la
determinacin de la densidad espectral de potencia para seales de potencia que no sean
peridicas .
Ejemplo 2.26.
Sea x(t) la seal cuya grfica se muestra en la Figura 2.41. Determinar su densidad
espectral de potencia.
x(t)
1
........ ........
T T2 0 T
2
T t

Solucin
Para una seal peridica la densidad espectral de potencia est dada por

2
G x (f ) = Cn (f nf 0 )
n =
Por lo que es necesario determinar los coeficientes de la Serie de Fourier de la seal x(t)
dada. Estos estn dados por
T
2
1
x(t)e
jn0 t
Cn = dt
T T

2
Por tener x(t) simetra impar
T
2
2j
T 0
Cn = x(t) sen n0 tdt
De acuerdo a la Figura 2.34, x(t) en el intervalo (0,T/2) tiene un valor constante igual a
1, por lo que
T
2j2
2j n0 T
Cn =
T 0 sen n0 tdt = 1 cos
n0 T 2

Como 0 T=2 y 1-cos =2sen2 (/2) y aplicando la forma de la funcin sinc(x), la

ecuacin anterior se puede escribir como
n n
Cn = j sin c 2
2 2
En consecuencia
2

n n
G x (f ) = sin c 4 (f nf 0 )
n = 2 2
2.3.9. Propiedades de la Transformada de Fourier. La Transformada de Fourier

presenta algunas propiedades, expresadas en forma de teoremas, que son muy tiles en
los problemas de transmisin de seales no peridicas.
Linealidad (Superposicin). La Transformada de Fourier es una operacin lineal

basada en las propiedades de la integracin, por lo que puede aplicarse la superposicin.
Sean X1 (f) y X2 (f) las Transformadas de Fourier de x1 (t) y de x2 (t) respectivamente,
luego para dos constantes a1 y a2 arbitrarias se tiene que
F{a1 x1 (t) + a2 x2 (t)} = a1 X1 (f) + a2 X2 (f) (2 .84)
Esto proviene de la definicin de Transformada de Fourier. Las consecuencias de esta

propiedad son de gran importancia en el estudio de los sistemas lineales. Esta propiedad
implica que el espectro de la suma de dos seales es igual a la suma de sus respectivos
espectros. A su vez, se deben tomar ciertas precauciones al sumar, dado que en general
los espectros son magnitudes complejas. Es un error comn sumar slo las magnitudes
sin tomar en cuenta las fases.
Complejas Conjugadas. Para cualquier seal compleja x(t), se tiene
F{x* (t)} = X *( -f) (2.85)
Demostracin . Se tiene que

F { x * (t)} = x (t)e
* jt
dt

*

F { x (t)} = x(t)e jt dt
*
F { x * (t)} = X* (f )
Para el caso de x(t) sea real, se tiene
x* (t) = x(t) X*( -f) = X(f)
Simetra. Cuando una seal posee simetra con respecto al eje tiempo, su transformada
puede ser simplificada. La simetra de una seal depende de su forma y de la ubicacin
del origen del tiempo. Pero se tiene la libertad de elegir el origen del tiempo dado que
fsicamente no es nico, en contraste con el origen en el dominio de la frecuencia, el
cual tiene un significado fsico bien definido .
Cualquier seal se puede expresar como la suma de una funcin par xe(t), y de
una funcin impar xo (t), tenindose que
x(t) = xe (t) + xo (t) (2.86)

de donde
x e (t) = 1
2 [ x(t) + x( t)]
(2.87)
x 0 (t) = 1
2 [ x((t) x( t)]
Esto da origen a las siguientes propiedades de la Transformada de Fourier

F { x e (t)} = X e (f ) = 2 x e (t) cos tdt (2.88)
0

F { x 0 (t)} = X 0 (f ) = 2 j x 0 (t) sen tdt (2.89)
0
Demostracin. Aplicando transformada a la ecuacin (2.86) se obtiene


X(f ) =

x(t)e jt dt =

x e (t)e jt dt + x 0 (t)e jt

(2.90)
considerando la primera integral del segundo miembro de la ecuacin anterior, se tiene

X e (f )

x e (t)e jt dt =

x e (t) cos tdt j x e (t) sen tdt

como xe (t)cost es funcin par y xe (t)sent es funcin impar, la ecuacin anterior se

reduce a

X e (f ) = 2 x e (t) cos dt
0
Considerando la segunda integral de (2.90)

x x (t) cos tdt j x 0 (t) sen tdt

jt
X 0 (f ) 0 (t)e dt = 0

como xo (t)cost es funcin impar y xo (t)sent es funcin par, se tiene

X 0 (f ) = 2 j x 0 (t) sen tdt
0
Para el caso de que x(t) presente simetra par (x0 (t) = 0), se tendr que
X( f ) = Xe( f ) (2.91)
y para el caso de que x(t) presente simetra impar ( xe (t) = 0), se tendr
X( f) = X0 ( f ) (2.92)
Las ecuaciones (2.91) y (2.92) establecen que el espectro de una seal real simtrica
puede ser real puro y par o imaginario puro e impar.
Si x(t) es una seal causal, o sea que
x(t) = 0 para t < 0 (2.93)
lo cual significa que la seal parte en 0 despus de t = 0. Dado que la causalidad

excluye cualquier simetra temporal, el espectro consiste tanto de la parte real como
imaginaria de la integral

X(f ) = x(t)e jt dt (2.94)
0
En este caso las partes real e imaginaria del espectro estn relacionadas. No se pueden
especificar en forma arbitraria.
Dualidad. Existe dualidad entre los dominios del tiempo y de la frecuencia. Esto se
aprecia examinando el par de integrales de Fourier, la de anlisis y la de sntesis. Ellas
se diferencian solamente en la variable de integracin y en el signo del exponente de la
exponencial compleja. Una consecuencia de esta similitud es el Teorema de Dualidad,
el que establece que si x(t) y X(f) constituyen un par conocido de transformada, y si
existe una funcin temporal z(t) relacionada a la funcin X(f) por
z(t) = X(t) (2.95)

luego
F{z(t)} = x( - f ) (2.96)
donde x(- f ) es igual a x(t) con t = -f .
Demostracin. La demostracin de este teorema se basa en el reconocimiento de que la

Transformada de Fourier son integrales definidas cuyas variables de integracin son
variables ficticias. Luego, si en la transformada inversa se reemplaza f por la variable
ficticia , se obtiene

X()e
j2 t
x(t) = d

Adems, ya que t es una variable ficticia en la integral que define la Transformada de

Fourier y dado que z(t) = X(t), se tiene

F {z(t)} = z()e
j2 f
d = X()e
j2 ( f )
d

Comparando las dos ltimas integrales se deduce que
F{z(t)} = x(- f )
Ejemplo 2.27.
Determinar la Transformada de Fourier de z(t) = Asinc(2Wt).
Solucin
Se obtendr Z(f) aplicando el Teorema de Dualidad al par de transformada
F
x(t) = B ( t ) X(f ) = B sin c(f)
Reescribiendo la expresin dada para z(t) de la siguiente manera

z(t) = ( 2W
A
) (2W) sin c(t2W)
comparando esta expresin con la de X(f), se puede escribir que z(t) = X(t) con = 2W
y B = A/2W. La propiedad de dualidad establece que
Z(f ) = F {z(t)} = x(f ) = B ( f ) = ( 2W

A
) ( 2W
f
)
como la funcin rectangular es simtrica par, se tiene que F{z(t)} tiene la forma
A f
Z(f ) =
2W 2W
Luego, una funcin sin(x)c en el dominio el tiempo tiene una transformada de forma
pulso rectangular en el dominio de la frecuencia .
Escalamiento de Coordenadas. La expansin o compresin de una seal en el tiempo

afecta a su densidad espectral. Sea x(t) una seal cualquiera y sea un factor constante
de escala real, la propiedad de escalamiento establece que
1 f
F { x(t)} = X 0 (2.97)

La seal escalada x(t) ser expandida si <1 y ser comprimida si >1. Un valor
negativo de produce una inversin temporal como tambin expansin o compresin.
Si = -1, se tiene el par de transformada x( -t) X( -f) y en este caso tanto la seal
como el espectro son invertidos .
Si es positiva pero menor que uno, x(t) es una versin expandida x(t) y su
densidad espectral se comprime. La magnitud de la densidad espectral tambin cambia
para mantener el balance de energa entre los dos dominios. Si es positiva y mayor
que uno, x(t) es una versin comprimida de x(t) y su densidad espectral se expande en
frecuencia en 1/ .
Demostracin. Considerando < 0, se tiene = - y haciendo el cambio de variable
= - t. Luego, t = /, dt = - d /, y

F { x( t)} = x( t)e
jt
dt

1
F { x( t)} = x()e j / d

1
F { x( t)} = x()e
j2 (f / )
d

1 f
F { x( t)} = X

Para positiva se hace el cambio de variable = t y mediante un proceso similar al
anterior se obtiene el mismo resultado .
Desplazamiento Temporal . Dada una funcin temporal x(t), se pueden generar otras
formas a partir de ella modificando su argumento. Especficamente, reemplazando t por
t - td y con td > 0 se produce la seal retardada en el tiempo x(t - td ). La seal retardada
tiene la misma forma que x(t), pero desplazada td unidades hacia la derecha a lo largo
del eje del tiempo. En el dominio de la frecuencia, el retardo temporal produce un
agregado de fase lineal con pendiente negativa -2td , o sea
F { x(t t d )} = X(f )e j2 ft d (2.98)
Demostracin. Considerando que = 2f y realizando el cambio de variable = t - td

en la integral de la transformada, se tiene

F { x(t t d )} = x(t t d )e jt dt

F { x(t t d )} = x()e
j( + t d )
d

F { x(t t d )} = x( )e j d e jt d

El trmino entre parntesis cuadrados corresponde a X(f), luego
F { x(t t d )} = X(f )e jt d
Si td es negativo, se dice que se produce una seal adelantada x(t + td ) y en este caso se
tiene
F { x(t + t d )} = X(f )e jtd
En ambos casos la amplitud del espectro permanece constante ya que
X(f )e jtd = X(f )e jt d = X(f )
Ejemplo 2.28.
Determinar Z(f) en trminos de X(f), X(f)= F{x(t)}, cuando z(t) = x(at - td) .
Solucin
Considerando la seal x(at) y utilizando la propiedad de escalamiento , se tiene
1 f
F { x(at)} = X
a a
Con z(t) = x(at - td ) y aplicando la propiedad de desplazamiento, se obtiene
1 f j a t d
F {z(t)} = F {x(at t d } = X e
a a
Ejemplo 2.29.
Determinar la Transformada de Fourier de la seal x(t) mostrada en la Figura 2.42 .

x(t)
1
- t
-1
Solucin .
Se tiene que
t + 2 t 2
x(t) =

Aplicando transformada a y(t)= ( t ) , se obtiene
Y(f ) = sin c(f)
Como x(t) = y(t + /2) - y(t - /2), aplicando transformada a x(t) , se obtiene
X(f ) = Y(f )e j / 2 Y(f )e j / 2
X(f ) = Y(f ) ( e j / 2 e j / 2 )
X(f ) = Y(f )(2 jsen 2 ) = (2 jsen 2 )Y(f )
Considerando la expresin de Y(f), se tiene
X(f ) = ( 2 jsen f ) sin c(f)
ecuacin que se puede escribir como

sen f
X(f ) = ( 2 jf ) sin c(f)
f
Aplicando la definicin de sinc(x), se obtiene
X(f ) = ( 2 jf ) 2 sin c 2 (f)
Desplazamiento de Frecuencia y Modulacin. La propiedad dual a la de retardo es la

propiedad de traslacin en frecuencia
{ }
F x(t)e j0 t = X(f f 0 ) (2.99)
Se designa esta propiedad como traslacin de frecuencia o modulacin, dado que

multiplicar una funcin temporal por e j0 t produce una traslacin de su espectro a la
frecuencia +f0 .
Demostracin. Se tiene

{
F x(t)e j0 t =} x(t)e j0 t jt
e dt

{
F x(t)e j0 t =} x(t)e j( 0 )t
dt

{ }
F x(t)e j0 t = X(f f 0 )
Tambin se demuestra que
{ }
F x(t)e j0 t = X(f + f 0 )
Para el caso de x(t) real, utilizando la propiedad de desplazamiento en frecuencia, es

simple la determinacin de la transformada de Fourier de x(t)cos0 t, expresin que se
puede escribir como
x(t) cos 0 t = 12 x(t) e j0 t + e j0 t
Usando la propiedad de traslacin en frecuencia, se obtiene
F { x(t) cos 0 t} = 1
2 [ X(f f 0 ) + X(f + f 0 )] (2.100)
Para el caso de la seal x(t)sen0 t, se tiene

F { x(t) sen 0 t} = 1
2j [ X(f f 0 ) X(f + f 0 )] (2.101)
Ejemplo 2.30.
Determinar la Transformada de Fourier de x(t- 12 )e jt .
Solucin
Para la aplicacin de las propiedades de desplazamiento temporal y de desplazamiento
en frecuencia, se define la seal g(t) tal que
g(t) = x(t 12 )
Aplicando transformada a la ecuacin anterior, se tiene
F {g(t)} = G(f ) = F { x(t 12 } = X(f )e

j 12
G(f ) = X(f )e jf
Como 0 = se tiene que f0 = 1

2 y aplicando transformada a g(t)ejt se obtiene
F {g(t)e jt } = G(f 12 )
Considerando la expresin obtenida para G(f), se tiene que
j (f 12 )
G(f 12 ) = X(f 12 )e
j 2
G(f 12 ) = X(f 12 )e jf e
Por lo tanto
F {g(t)e jt } = F { x(t 12 )e jt } = je jf X(f 12 )
Derivacin e Integracin. Ciertas tcnicas de procesamiento implican la derivacin o

integracin de una seal. Los efectos en el dominio de la frecuencia son indicados por el
teorema que establece
d
F x(t) = jX(f ) (2.102)
dt
Teorema que se satisface siempre dx(t)/dt sea absolutamente integrable .

Demostracin . Para derivar el Teorema de Derivacin, se reemplaza x(t) por su
expresin como transformada inversa, o sea
X(f )e
jt
x(t) = df

Derivando esta ecuacin con respecto al tiempo, se tiene
d

d
x(t) = X(f )e j2 ft df
dt dt

d d
x(t) = X(f ) e j2 ft df
dt dt
De donde

d
x(t) = [ j2fX(f ) ] e j2 ft df
dt
Aplicando a esta ltima ecuacin la definicin de transformada inversa se tiene que
d
F x(t) = j2fX(f )
dt
Por iteracin se obtiene

dn
F n x(t) = ( j2f ) n X(f )
dt
Analizando la expresin del Teorema de Derivacin, se deduce que la derivacin con

respecto al tiempo incrementa las componentes de alta frecuencia de una seal.
El Teorema de Integracin establece que
F {

t
}
x()d =
1
j
X(f ) + X(0)(f ) (2.103)
donde

X(0) = x(t)dt

(2.104)
Se observa que la integracin en el tiempo suprime las componentes de alta frecuencia

de la seal. Esta conclusin est en concordancia con la afirmacin de que el proceso de
integracin suaviza las fluctuaciones de una seal en el dominio del tiempo.
Obviamente si X(0) = 0, la transformada de la integral se reduce a
t 1
F x()d = X(f )
j
Ejemplo 2.31.
Determinar la Transformada de Fourier del pulso x(t) mostrado en la Figura 2.42 .
x(t)
A
2 2 t
Figura 2.43. Grfica del Pulso Trapezoidal del Ejemplo 2.31 .
Solucin
Dada la forma del pulso trapezoidal es ms conveniente determinar su transformada
aplicando el Teorema de Derivacin. Para ello, x(t) se deriva dos veces, las grficas de
tales derivadas se muestran en la Figura 2.44 .
x , (t)
A

2
2 t
A
a)
x ,, (t) A
A

A A
b)
Figura 2.44. Grficas de x , (t) y de x ,, (t) del Ejemplo 2.31
De donde se obtiene que
A
F {x ,, (t)} = F {(t + 2) (t + ) (t ) + (t 2)}

por lo tanto
A j2
F {x ,, (t)} = ( e e j e j + e j2 )

Como el Teorema de Derivacin establece que
F { x ,, (t)} = ( j2f ) 2 X(f )
de donde se deduce que

F { x ,, (t)}
X(f ) =
(2f ) 2
Considerando la expresin obtenida de F {x ,, (t)} , X(f) se puede escribir
A e j2 + e j2 (e j + e j )
X(f ) =
(2f ) 2
Aplicando Euler, se tiene
A 2 cos 2 2 cos A 2(1 2sen 2 ) 2 cos

X(f ) = =
(2f ) 2 (2f ) 2
A 2(1 cos ) 4sen 2 A 4sen 2 2 4sen 2

X(f ) = =
(2f ) 2 (2f ) 2
A 4sen 2 (1 4 cos )
2 2
A 4sen 2
16sen 2
cos 2
2
X(f ) =
2 2 2
=
(2f ) 2 (2f ) 2
A 4sen 2 2 (1 + 2 cos )
X(f ) =
(2f ) 2
Haciendo uso de la definicin de la funcin sinc(x), la ltima ecuacin se puede escribir

de la siguiente manera
X(f ) = A sin c 2 (f)(1 + 2 cos 2f)
Ejemplo 2.32.
Utilizando la propiedad de integracin, determinar la Transformada de Fourier del pulso

triangular mostrado en la Figura 2.45.
x(t)
A
0 t
Figura 2.45. Grfica del Pulso Triangular del Ejemplo 2.32

Solucin
Analticamente la expresin del pulso triangular dado es
t
A 1 t <
x(t) =

0 t >
Para determinar la transformada de x(t), se har uso de la propiedad o Teorema de

Integracin. Para ello se considerar la seal y(t), cuya grfica se ilustra en la Figura
2.46.
y(t)
A
-A
Figura 2.46. Grfica de y(t) del Ejemplo 2.32
Por lo que la relacin entre x(t) e y(t) es

t
1
x(t) = y()d

Aplicando el teorema de integracin, se obtiene
1 1
X(f ) = Y(f )
j2f
Por resultado del Ejemplo 2.21, se tiene
Y(f ) = A( j2f )2 sin c 2 (f)
En consecuencia X(f) est dado por
X(f ) = A sin c 2 (f)

2.3.10. Transformada de Fourier de Funciones Singulares y Especiales.
Transformada de Fourier de la Funcin Impulso : (t) .

Por definicin, se tiene que

F {(t)} = (t)e
jt
dt

Integrando, se obtiene .
F {(t)} = 1 (2.105)
La ecuacin (2.105), indica que la funcin (t) tiene una densidad espectral uniforme
para todas las frecuencias, tal como se muestra en la Figura 2.47 .
x(t) X(f)
(t) 1
t f
0 0
Figura 2.47. Impulso (t) y su Transformada de Fourier
De la ecuacin (2.105), se obtiene

1
F1 {1} = e d = (t )
jt
(2.106)
2
Generalizando la variable temporal, se obtiene

e
jx
d = 2(x ) (2.107)

Transformada de Fourier de una Funcin Peridica .

Si x(t) es una funcin peridica se tiene

x(t) = Ce
n =
n
jn0 t
Aplicando la Transformada de Fourier en la ecuacin anterior, se obtiene

F { x(t)} = F Cn e jn0 t
n =
La cual puede escribirse como

F { x(t)} = C F {e }
n =
n
jn0 t
{ }
El problema se reduce a determinar F e jn0 t . Aplicando Transformada de Fourier, la
ecuacin (2.106), y como (t) tiene simetra par, se obtiene que
{ }
F e jn0 t = 2 ( n0 )
Por lo tanto

F {x(t)} = 2 Cn ( n0 )
n =

o (2.108)

F {x(t)} = C ( f nf )
n =
n 0

Ejemplo 2.33.
Determinar la Transformada de Fourier de un tren de impulsos de intensidad unitaria y

separados en T segundos, tal como se muestra en la Figura 2.48.
T (t)
1
......... .........
-5T -4T -3T -2T -T 0 T 2T 3T 4T 5T t
Figura 2.48. Tren de Impulsos de Intensidad Unitaria con Perodo T del

Ejemplo 2.33.
Solucin
Se tiene que

T (t) = ( t nT )
n =
Como T(t) es peridica , luego

T (t) = Ce
n =
n
jn0 t
Por lo tanto
T
2
1
Cn =
T T
T (t)e jn0 t dt

2
En el intervalo [ -T/2 , T/2 ] se cumple que
T (t) = (t)
En consecuencia
T
2
1
(t)e
jn0 t
Cn = dt
T T

2
Aplicando la siguiente propiedad de la funcin impulso, se tiene

f (t)(t)dt = f (0)

Se tiene que
1
Cn =
T
por lo que

1
F {T (t)} = 2 ( n0 )
n = T
Como
2
0 =
T
De aqu F{T (t)} se puede escribir como

F {T (t)} = 0 ( n )
n =
0
o

F {T (t)} = f 0 ( f nf )
n =
0
Del resultado obtenido se deduce que la Transformada de Fourier de un tren de

impulsos unitarios de perodo T , es tambin un tren de impulsos de intensidad 0 ( f0 )
y con perodo 2/0 (1/f0). Es evidente que cuando el perodo T de los impulsos
disminuye, 0 (f0 ) aumenta, lo cual representa un aumento en la separacin de las
lneas espectrales .
Ejemplo 2.34.
Determinar la Transformada de Fourier de una constante dada por : f(t) = A .
Solucin
Aplicando la definicin de Transformada de Fourier , se tiene

F {A} = Ae
jt
dt

Haciendo el cambio de variable : t = -x , F{A} se puede escribir como


F {A} = A e jx dx

de donde
F {A} = 2A()
o
F {A} = A(f )
En la Figura 2.49 se muestra la grfica de la Transformada de Fourier de una constante
f(t) F(f)
A A(f)
t f
0 0
1
Figura 2.49. Una Constante y su Transformada de Fourier
Transformada de sgn(t) .
La funcin sgn(t) se define como
1 para t>0

sgn(t) =
1 para t<0

La Figura 2.50 ilustra la grfica de la funcin sgn(t) .
sgn(t)
1
-1
Figura 2.50. Grfica de la Funcin sgn(t)
La Transformada de Fourier de la funcin sgn(t) se puede obtener utilizando la

propiedad de la derivacin en el tiempo , la cual establece que :
Si se tiene el par de transformada
F
x(t) X(f )
Luego se cumple que
F
,
x (t) jX(f )
Por lo tanto si
x(t) = sgn(t)
luego
x , (t) = 2(t)
Aplicando transformada a la ltima ecuacin, se obtiene
F {x , (t)} = 2
Como
F { x , (t)} = jX(f )
de donde
F { x , (t)}
X(f ) =
j
Por lo tanto
2
X(f ) = F {sgn(t)} = (2.109)
j
Transformada de Escaln Unitario : u(t) .
La definicin analtica de la funcin u(t) es
1 para t>0

u(t) =
0 para t<0

La grfica de u(t) se muestra en la Figura 2.51 .
u(t)
1
t
0
Figura 2.51. Escaln Unitario
La funcin escaln unitario se puede expresar en funcin de la funcin sgn(t), de la

siguiente manera
1 1
u(t) = + sgn(t)
2 2
Aplicando la propiedad de la linealidad de la Transformada de Fourier y el valor de la

transformada de la funcin sgn(t), se obtiene
1 1
F {u(t)} = (f ) + (2.110)
2 j
Transformada de e j0 t .
Aplicando la definicin de Transformada de Fourier, se tiene

F e { }= e
j0 t j0 t jt
e dt = e
j( 0 ) t
dt

Haciendo los cambios de variables siguientes
t = -y ; - o = x
se obtiene

F e{ }= e
j0 t jxy
dy = 2(x)

Como - 0 = x , por lo tanto

{ }
F e j0 t = (f f 0 ) (2.111)
En forma similar se obtiene
{ }
F e j0 t = (f + f 0 ) (2.112)
Transformada de cosot y senot .

Se tiene
1
(
F {cos 0 t} = F e j0 t + e j0 t
2
)
luego
1
F {cos 0 t} = ( f f 0 ) + ( f + f 0 ) (2.113)
2
Empleando un mtodo similar, se obtiene
j
F {sen 0 t} = ( f f 0 ) ( f + f 0 )
2
o (2.114)
1
F {seno t} = ( f f 0 ) e j / 2 + ( f + f 0 ) e j / 2
2
La Figura 2.52 ilustra las funciones sen0t y cos0t y sus espectros de amplitud y de
fase
a)Funcin cos0 t
F()

-o 0 0
b) Espectros de cos0 t
c)Funcin sen0 t
F()

2
0 0
2
d) Espectros de sen0 t
Figura 2.52. Grficas de las Funciones cos0t y sen0t y de sus Espectros

En la Tabla 2.2, se muestran pares de transformadas bsicas muy utilizadas
Tabla 2.2. Pares de Transformadas de Fourier

Funcin del Tiempo, x(t) Transformada de Fourier, X()
1
e at u(t)
a + j
1
te at u(t)
( a + j )
2
1, t < 2
T
x T (t) = T sin c ( 2T )
0, otros valores

T ( )
A 1 t , t <T
AT sin c 2 ( 2T )
0, t >T
a t 2a
e
a 2 + 2
0
e at sen(0 t)u(t)
( a + j )
2
+ 02
a + j
e at cos(0 t)u(t)
( a + j )
2
+ 02
2 2 / 4a
e at e
a
t n 1 at 1
e u(t)
(n 1)! ( j + a )
n
1 a
e
a2 + t2 a
cos bt a b a + b

e +e
a2 + t2 2a
senbt a b a + b

e e
a2 + t2 2aj
cos 0 t u(t + T2 ) u(t T2 )

T
2
sin c ( ( 0 )
2 )
T + sin c ( ( +0 )
2 )
T

2
t
2
d n (t)
( j) n
dt n
2.3.11. Determinacin de la Transformada Inversa de Fourier por Expansin en

Fracciones Parciales. La tcnica de la expansin fracciones parciales es una
herramienta de gran utilidad para el estudio de seales y sistemas, especialmente en la
inversin de la Transformada de Fourier, tanto de seales de tiempo continuo como de
tiempo discreto, de Laplace y Z. Es muy empleada para el anlisis de sistemas descritos
por ecuaciones diferenciales o de diferencias con coeficientes constantes. Bsicamente,
el mtodo de expansin en fracciones parciales consiste en considerar funciones
racionales y expandirlas como una combinacin lineal de trminos racionales ms
simples. El problema elemental, para obtener la expansin en fracciones parciales,es la
determinacin de los coeficientes de esta combinacin lineal.
Para un anlisis generalizado, se considerarn funciones racionales de la variable
r, de la forma
b r m + b m 1r m 1 ++ b1r + b 0
H(r) = m n (2.115)
a n r + a n 1r n 1 ++ a1r + a 0
Una expresin muy utilizada de H(r) es
c m r m + c m 1r m 1 ++ c1r + c0
H(r) = (2.116)
r n + d n 1r n 1 ++ d1r + d 0
La forma de la ecuacin (2.116) puede obtenerse a partir de la ecuacin (2.115),

factorizando el denominador de (2.115) por an de manera que ci = bi/an y di = ai/an.
Polos y Ceros de una Funcin Racional.

Ceros. Los ceros de una funcin racional son las races del polinomio del numerador, y
cada uno de ellos hace cero la funcin racional.
Polos. Los polos de una funcin racional son las races del polinomio del denominador,
y cada polo hace infinita la funcin racional.
Designando por zi a los ceros y por pi a los polos de una funcin racional, la
ecuacin (2.110) se puede escribir como
b m (r z1 )(r z 2 )(r z m )
H(r) = (2.117)
a n (r p1 )(r p 2 )(r p n )
Funcin Racional Propia. Para el caso que en la funcin racional, se tenga m < n, la
funcin racional H(r) se conoce como Funcin Racional Propia.
Funcin Racional Impropia. Si m n, H(r) se denomina Funcin Racional Impropia.

En este caso, H(r) se puede expresar como la suma de un polinomio en r y de una
funcin racional propia. Considerando la ecuacin (2.116), se tiene
n 1r n 1 ++1r + 0
H(r) = m n r m n + m n 1r m n 1 ++1r + 0 + (2.118)
r n + d n 1r n 1 ++d1r + d 0
Donde los coeficientes 1 ,2,....... ,m-n y 0, 1,........, n-1, se obtienen al igualar las
ecuaciones (2.116) y (2.118) y posteriormente multiplicndolas por el polinomio del
denominador, para enseguida comparar los coeficientes de potencias iguales de r de
ambos miembros de la ecuacin resultante y de esta manera determinar los coeficientes
y en funcin de los coeficientes conocidos c y d. Para visualizar el procedimiento

indicado, se desarrollar el siguiente ejemplo.
Ejemplo 2.35.
Sea la siguiente funcin racional impropia
c3 r 3 + c 2 r 2 + c1r + c0
H(r) =
r 2 + d1r + d 0
Expresar esta funcin como la suma de un polinomio en r y de una funcin racional

propia.
Solucin
De acuerdo a la expresin dada de H(r), se tiene que m = 3 y n = 2. Considerando
(2.118), la expresin dada de H(r) se puede escribir como
1r + 0
H(r) = 1r + 0 + (I)
r + d1r + d 0
2
Igualando la expresin dada de H(r) con (I), se tiene
c3 r 3 + c 2 r 2 + c1r + co r + 0
= 1r + 0 + 2 1
r + d1r + d 0
2
r + d1r + d 0
Multiplicando esta ecuacin por r2 + d1r + d0, y reduciendo, se obtiene
c3 r 3 + c 2 r 2 + c1r + co = 1r 3 + ( 1d1 + 0 )r 2 + ( 1d 0 + 0 d1 + 1 )r +
+ 0d 0 + 0
Igualando los coeficientes de potencias iguales de r, se tiene
c 3 = 1
c 2 = 1d1 + 0
c1 = 1d 0 + 0 d1 + 1
c 0 = 0 d 0 + 0
Resolviendo este sistema de ecuaciones, se obtiene
1 = c 3
0 = c 2 c3d1
1 = c1 + c3d13 c3d 0 c 2 d1
0 = c0 + c3d 0 d1 c 2 d 0
Por lo tanto, la expresin pedida para H(r) es

(c1 + c3d12 c3d 0 c 2 d1 )r + c0 + c3d 0 d1 d 0 c2

H(r) = c3 r + c 2 c1d1 +
r 2 + d1r + d 0
El denominador de la ecuacin (2.116) se puede factorizar en funcin de sus polos, es

decir
c m r m + c m 1r m 1 ++c1r + c0
H(r) = (2.119)
(r p1 )(r p 2 )(r p n 1 )(r p n )
La ecuacin (2.119) se puede expandir en fracciones parciales y toma la forma siguiente
A1 A2 A n 1 An
H(r) = + ++ + (2.120)
r p1 r p 2 r p n 1 r p n
El problema de la expansin en fracciones parciales se reduce a la determinacin de los

coeficientes Ai , los que dependern de la naturaleza de los polos de H(r). De aqu, se
pueden analizar los siguientes casos.
Polos diferentes. En este caso, los coeficientes Ai se determinan utilizando la ecuacin
A i = [ (r pi )H(r) ] r = p (2.121)
i
Ejemplo 2.36.
Determinar la expansin en fracciones parciales de la funcin racional
r +1
H(r) =
r + 2r + 5
2
Solucin
Los polos de H(r) se determinan resolviendo la ecuacin
r 2 + 2r + 5 = 0
obtenindose
p1 = 1 + j2 , p 2 = 1 j2
Por lo tanto
r +1 A1 A2
H(r) = = +
r ( 1 + j2 ) r ( 2 j2 ) r ( 1 + j2 ) r ( 1 j2 )
De donde
1
{
A1 = r ( 1 + j2 ) H(r) } r =1+ j2
=
2
1
{
A 2 = r ( 1 j2 ) H(r) } r =1 j2
=
2
Luego, la expansin en fracciones parciales de la funcin H(r) dada es

1 1
H(r) = 2
+ 2
r ( 1 + j2 ) r ( 1 j2 )
Polos Mltiples. En general, una funcin racional puede tener algunos polos diferentes
conjuntamente con algunos polos mltiples. Para el caso de que se tenga polos
diferentes y un polo pi mltiple con multiplicidad i , se puede considerar la siguiente
expansin en fracciones parciales
A1 A2 A A i2 A ii
H(r) = + ++ i1 + ++ (2.122)
r p1 r p 2 r pi ( r pi ) 2
( r pi ) i

Los coeficientes de los polos diferentes A1, A2, , y el coeficiente Ai se determinan

utilizando la ecuacin (2.121), tal como se emple en el Ejemplo 2.36. Los coeficientes
Ai1, Ai2, , Aik, se determinan usando la siguiente expresin
1 d i k
i k ( r pi ) H(r) , k = 1,2,, i 1
i
A ik = (2.123)
( i k )! dr r = pi
Ejemplo 2.37.
Para la funcin
2(r + 1)
H(r) =
r(r + 3)(r + 5) 2
Determinar su expansin en fracciones parciales
Solucin
Los polos de H(r) son
p1 = 0 , p2 = -3 y el polo p3 = -5 con multiplicidad 2
En consecuencia, H(r) se puede escribir como
A1 A 2 A A 32
H(r) = + + 31 +
r r + 3 r + 5 (r + 5) 2
Por lo que
2(r + 1) 2
A1 = rH(r) r =0 = =
(r + 3)(r + 5) 2 r =0
75
2(r + 1) 1
A 2 = (r + 3)H(r) r =3 = =
r(r + 5) 2 r =3
3
2(r + 1) 4
A 32 = (r + 5) 2 H(r) = =
r =5 r(r + 3) r =5 5
1 d 21 d 2(r + 1)
A 31 = (r + 5) 2 H(r)
2 1
=
(2 1)! dr r =5 dr r(r + 3) r =5
Derivando y evaluando, se obtiene
9
A 31 =
25
Por lo tanto, la expansin pedida es
2 1
259 54
H(r) = 75
+ 3
+ +
r r+3 r + 5 (r + 5) 2
Para determinar la Transformada Inversa de Fourier de H(), se puede aplicar

el siguiente procedimiento: se realiza el cambio de variable de j por r y se procede a la
expansin en fracciones parciales de H(r). Una vez, determinados los coeficientes
correspondientes, se vuelve a la variable j y se aplica Transformada Inversa de Fourier
a cada fraccin parcial.
Ejemplo 2.38.
Determinar la Transformada Inversa de Fourier de la funcin
7 + 5j
H() =
(4 + j) ( j) 2 + j + 1
Solucin
Haciendo j = r, se tiene
7 + 5r
H(r) =
(4 + r) r 2 + r + 1
Los polos de esta funcin son
p1 = 4 ; p 2 = 12 + j 2
3
; p3 = 12 j 2
3
Luego H( r) se puede escribir como
7 + 5r
H(r) =
(r + 4) r + ( 12 j 23 ) r + ( 12 + j 23 )
Por lo que la expansin en fracciones parciales es
A1 A2 A3
H(r) = + +
r + 4 r + ( 12 j 2 ) r + ( 12 + j 23 )
3
Los coeficientes son determinados por

7 + 5r
A1 = (r + 4)H(r) r =4 = = 1
r + ( j ) r + ( 12 + j 23 )
1 3
2 2 r =4
7 + 5r 1 3
A 2 = r + ( 12 j 23 ) H(r) 1 3 = = j
r = 2 + j 2 (r + 4) r + ( 12 + j 23 ) 2 2
r = 12 + j 2
3
7 + 5r 1 3
A 3 = r + ( 12 + j 23 ) H(r) 1 3 = = +j
r = 2 j 2 (r + 4) r + ( 12 j 23 ) 2 2
r = 12 j 2
3
Por lo tanto H(r) queda

1 1
j 3 1
+j 3
H(r) = + 21 2 3 + 21 2 3
r + 4 r + (2 j 2 ) r + (2 + j 2 )
Volviendo al dominio de la frecuencia haciendo r = j, se obtiene
1 2 j 2 2 + j 2
1 3 1 3
H() = + +
j + 4 j + ( 12 j 23 ) j + ( 12 + j 23 )
De donde,
h(t) = F1 {H()} = e 4t u(t) + ( 12 j 23 )e

( 12 j 3
( 12 + j 3
u(t) + ( 12 + j 23 )e
)t )t
2 2
u(t)
Aplicando Euler, se obtiene
h(t) = e 4t u(t) + cos( t) e 2 u(t)

1 t
2
3
t) + 3sen( 2
3
2.3.12. Uso de MATLAB en la determinacin de la Transformada Inversa de

Fourier por Expansin en Fracciones Parciales. En MATLAB se tiene un comando
que permite obtener la expansin en fracciones parciales de funciones racionales que
tengan la expresin dada por
N(x) b0 + b1x + b 2 x 2 + ........ + b m x m
F(x) = = (2.124)
D(x) a 0 + a1x + a 2 x 2 + ....... + a n x n
MATLAB hace uso de los coeficientes del numerador y del denominador de F(x). Para
ello se definen los vectores filas num y den como:
num = [ bm bm-1 . b0] (2.125)
den = [ an an-1 . a0 ] (2.126)
El comando
[r,p,k] = residue(num,den) (2.127)
calcula los residuos (vector r), los polos (vector p) y los trminos del polinomio
resultante (vector k). Si F(x) es impropia, la expansin en fracciones parciales es de la
forma
N(x) r(1) r(2) r(n)
F(x) = = + + ........ + + k(x) (2.128)
D(x) x p(1) x p(2) x p(n)
k(x) es un polinomio en x, con el mayor exponente de x dado por m n, cuando m 0, o

sea cuando F(x) sea una funcin racional impropia. El polinomio k(x) es cero cuando
F(x) es una funcin racional propia, o sea, cuando m < n.
Para un polo p(i) de multiplicidad q, la expansin en fracciones parciales
contendr trminos de la forma
r(i) r(i + 1) r(i + q 1)

+ + ...... + (2.129)
x p(i) [ x p(i) ]2
[ x p(i)]
q
Para visualizar el uso de MATLAB en la expansin en fracciones racionales de

funciones racionales, se desarrollar el siguiente ejemplo.
Ejemplo 2.39. Usando MATLAB, determinar la expansin en fracciones parciales de la

siguientes funciones racionales
5x 2 + 3x + 2
a) 3
x + 8x 2 + 19x + 12
x 2 + 2x + 3
b) 3
x + 6x 2 + 12x + 8
3x + 2
c)
2x 3x + 6
2
x 4 + 5x 2 + 3x + 2
d) 3
x + 6x 2 + 11x + 6
Solucin
a) num = [5 3 2];
>> den = [1 8 19 12];
>> [r,p,k]=residue(num,den)
r=
23.3333 = 70/3
-19.0000
0.6667 = 2/3
p=
-4.0000
-3.0000
-1.0000
k=
[]
k(x) = 0
Luego
5x 2 + 3x + 2 70 19 2
= +
x + 8x + 19x + 12 3(x + 4) x + 3 3(x + 1)
3 2
b) num = [1 2 3];
>> den = [1 6 12 8];
r=
1.0000
-2.0000
3.0000
p=
-2.0000
-2.0000
-2.0000
k=
[]
k(x) =0
En este caso,
x 2 + 2x + 3 1 2 3
= +
x + 6x + 12x + 8 x + 2 ( x + 2 )
3 2 2
( x + 2)
3
c) num = [ 3 2];
>> den = [2 -3 6];
r=
0.7500 - 0.6805i
0.7500 + 0.6805i
p=
0.7500 + 1.5612i
0.7500 - 1.5612i
k=
[]
k(x) = 0
De donde
3x + 2 0, 75 0, 6805i 0, 75 + 0, 6805i
= +
2x 3x + 6 0, 75 + 1,5612i 0, 75 1,5612i
2
d) num = [1 0 5 3 2];
den = [1 6 11 6 ];
r=
59.5000 = 119/2
-32.0000
2.5000 = 5/2
p=
-3.0000
-2.0000
-1.0000
k=
1 -6
En este caso k(x) = x 6, por lo tanto

x 4 + 5x 2 + 3x + 2 119 32 5
=x 6+ +
x + 6x + 11x + 6
3 2
2(x + 3) x + 2 2(x + 1)
Ejemplo 2.40. Utilizando MATLAB para la expansin en fracciones parciales,

determinar la transformada inversa de
( j + 5)(2 j + 1)
H() =
( j + 1)[( j) 2 + j + 1]
Solucin
La expresin dada de H() se puede escribir de la forma siguiente
2( j) 2 + 11( j) + 5
H() =
( j)3 + 2( j) 2 + 2( j) + 1
Aplicando MATLAB para la expansin de H() en fracciones parciales, se obtiene
>> num=[2 11 5];

>> den=[1 2 2 1];
r=
-4.0000
3.0000 - 3.4641i
3.0000 + 3.4641i
p=
-1.0000
-0.5000 + 0.8660i
-0.5000 - 0.8660i
k=
[]
De donde
4 3 j3, 4641 3 + j3, 4641
H() = + +
j + 1 j + (0,5 j0,866) j + (0,5 + j0,866)
Luego,
h(t) = F1 {H()} = 4e t u(t) + (3 j3, 4641)e (0,5 j0,866)t u(t) + (3 + j3, 4641)e (0,5+ j0,866)t u(t)
h(t) = F1 {H()} = 4e t u(t) + (6 cos 0,866t + 6,9282sen0,866t)e 0,5t u(t)

2.3.13. Uso de MATLAB en la Determinacin Directa de la Transformada de

Fourier y de la Transformada Inversa de Fourier
Transformada de Fourier. Para determinar la expresin de la Transformada de Fourier,
a partir de la expresin en el dominio del tiempo de la funcin o seal, se usa la funcin
fourier. Si x(t) es la seal a considerar, para obtener su Transformada de Fourier X(),
la sintaxis es X = fourier(x). El ejemplo siguiente, ilustrar el procedimiento
correspondiente para determinar en forma directa, usando MATLAB, la Transformada
de Fourier de una seal o funcin dada.
Ejemplo 2.41.
Usando la funcin fourier de MATLAB, determinar la Transformada de Fourier de la

seal
x(t) = A ( 2Tt )
Solucin
La grfica de x(t) dada, es
x(t)
t
-T 0 T
Figura 2.53. Grfica de x(t) del Ejemplo 2.41.
La seal x(t), se puede expresar como
x(t) = A [ u(t + T) u(t T) ]
Es esta expresin de x(t), la que se utilizar para determinar la Transformada de Fourier

de x(t). El programa en MATLAB, para tal efecto, es
>> % Determinacion de Transformada de Fourier de x(t)=A[u(t+T)-u(t-T)]

>> t=sym('t','real'); %Se declara la variable tiempo t
>> A=sym('A','real'); %Se declara la constante real A
>> T=sym('T','real'); %Se declara la constante real T
>> escalon1=sym('Heaviside(t+T)'); %Se determina el escalon u(t+T)
>> escalon2=sym('Heaviside(t-T)'); %Se determina el escalon u(t-T)
>> x=A*(escalon1-escalon2);%Se forma x(t) dada
>> fourier(x)
ans =
A*(exp(i*T*w)*(pi*Dirac(w)-i/w)-exp(-i*T*w)*(pi*Dirac(w)-i/w))
O sea
{
X() = A e jT () j e jT () j }
Queda como ejercicio para el lector, considerando que ()sen(T) = 0 , demostrar que
la expresin obtenida para X() , se puede escribir como
X(f ) = 2AT sin c(2fT)
Expresin que corresponde a la obtenida en el Ejemplo 2.23, con = 2T.
Transformada Inversa de Fourier. Si X() es la Transformada de Fourier de x(t), para

determinar x(t) a partir de X() empleando MATLAB, se usa la funcin ifourier, con la
sintaxis ifourier(X).
Ejemplo2.42.
Considerando el resultado obtenido para la Transformada de Fourier X() del Ejemplo

2.41, utilizar la funcin ifourier para determinar la Transformada Inversa de Fourier
x(t).
Solucin
Se tiene que la expresin de X() es
{ }
X() = A e jT () j e jT () j
Luego, el programa para obtener x(t) es
>>% Determinacin de x(t)

>>w=sym('w','real');
>> A=sym('A','real'); T= sym('T','real');
>> Dirac=sym('Dirac(w)'); % Se forma Impulso Delta de Dirac
>> X=A*(exp(i*T*w)*(pi*Dirac-i/w)-exp(-i*T*w)*(pi*Dirac-i/w));
>> ifourier(X)
ans =
1/2*A*(Heaviside(x+T)-Heaviside(-x-T)-Heaviside(x-T)+Heaviside(-x+T))
Cuando la variable en el dominio de la frecuencia es , la variable temporal que entrega

MATLAB, por defecto, es x. Por lo tanto ,considerando la expresin obtenida por el
programa, se tiene que
1
x(t) = A [ u(t + T) u( t T) u(t T) + u( t + T) ]
2
x(t) = A ( 2Tt )
Resultado que se esperaba obtener, de acuerdo al Ejemplo 2.41.

Ejemplo 2.43. Utilizando la funcin fourier, determinar las Transformadas de Fourier

de las siguientes seales
a) x(t) = (e 4t cos At)u(t) .
b) x(t) = (te 2t sen4t)u(t) .
c) x(t) = ( sentt ) ( sen 2 (t 1)
(t 1) ) u(t) .
Solucin
a) El programa es
>> % Determinacion de Transformada de Fourier

>> %de x(t)=(exp(-4*t)*cosA*t)*u(t)
>> t=sym('t','real');
>> A=sym('A','real');
>> escalon1=sym('Heaviside(t)');
>> x=(exp(-4*t)*cos(A*t))*escalon1;
>> fourier(x)
ans =
1/2/(4-i*A+i*w)+1/2/(4+i*A+i*w)
O sea,
1 1
X() = 2
+ 2
4 + j( A) 4 + j( + A)
b) En este caso, se tiene

>> %de x(t)=(t*exp(-2*t)*sin(4*t))*u(t)
>> escalon1=sym('Heaviside(t)');
>> x=(t*exp(-2*t)*sin(4*t))*escalon1;
>> fourier(x)
ans =
-1/2*i/(2-4*i+i*w)^2+1/2*i/(2+4*i+i*w)^2
Es decir
12 j 1
j
X() = + 2
[ 2 + j( 4)] [ 2 + j( + 4)]
2 2
c) En este caso, el programa es


>> %de x(t)=sin(pi*t)/(pi*t)*(sin(2*pi(t-1))/(pi*(t-1)));
>>t=sym('t','real');
>> x=(sin(pi*t)/(pi*t))*(sin(2*pi*(t-1))/(pi*(t-1)));
>> fourier(x)
ans =
1/pi^2*(1/4*i*pi*(Heaviside(-w+3*pi)-Heaviside(w-3*pi))-1/4*i*exp(-i*(w-
3*pi))*pi*(Heaviside(-w+3*pi)-Heaviside(w-3*pi))-1/4*i*pi*(Heaviside(-w-pi)-
Heaviside(w+pi))+1/4*i*exp(-i*(w+pi))*pi*(Heaviside(-w-pi)-Heaviside(w+pi))-
1/4*i*pi*(Heaviside(-w+pi)-Heaviside(w-pi))+1/4*i*exp(-i*(w-pi))*pi*(Heaviside(-
w+pi)-Heaviside(w-pi))+1/4*i*pi*(Heaviside(-w-3*pi)-Heaviside(w+3*pi))-
1/4*i*exp(-i*(w+3*pi))*pi*(Heaviside(-w-3*pi)-Heaviside(w+3*pi)))
Resultado que se puede escribir como
j (1 + e j ) {[ u( ) u( 3) ] [ u( + 3) u( + ) ]}
1
X() =
2
Se puede comprobar esta expresin de X() , aplicando

1
F {x(t) = y(t)z(t)} = X() = Y() * Z()
2
Ejemplo 2.44.
Empleando MATLAB, y expansin en fracciones parciales, determinar la Transformada

Inversa de Fourier de la funcin
7 + 5j
H() =
(4 + j) ( j) 2 + j + 1
Solucin
La funcin H(), se puede escribir como
5j + 7
H() =
( j) + 5( j)2 + 5( j) + 4
3
Aplicando MATLAB para la expansin en fracciones parciales de H(), se tiene
>> num=[0 0 5 7];

>> den=[1 5 5 4];
r=
-1.0000
0.5000 - 0.8660i
0.5000 + 0.8660i
p=
-4.0000
-0.5000 + 0.8660i
-0.5000 - 0.8660i
O sea
1 0,5 j0,866 0,5 + j0.866
H() = + +
j + 4 j + (0,5 j0,866) j + (0,5 + j0,866)
Aplicando esta expresin de H() para el clculo de h(t), el programa MATLAB es
>> w=sym('w','real');
>> H=(-1)/(i*w+4)+(0.5-i*0.866)/(i*w+0.5-i*0.866)+(0.5+i*0.866)/(i*w+0.5+i*0.866);
>> ifourier(H)
ans =
1/500*Heaviside(x)*(-500*exp(-4*x)+250*exp((-1/2+433/500*i)*x)-433*i*exp((-
1/2+433/500*i)*x)+250*exp((-1/2-433/500*i)*x)+433*i*exp((-1/2-433/500*i)*x))
De donde
h(t) = e 4t + (0,5 j0.866)e (0,5 j0,866)t + (0,5 + j0.866)e (0,5+ j0,866)t u(t)
PROBLEMAS
2.1. Use MATLAB para graficar las siguientes seales. Escalar adecuadamente el eje
temporal para que se grafique una parte suficiente de la seal que permita visualizar su
gorma completa.
0 t < -3

a) x(t) = t + 3 -3 t < 2
t 3 t2

b) y(t) = x(t 2) con x(t) definida en el apartado a).
c) x(t) = 2cos(2t) + 3sen(8t)
2.2. Escribir un programa en MATLAB para generar y graficar , con 51 puntos, los
siguientes escalones desplazados:
a) u(t 4).
b) u(t 12).
c) u(t +8).
2.3. Determinar el valor medio, el valor eficaz de la seal representada en la figura P 2.3
x(t)
10
....... ........
0 0,01 0,02 0,03 0,04 0,05 t(seg)

Figura P 2.3
Captulo 2. Problemas 101
2.4 Determinar el valor eficaz, el factor de forma y el factor de cresta de la seal

ilustrada en la figura P 2.4.
x(t)
Xm
.............. ..............
t
0 1
2 T T 2T
Figura P 2.4
2.5 Determinar el valor y eficaz de una seal cosenoidal, con rectificacin onda
completa, cortada en la mitad de su valor mximo.
2.6. Determinar la expresin de k, en funcin del valor eficaz y de A en la forma de

seal representada en la Figura P 2.6, sabiendo que k es una fraccin del perodo T .
Determinar el valor de k cuando el valor de A es 10 y cuando el valor eficaz es a) 3 , b)
5 Cul ser el mximo valor eficaz de la seal dada al variar k , con A = 10 ?
x(t)
A
.............. ..............
t
kT T T+kT
Figura P2.6
2.7. Determinar el valor medio y el valor eficaz (rms), de la onda senoidal de voltaje
con rectificacin de media onda, y con un ngulo de retardo de /4 radianes, como se
muestra en la Figura P 2.7.
x(t)
20
t
/4 2
Figura P 2.7
2.8. Determinar si las siguientes seales son definidas en trminos de energa o de

potencia y encontrar la energa o potencia normalizada en cada caso :
t
a) e
b) e jt
2.9 Determinar la frecuencia fundamental de las siguientes seales, y dibujar los

espectros de magnitud y fase correspondientes
a) x(t) = 2 + 3cos(0, 2t) + cos(0, 25t + / 2) + 4 cos(0,3t )
b) x(t) = 1 + 5cos(120t + / 8) + 4 cos(600t / 4)
2.10. Determinar las representaciones en serie de Fourier para cada una de las siguientes
seales.
a) ej100t
b) cos[(t-2)/4]
c) cos2t +sen4t
2.11. Sea la seal x(t) = cos4t. Se tiene que x(t) es peridica con periodo fundamental
1/2 . Cules son los coeficientes de la serie de Fourier de x(t), si x(t) se considera
peridica con periodo 2?.
2.12. Que porcentaje de la potencia total est contenida dentro del primer cruce por
cero del espectro de la seal x(t), cuya grfica se muestra en la Figura P 2.12.
x(t)
1/20
1
......... .........
t
-1/4 0 1/4
Figura P 2.12
2.13. Un tren de pulsos, cuya grfica se muestra en la Figura P 2.13 a), con A = 10[v],
con periodo T = 10-3[seg] y un ciclo de trabajo d = 0,2 , se aplica a un filtro pasabajos
de primer orden mostrado en la Figura P 2.13 b).
a) Determinar la expresin de los espectros de amplitud y de fase de la seal de salida
del filtro.
b) Determinar la expresin de v2(t) en trminos de las componentes senoidales.
v1 (t) R
A + +
v1 (t) C v 2 (t)
......... .........
- -
t
-T 0 T
R = 1[ K ] ; C=0,159 [ F]
a) b)
Figura P 2.13
2.14 Un tren de pulsos rectangulares de voltaje v(t), ilustrado en la Figura P 2.14 a), se
aplica a un circuito RL en serie, tal como se muestra en la Figura P 2.14b). Determinar
las cinco primeras armnicas de la respuesta de corriente i(t). En estas condiciones

utilizar MATLAB para graficar vR(t), vL(t) y vR(t)+ vL(t)
v(t) R = 1[ ]
1
+
......... ......... i(t)
0 1 1 t v(t) L = 1[ H ]
4 2 1
-
1
a) b)
Figura P 2.14
2.15. La Figura P 2.15 a) muestra una onda triangular de voltaje v(t), que se aplica al
circuito mostrado en la Figura P 2.15 b). Asumiendo que el diodo es ideal, determinar la
expansin en serie de Fourier de la corriente i(t).
R
v(t)
+
1 i(t)
......... ......... v(t) V
-
-1 0 1 1 2
t
2
a) b)
Figura P 2.15
2.16. La seal x(t) = 7sen2100t es sometida a los procesos siguientes:

a) Es rectificada onda completa. Utilizar MATLAB para graficar la seal rectificada y el
espectro de dicha seal, para n = 0, 1, ..........., 20.
b) La seal x(t) rectificada media onda. Utilizar MATLAB para graficar la seal
rectificada y el espectro de dicha seal, para n = 0, 1, ..........., 20.
2.17. Empleando Transformada de Fourier, calcular la energa de la seal f(t) dada por
at
f (t) = e , a>0
2.18. Para cada seal x(t) dada, determinar su Transformada de Fourier .

a)
x(t)
3
0 3
Figura P 2.18 a)
b)
x(t)
10
t
0 5
Figura P 2.18 b)
En este caso puede usar MATLAB para graficar X()
b) x(t) = e-2tcos(12t)u(t).
c) x(t) = 3e-3tu(t).
2.19. Dibujar X() para las seales x(t) dadas

j + 2
a) X() =
( j) + 7( j) + 12
2
1 t / t
b) x(t) =
0 otros valores
2.20. Usar la propiedad de la modulacin para hallar la funcin y(t), cuya Transformada
de Fourier se muestra en la Figura P 2.20.
Y()
A

0 0
2W
Figura P 2.20
2.21. Determinar el espectro del pulso de la Figura P2.21, usando solamente la

Transformada de Fourier de un impulso junto con las propiedades adecuadas de la
Transformada de Fourier.
x(t)
2 t
Figura P 2.21
2.22. Determinar la Transformada de Fourier, del pulso mostrado en la Figura P 2.22.
x(t)
t
t0 t0 t0 +
Figura P 2.22
2.23. La seal s(t), cuya grfica se muestra en la Figura P 2.23 a), con T = 1 y = 0,5,
[s] multiplica a la seal v(t), la cual tiene transformada de Fourier V(f) mostrada en la
Figura P 2.23 b).
a) Dibujar el espectro de vs(t) = v(t)s(t).
b) Puede recuperarse v(t) a partir de vs(t)?
c) Si V(f) tiene por grfica la mostrada en la Figura 2.19 c).Puede v(t) ser recuperada
a partir de vs(t)?. Justificar la respuesta.
s(t)
....... .......
t
-2T -T 0 T 2T 3T
a)
V(f) V(f)
1 1
f [ Hz ] f [ Hz ]
14 0 1
4 -1 0 1
b) c)
Figura P 2.23
2.24. Usando el teorema de Rayleigh (Parseval), obtener

e
2t
u(t)dt

2
Nota: Use el hecho de que e 2t u(t) = e t u(t) .
2.25. Si se tiene el siguiente par de transformada
f (t) F
F()
Determinar los espectros de

a) tf(2t)
b) (t 2)f(t)
c) (t 2)f(-2t)
d) f(1 t)
e) t(df/dt)
f) (1 t)f(1 t)
2.26. a) Sea x(t) una seal real e impar. Demostrar X() = F{x(t)} es imaginaria pura e
impar.
b) Qu propiedad tiene la Transformada de Fourier de una seal x(t) si x(-t) = x*(t)?.
2.27. Una seal x(t) real y de tiempo continuo tiene una transformada de Fourier X(f)
cuya magnitud cumple con la relacin
ln X(f ) = f
Determinar x(t) si se sabe que x(t) es
a) Una seal con simetra par.
b) Una seal con simetra impar.
2.28 Sean las seales:

a) x(t) = 2(t 2)
b) x(t) = sen(2t)[u(t) u(t-8)]
2
c) x(t) = e t / 2
t
d) x(t) = t 2 e
e) x(t) = 12 t [ u(t + 2) u(t 2) ]
f) La seal x(t) tiene la grfica mostrada en la Figura P 2.28.
x(t)
1
t
-6 -5 -4 -3 -2 -1 1 2 3 4 5 6 7
-1
Figura P 2.28
Determine cuales de las seales reales, si es que hay alguna, tienen transformadas de
Fourier que satisfagan cada una de las siguientes condiciones
i) Re{X()} = 0
ii) Im{X()} = 0
iii) Existe real tal que ejX() es real

iv) X()d = 0


v) X()d = 0

vi) X() es peridica

vii) Construya una seal que tenga las propiedades i), iv), y v) y no tenga otras.
2.29. Una seal x(t) de tiempo continuo tiene una transformada de Fourier dada por
1
X() =
a + j
donde a es una constante. Determinar la transformada de Fourier Y() de las seales:

a) y(t) = x(3t 6)
b) y(t) = t2x(t)
c) x(t)ej3t.
2.30 La seal x(t) tiene la densidad espectral de potencia Gx() dada por
1
G x () = + ( 3) + ( + 3)
1 +
2

a) Cul es la potencia media total de x(t)?

b) Cul es la potencia media en el intervalo de frecuencia de 0,9 a 1,1 [rad/seg]?
c) Cul es la potencia media en el intervalo de frecuencia de 1,9 a 2,1 [rad/seg
2.31. Determinar la densidad espectral de energa y la energa asociada a la seal

mostrada en la Figura P 2.31.
x(t)
t
-2 -1 0 1 2
Figura P 2.31
t
2.32. Determinar la densidad espectral de potencia de la seal x(t) = e .
2.33. Las expresiones siguientes son transformadas de Fourier de seales de tiempo

continuo. Determinar la seal de tiempo continuo correspondiente a cada transformada.
2sen [ 3( 2) ]
a) X() =
2

b) X() = cos 4 +
3
c) X() tiene los espectros de magnitud y fase indicados en la Figura P2.33.
X() X ()
1
3

-1 1 -1
Figura P2.33
2.34. Calcular la Transformada Inversa de Fourier de las funciones siguientes

a) X() = sen 2 3 - < >
j + 2
b) X() =
( j) + 7( j) + 12
2
2.35. Determinar las Transformadas de Fourier Inversas de las funciones de frecuencia

X(), mostradas en la Figura P 2.35.
X() X()
1
1

-1 0 1 -2 -1 0 1 2
a) b)
Figura P 2.35
2.36. Determinar la seal x(t) si su Transformada de Fourier es
j + 4
X() =
( j) + 4 j + 3
2
2.37. Determinar la seal x(t) si su Transformada de Fourier es
j + 4
X() =
(1 + j) 2 (3 + j)
CAPITULO
3 Convolucin y Correlacin de
Seales de Tiempo Continuo
La operacin conocida como convolucin es una herramienta analtica usada por los
ingenieros en comunicaciones, ya que es un buen modelo de los procesos fsicos que
existen en un sistema lineal; por otra parte ayuda a comprender las relaciones entre los
dominios del tiempo y de la frecuencia. Es as que fenmenos de transmisin, de
filtrado, etc., pueden abordarse en el dominio de la frecuencia o en el del tiempo. En
este ltimo caso es cuando interviene la convolucin .
Una de las aplicaciones de la convolucin es la determinacin de la respuesta de
un sistema en el dominio del tiempo, realizando la convolucin entre la seal de entrada
y la respuesta al impulso temporal del sistema .
Las funciones de autocorrelacin de una seal y de correlacin cruzada entre dos
seales son muy usadas en el anlisis de seales, como por ejemplo el de servir como
parmetros en la determinacin del grado de similitud entre una seal y versiones
desplazadas de ella misma o entre dos seales, estando una de ellas desplazada con
respecto a la otra. Una aplicacin de la correlacin es en la deteccin de seales,
especialmente en el caso de seales ruidosas. Para seales no semejantes el mximo de
la funcin de correlacin es un indicador de que tan bueno es el ajuste entre ambas
seales. Tambin la correlacin cruzada aporta informacin sobre las condiciones de
aditividad de energas o potencias para seales que son suma de otras seales Por otra
parte, la funcin de correlacin encierra informacin sobre la potencia media o energa
de seales, como tambin de la variacin de stas con respecto a la frecuencia, a travs
de la correspondiente densidad espectral. Por lo que tal funcin constituye una
importante caracterizacin de una seal en el dominio del tiempo.
En este captulo, solamente se expondrn las propiedades de la convolucin y
correlacin de seales de tiempo continuo determinsticas, y sus aplicaciones al anlisis
de sistemas se expondrn en los prximos captulos. Para el anlisis de la funcin
correlacin, se considerar la clasificacin de las seales definidas en trminos de
energa o en trminos de potencia. Tambin se presenta una introduccin de la
correlacin entre seales de tiempo continuo aleatorias.
3.1. CONVOLUCION
Definicin. La convolucin z(t) entre dos funciones x(t) e y(t) se representa
simblicamente por
z(t) = x(t) y(t) (3.1)
y se define analticamente como

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

(3.2)
En la definicin as planteada, la funcin y(t) se denomina ncleo de la integral de

convolucin. Se trata de una integral paramtrica, funcin del parmetro t, el que define
puntualmente a la funcin z(t), la cual es el resultado del producto de convolucin de
x(t) e y(t).
110 Captulo 3. Convolucin y Correlacin de Seales de tiempo Continuo
Siendo x(t) e y(t) seales definidas en trminos de energa, es decir, de cuadrado

integrable y con Transformada de Fourier, su producto de convolucin existe, es finito y
proporciona otra seal de la misma naturaleza.
La convolucin supone tomar una de las funciones, y sustituir en ella su variable
independiente, por ejemplo en lugar de t, es decir, de x(t) se pasa a x(). En la otra
funcin, y(t), se realiza el siguiente proceso: se pasa de y(t) a y(), y() se invierte
quedando y(-). Esta funcin invertida se desplaza en un monto t, o sea, pasa a y(t-),
considerando a como variable independiente, se tiene que para t > 0 se produce un
desplazamiento de y(-) hacia la derecha y para t < 0 se produce un desplazamiento de
y(-) hacia la izquierda. A continuacin se realiza la integracin del producto x()y(t-)
en el intervalo donde dicho producto es distinto de cero .
3.1.1. Propiedades de la Convolucin . Se describirn algunas de las propiedades de la

Convolucin .
Conmutatividad.
x1 (t) x 2 (t) = x 2 (t) x1 (t) ( 3.3)

x1 (t) x 2 (t) =

x ()x1 2 (t )d
Haciendo el siguiente cambio de variable
=t-y
se obtiene

x1 (t) x 2 (t) = x

2 (y)x1 (t y)dy
como

x

2 (y)x1 (t y)dy = x 2 (t) x1 (t)
luego ,
x1 (t) x 2 (t) = x 2 (t) x1 (t)

Ley Distributiva .
x1 (t) [ x 2 (t) + x 3 (t) ] = x1 (t) x 2 (t) + x1 (t) x 3 (t) (3.4)
Ley Asociativa .
x1 (t) [ x 2 (t) x 3 (t) ] = [ x1 (t) x 2 (t) ] x 3 (t) (3.5)
Inversin . Haciendo = -u , se obtiene

x1 (t) x 2 (t) = x (u)x

1 2 (t + u)du (3.6)
En este caso la traslacin de x2(t) sera t unidades hacia la izquierda para t > 0 y hacia la
derecha para t < 0 por no haberse invertido tal funcin.
Seccin 3.1 Convolucin 111
Cambio de Signo . Si
x 3 (t) = x1 (t) x 2 (t)
se tiene que
x 3 ( t) = x1 ( t) x 2 ( t) (3.7)
Traslacin . Si
x 3 (t) = x1 (t) x 2 (t)
entonces
x 3 (t t 0 ) = x1 (t t 0 ) x 2 (t) (3.8)
Derivacin .
x ,3 (t) = x1, (t) x 2 (t) = x1 (t) x ,2 (t) (3.9)
3.1.2 . Teorema de Plancheral . Si se tienen los siguientes pares de transformadas
F
x1 (t) X1 (f)
F
x2 (t) X2 (f)
Plancheral establece que
F { x1 (t) x 2 (t)} = X1 (f )X 2 (f ) (3.10)
Simblicamente
. F
x1 (t) x 2 (t) X1 (f )X 2 (f )
Demostracin. Se tiene que

F { x1 (t) x 2 (t)} = x1 ()x 2 (t )d e jt dt

El segundo miembro de la ecuacin anterior se puede escribir como

F { x1 (t) x 2 (t)} = x1 () x 2 (t )e jt dt d

Considerando la propiedad de desplazamiento en el tiempo de la Transformada de

Fourier , se tiene que

F { x1 (t) x 2 (t)} = x ()X
1 2 (f )e j d = X 2 (f ) x1 ()e j d

luego
F { x1 (t) x 2 (t)} = X1 (f )X 2 (f )
3.1.3. Convolucin en el Dominio de la Frecuencia . Considerando los siguientes

pares de transformadas
F
x1 (t) X1 (f)
112 Captulo 3. Convolucin y Correlacin de Seales de tiempo Continuo
y
F
x2 (t) X2 (f)
se tiene

X (y)X (f y)dy = X1 (f ) X 2 (f )
F
x1 (t)x 2 (t) 1 2 (3.11)

o

1 1
X1 (y)X 2 ( y)dy = X1 () X 2 ()
F
x1 (t)x 2 (t) (3.12)
2 2
Demostracin . Considerando que
g(t) =x1 (t)x2 (t)
y que
F
g(t) G()
se tendr

1
G() = X1 (y)X 2 ( y)dy
2
Haciendo
1
F1 {G()} = F1 X1 (y)X 2 ( y)dy
2
Se obtiene
1 jt

1
g(t) = X1 (y)X 2 ( y)dy e d
2 2
Intercambiando el orden de integracin en el segundo miembro de la ecuacin anterior,

se tiene la siguiente expresin
1 1

g(t) =
2 2
X1 (y)X 2 ( y)e jt d dy

Aplicando el Teorema de Desplazamiento en Frecuencia se llega a
g(t) = x1 (t)x 2 (t)

Con lo cual, se demuestra que
1
x1 (t)x 2 (t) F
X1 () X 2 ()
2
3.1.4. Convolucin con el Impulso Delta Dirac [(t)]. Para generalizar el anlisis, se
considerar el impulso desplazado (t-t0 ) y la seal x(t). Luego, se tendr la siguiente
convolucin
Seccin 3.1 Convolucin 113

x(t) (t t 0 ) = ( t

0 )x(t )d
de donde
x(t) (t t 0 ) = x(t t 0 ) (3.13)
O sea, que toda convolucin con (t-t0 ) equivale a un desplazamiento de monto t0 en la

seal original .
Si se tiene el caso de un tren de impulsos (t), se tendr

x(t) (t nT) = x(t nT) (3.14)
n = n =
3.1.5. Convolucin con un Fasor . Sea :
y(t) = Ae (
j 0 t + )
luego

j0 ( t ) +
x(t) y(t) = x()Ae

d
ecuacin que se puede escribir como

x(t) y(t) = Ae (
j 0 t + )
x()e
j0
d

pero

x()e
j0
d = X(f 0 ) e j (f0 )

por lo tanto
x(t) y(t) = A X(f 0 ) e (
j 0 t ++ (f 0 ) )
(3.15)
3.1.6. Interpretacin Grfica de la Convolucin. La interpretacin grfica de la

Convolucin es muy til en Anlisis de Sistemas y en Teora de Comunicacin. Por
definicin de Convolucin, se tiene

x1 (t) x 2 (t) = x ()x

1 2 (t )d
La variable independiente en la Integral de Convolucin es . El proceso de la

convolucin, se ilustra en la Figura 3.1 .
Las funciones x1 (t) y x2 (t) se ilustran en la Figura 3.1 a). Las funciones x1 () y
x2 (-) se muestran en la Figura 3.1 b). La funcin x2 (t-) representa a la funcin x2 (-)
desplazada en un monto t a lo largo del eje . La Figura 3.1 c) muestra x2 (t1 - ). Dado a
que x1 (t) es igual a 1 en -1<t< 1, se tiene en este caso que el valor de x1(t) x2(t) en t =
t1 est dado por el rea achurada de la Figura 3.1 d). Esto es as, dado a que la
convolucin corresponde al rea bajo la curva producto x1 ()x2 (t1 -). Variando el
valor de t y determinando las reas de las curvas productos, se obtiene x1(t) f2(t), cuya
grfica se muestra en la Figura 3.1 f).
114 Captulo 3. Convolucin y Correlacin de Seales de Tiempo Continuo
x 2 (t) x1 (t)
t t
-1 0 1
a)
x 2 () x1 ()

-3 0 -1 0 1
b)
x 2 (t1 ) x1 ()

t1 3 0 t1 -1 0 1
c)
x 2 (t1 )
x 1 ( )
x1 ()x 2 (t1 )

t1 3 -1 0 t1 1
d
x 2 (t 2 )
x 1 ( )
x1 ()x 2 (t 2 )

t 2 3 -1 0 1 t2
e)
x1 (t)x2 (t)
-1 2 4 t
f)
Figura 3.1. Ilustracin del Proceso de Convolucin
Seccin 3.1. Convolucin 115
Ejemplo 3.1 .
Encontrar grficamente la convolucin de x1 (t) con x2(t), cuyas formas se muestran en

la Figura 3.2.
x1 (t)
A
T a2 -T T + a2 0 T a2 T T + a
2 t
x 2 (t)
k k
-T 0 Tt
Figura 3.2. Grficas de x1 (t) y x2 (t) del Ejemplo 3.1
Solucin .
Siguiendo el procedimiento de la convolucin grfica descrito anteriormente, se invierte
x2() en relacin al eje vertical obtenindose x2(-). Ya que x2() es una funcin par de
, se tiene que
x2(-) = x2()
Luego la convolucin de x1 (t) con x2 (t) se reduce a la convolucin de x1 (t) con dos
impulsos. Se aplicar la propiedad de una funcin impulso de reproducir la funcin
dada, a travs de su convolucin con dicha seal. Para t a/2 ,y tomando t1 dentro de
este intervalo, como se muestra en la Figura 3.3.a), se tiene que cada impulso contribuye
a la convolucin con un valor de kx1(t1). De manera que la grfica de x1(t)*x2(t) en el
dominio t para t = t1 tendr un valor de 2kx1(t1). Este resultado es vlido para todo t
a/2, por lo que en este intervalo de t x1(t)*x2(t) tendr la forma de un pulso triangular
centrado en el origen con altura 2Ak y ancho a. Para 2T a/2 t 2T + a/2 , el impulso
ubicado en T + t reproducir un pulso triangular de altura Ak centrado en T = 2T y con
ancho a . Para 2T a/2 t -2T +a/2, el impulso ubicado en T + t reproducir un pulso
triangular centrado en t = -2T con altura Ak, y ancho a. Por lo tanto, la grfica de
x1(t)*x2(t) es la mostrada en la Figura 3.3 b).
x 2 (t1 ) x 2 (t1 )
A
t1
T -T T +
a a
0 T a2 T T + a
2 2 2
a)
x1 (t) * x 2 (t)
2Ak
-2T 0 2T t
b)
Figura 3.3 Proceso de Convolucin del Ejemplo 3.1
3.1.7. Determinacin de los Lmites de la Integral de Convolucin. Para el clculo

exacto de la integral de convolucin, es importante determinar con exactitud el intervalo
de existencia del producto x( )y(t - ) o de y( )x(t - ).
Sean las funciones x(t) e y(t) mostradas en la Figura 3.4.
x(t)
t
a1 b1
y(t)
t
a2 b2
Figura 3.4. Grficas de las Funciones x(t) e y(t) para el Anlisis de la
Determinacin de los Lmites de la Integral de Convolucin .
Los lmites tiles de la integral del producto x(t)y(t) son los extremos del intervalo en el
que ninguna de las dos funciones es nula. En este caso se tendr
Lmite superior : b1 = mn(b1 ,b2) = mnimo de los mximos
Lmite inferior : a2 = mx(a1 , a2) = mximo de los mnimos .
Considerando el ejemplo, se analizar cules son los lmites de variacin de la integral
de convolucin, si
x(t) existe para a1 t b1
y(t) existe para a2 t b2
Por lo tanto y(t - ) existir para a2 t - b2 t a2 t b2. En consecuencia, de

una manera genrica, y de acuerdo con las desigualdades anteriores, la integral de
convolucin se podr expresar como
mnimo (b1 ,t a 2 ) mnimo (t a1 ,b 2 )
z(t) =
mximo (a1 ,t b 2 )
x()y(t )d o z(t)=
mximo (t - b1 , a 2 )
y()x(t-)d (3.16)
Ejemplo 3.2
Sean las funciones

e t para t 0

y(t) =
0 para t < 0

sen at para 0 at /2 , con a=1 [ rad/seg ]

x(t) =
0 otros valores

Seccin 3.1. Convolucin 117
Determinar : z(t) = x(t) y(t)

Solucin
Las grficas de x(t) e y(t) se muestran en la Figura 3.5 .
1,2
1,2 x(t) y(t)
1
1
0,8
0,8
0,6
0,6
0,4
0,4
0,2
0,2
0
0 t t

2
Figura 3.5 . Grficas de x(t) e y(t) del Ejemplo 3.2
Se considerar como ncleo de la integral de convolucin a la funcin x(t) , Luego y()

es similar a y(t) y es necesario invertir x() , tal como se muestra en la Figura 3.6.
1,2 x()
1
0,8
0,6
0,4
0,2
0

2
Figura 3.6 . Grfica de x( - )
Se analizar los siguientes casos de variacin del parmetro t .
a) t 0 . Este caso se representa en la Figura 3.7.
1,2
1
x(t ) y()
0,8
0,6
0,4
0,2
0
t
t
2
Figura 3.7 . Grficas de x(t - ) y de y() para t 0
De acuerdo a la Figura 3.7 , se tendr


z(t) = y()x(t )d = 0

b) 0 t /2
1,2
1 y()
x(t )
0,8
0,6
0,4
0,2
0
t
t
2
Figura 3.8 Grficas de x(t-) y de y() para 0 t /2
En este caso
t
z(t) = e sen(t )d
0
Haciendo
t- = u = t-u d = -du
Se tiene que
t
0 t
eu
z(t) = e (t u )
sen udu = e e sen udu = e ( senu cos u )
t u t
t 0 2 0
Obtenindose
1
z(t) = sen t cos t + e t
2
c) t /2
1,2
1 y()
x(t )
0,8
0,6
0,4
0,2
0

t t
2
Figura 3.9. Grficas de x( t - ) y de y( ) para t /2
De acuerdo a la Figura 3.9, se tiene

Seccin 3.2. Correlacin de Seales Determinsticas de Tiempo Continuo 119
0
t
eu
z(t) = e sen(t )d = e ( sen u cos u )
t

+t
2 / 2
2
luego
e t
z(t) = 1 + e / 2
2
Tenindose finalmente que

0 para t 0

1
z(t) = x(t) y(t) = (sen t cos t + e t ) para 0 t /2
2
e-t
(1 + e )
/2
para t /2
2
3.2. CORRELACION DE SEALES DETERMINISTICAS DE TIEMPO

CONTINUO
El concepto de correlacin implica el de Autocorrelacin y el de Correlacin Cruzada, y

son especficos y diferentes para seales de energa y de potencia.
3.2.1 . Seales Definidas en Trminos de Energa .
Autocorrelacin . Se puede definir la funcin autocorrelacin Rx () para una seal x(t)
de energa finita, como

x (t)x(t + )dt

R x ( ) = (3.17)

Haciendo el cambio de variable u = t + , lo cual implica que
t=u- y que du = dt
Por lo tanto, la ecuacin (3.17) se puede escribir de la manera siguiente

x(u)x (u )du

R x ( ) =

generalizando la variable temporal, la ecuacin anterior se puede escribir como

x(t)x (t )dt

R x ( ) = (3.18)

Las definiciones dadas por las ecuaciones (3.17) y (3.18), son utilizadas en la
bibliografa del tema. En los anlisis posteriores, se har uso de la definicin dada por la
ecuacin (3.17). En la definicin de autocorrelacin, se tiene que es el parmetro de
integracin .
La funcin de autocorrelacin se puede expresar como una convolucin.
Haciendo uso de la definicin de convolucin , se puede escribir la siguiente expresin

x () x() = x ( t)x( t)dt

Haciendo
u= - t
se obtiene

x () x() = x (u)x( + u)du

La integral del segundo miembro, corresponde a la definicin de Rx (), luego
R x () = x () x() (3.19)
Para x(t) real, se tiene

R x ( ) = x(t)x( + t)dt = x() x()

(3.20)
Rx () dice algo acerca de la variacin en el tiempo de f(t), al menos en un sentido

integrado o promediado. Por ejemplo, si Rx () es grande, entonces se infiere que x(
+ t) es muy similar (proporcional ) a x(t) para ese valor de . Si Rx () = 0 para algn
valor de , se tiene que x(t) y x( + t) son ortogonales .
Correlacin Cruzada . Si x(t) e y(t) son seales de energa finita, se definen las
correlaciones cruzadas Rxy () y Ryx ()como

R xy () = x (t)y(t + )dt = x () y()

o (3.21)

x(t)y (t )dt = x() y ()

R xy () =

Anlogamente Ryx () se define como

y (t)x(t + )dt = y () x()

R yx () = (3.22)

Para x(t) e y(t) reales, se tiene que

R xy () = x(t)y( + t)dt = x() y()

y (3.23)

R yx () = y(t)x( + t)dt = y() x()

Propiedades de la Funcin Correlacin .
Simetra.
a) R x () = R *x () (3.24. )
Demostracin .
Se tiene que

x (t)x(t )dt

R x () =

Haciendo : = t - , se obtiene

x ( + )x()d = x()x ( + )d

R x () =

expresin que puede escribirse como

R x () = x ()x( + )d

por lo tanto
R x () = R x ()
b) R yx () = R xy ()
Demostracin . De acuerdo a la ecuacin ( 3.22 ) se tiene que

R xy () = x (t)y(t )dt

haciendo el cambio de variable : = t - , la ecuacin anterior se puede escribir como
*

R xy () = x ( + )y()d = y ()x( + )d

pero

y ()x( + )d

R yx () =

por lo tanto
R xy () = R *yx ()
Para x(t) e y(t) reales, se tiene que
R xy () = R yx ()
Energa.
Esta propiedad establece que la energa E de una seal x(t) est determinada por
E = Rx (0) (3.25)
Demostracin
Para = 0, la ecuacin (3.17 ) queda

2
R x (0) = x (t)x(t)dt = x(t) dt

Como la energa E de la seal x(t), para una resistencia de carga de un ohm , est dada
por

2
E= x(t) dt

E = R x (0)
Valor Mximo.
Esta propiedad establece que
R x (0) R x () (3.26)
Demostracin
Partiendo de la desigualdad
[ x(t) x(t + )]
2
0
desarrollando e integrando, se tiene

x (t + )dt 2 x(t)x(t + )dt 0

2
Aplicando la definicin de autocorrelacin, se obtiene
2R x (0) 2R x () 0
de donde
R x (0) R x ()
Por lo tanto, la funcin de autocorrelacin Rx () est acotada por el valor de la energa

de la seal x(t) .
Aditividad. Si se suman dos seales, la funcin autocorrelacin de la suma puede o no

ser la suma de sus respectivas funciones de autocorrelacin. Para su determinacin se
considera que
z(t) = x(t) + y(t)

Por lo tanto

x (t) + y (t) [ x(t + ) + y(t + )] dt

R z ( ) =

Desarrollando el producto del argumento de la integral e integrando, se obtiene
R z () = R x () + R y () + R xy () + R yx () (3.27)
Funciones Incorreladas . Si se tiene que Rxy () = 0 para todo , se dice que x(t) e y(t)
son no correladas ( incorreladas ), se puede demostrar que
R yx () = R xy ()
Por lo que si
R xy () = 0 , luego R yx () = 0
Por lo tanto, para funciones incorreladas se tiene
R z ( ) = R x ( ) + R y ( ) (3.28)
Distribucin de Energa. Para determinar la distribucin de la energa de una seal en

el dominio de la frecuencia, se hace uso del concepto Densidad Espectral de Energa.
Densidad Espectral de Energa. Se tiene que la energa E de una seal x(t) est dada
por :

E= x
2
(t)dt

Si existe el siguiente par de transformada
x(t) X(f)
la energa E de x(t) se puede escribir como

E = x (t)dt = x(t) X(f )e jt df dt
2
intercambiando el orden de integracin en el segundo miembro, se obtiene

E = X(f ) x(t)e jt dt df

La integral dentro del parntesis cuadrado es X(-f), en consecuencia

E= X(f )X(f )df =
2
X(f ) df

Esta ltima ecuacin establece que la energa de una seal est dada por el rea bajo la
curva X(f)2. Al trmino X(f)2 se le denomina densidad espectral de energa y se le
designa Sx(f), o sea
X(f)2 = Sx (f)
La propiedad de la distribucin de la energa de la funcin autocorrelacin expresa que

la Transformada de Fourier de la funcin autocorrelacin de una seal x(t), es igual a la
Funcin Densidad Espectral de Energa Sx(f), es decir
F {R x ()} = X(f ) = Sx (f )
2
(3.29)
Demostracin
Dado que
R x () = x* () x()
Aplicando Transformada de Fourier a la ecuacin anterior, se obtiene
F {R x ()} = F { x () x()} = F { x ()} F { x(}
Como
F { x ()} = X (f )
se tiene que
F {R x ()} = X (f )X(f ) = X(f )
2
Por lo tanto
F {R x ()} = X(f ) = Sx (f )
2
Las transformadas de las correlaciones cruzadas no tienen esta interpretacin fsica. Por
definicin se tiene
R xy () = x () y()
de donde se obtiene
F {R xy ()} = X (f )Y(f ) = Sxy (f )
En forma anloga, se obtiene
F {R yx ()} = Y (f )X(f ) = Syx (f )
Para el caso de que

z(t) = x(t) + y(t)
se obtendr que
R z () = R x () + R y () + R xy () + R yx ()
Aplicando Transformada de Fourier a la ecuacin anterior, se tiene que
Sz (f ) = Sx (f ) + Sy (f ) + Sxy (f ) + Syx (f ) (3.30)
En el caso de que x(t) e y(t) sean incorreladas, la ecuacin (3.30) tiene la siguiente
forma
Sz (f ) = Sx (f ) + Sy (f ) (3.31)
Es decir, que para seales incorreladas la densidad espectral de la seal suma es igual a
la suma de las densidades espectrales de las seales componentes. Lo mismo ocurrir
con la energa total : Ez = Ex + Ey .
Desplazamiento. Esta propiedad establece que si Rxy() es la funcin de correlacin

cruzada de las seales x(t) e y(t), luego, se tendr que la funcin correlacin cruzada
entre las seales x(t t0) e y(t t1) es Rxy( + t0 t1) o Ryx( + t1 t0).
Demostracin. Por definicin de funcin de correlacin cruzada se tiene que

R xy () = x (t)y(t + )dt
*

Sean,
x1(t) = x(t t0) , y1(t) = y(t t1)
luego

R x1y1 () = x (t)y(t + )dt = x (t t )y(t t1 + )dt
* *
1 1 0

Haciendo m = t t0 t = m + t0 , la integral anterior se puede escribir como

R x1y1 () = x (m)y(m + t t1 + )dt
*
0

Definiendo
, t 0 t 1 +
se tiene que

R x1y1 () = x (m)y(m + )dt
* ,
Aplicando la definicin de funcin correlacin cruzada a la integral de la ecuacin

anterior, se obtiene
R x1y1 () = R xy (, ) = R xy ( + t 0 t1 ) (3.32)
Por un proceso similar, se demuestra que
R y1x1 () = R yx ( + t1 t 0 ) (3.33)
Considerando las seales x(t) e y(t) = x(t t1) se tiene
R xy () = R x ( t1 ) (3.34)
y
R y ( ) = R x ( ) (3.35)
De (3.35), se tiene que la funcin de autocorrelacin de una seal se mantiene, si tal

seal se desplaza en un monto dado.
Ejemplo 3.3
Determinar la funcin autocorrelacin de la onda pulso rectangular que se muestra en la

Figura 3.10.
f(t)
A
t
0 T
Figura 3.10. Pulso rectangular del Ejemplo 3.3
Solucin
Aplicando la definicin de autocorrelacin, y dado que f(t) es real, se tendr que

R f () = f (t)f (t + )dt

Se analizarn los siguientes casos
a) T
En este caso se tiene la siguiente grfica
f(t)
f ( t + )
A
t
+T 0 T
De acuerdo a tal grfica, se tendr que

R f () = f (t)f (t + )dt = 0

Ya que en ningn instante existe el producto f(t)f(t + ) .
b) 0 T
f(t)
f ( t + ) A
t
0 +T T
En este caso
+ T
R f () =
0
AAdt
R f () = A 2 + A 2 T
c) - T 0
f(t)
A f ( t + )
t
0 T +T
En este caso
T
R f () = A dt
2
Integrando
R f () = A 2 + A 2 T
d) -T
f(t)
A f ( t + )
t
0 T +T
En este caso
Rf ( ) = 0
Resumiendo, se tiene que

0 para T
2
A + A T 0T
2
para
R f () = 2
A + A T para -T 0
2
para T
0
La Figura 3.11, ilustra Rf ( ) .

R f ( )
A 2T

-T 0 T
Figura 3.11 . Grfica de Rf ( ) del Ejemplo 3.3
Para este ejemplo se tiene que la energa E de la seal f(t) est dada por .
E = Rf (0) = A2T [ Joules]
Ejemplo 3.4
No haciendo uso de las propiedades de desplazamiento, hallar la funcin de correlacin

cruzada Rxy ( ) y la densidad espectral de energa de z(t) = x(t) + y(t) , siendo x(t) e y(t)
las funciones mostradas en la Figura 3.12 .
x(t) y(t)
1 1
t t
-T/2 0 T/2 0 T
Figura 3.12. . Grficas de x(t) e y(t) del Ejemplo 3.4 .
Solucin .
i) Determinacin de Rxy () . Por definicin se tiene que

R xy () =

x(t)y(t + )dt
Se analizarn los siguientes casos
a) 3T/2 .
Esta situacin tiene la siguiente grfica

x(t)
y ( t + ) 1
t
+T -T/2 0 T/2
De acuerdo a la grfica, se tiene que
Rxy () = 0
b) T/2 3T/2
1 x(t)
y( t + )
t
-T/2 + T 0 T/2
En este caso
+ + T
2
3T
R xy () = dt = 2

T
2
c) -T/2 T/2
1
x(t) y( t + )
t
-T/2 0 T/2 +T
De acuerdo a la grfica anterior se tiene
T
2
T
R xy () = dt = +

2
d) - T/2 .
En este caso
Rxy () = 0
Por lo tanto
3T
0 para
2

3T para
T

3T

R xy () = 2 2 2
T + T
para -
T
2 2 2
T
0 para -
2
La Figura 3.13, muestra la grfica de Rxy ( ) .
R xy ()
T

-T -T/2 0 T/2 T 3T/2
Figura 3.13 . Grfica de Rxy ( ) del Ejemplo 3. 4 .
ii) Determinacin de F{Rz ( )} .Dado que
z(t) = x(t) + y(t)
se tiene
R z () = R x () + R y () + R xy () + R yx ()
En el apartado anterior, se determin Rxy (). Con un proceso similar al anterior, se

determina la siguiente expresin para Ryx ( ) :
T
0 para
2

- + T para -
T

T
2 2 2
R yx () =
+ 3T para -
3T

T
2 2 2
3T
0 para -
2
La Figura 3.14, ilustra la grfica de Ryx ( ) .
R yx ()
T

-3T/2 -T -T/2 0 T/2 T
Figura 3.14. Grfica de Ryx ( ) del Ejemplo 3 . 4 .
En el Ejemplo 3. 3. se determin Ry(), cuya grfica es la mostrada en la Figura 3.15.

R y ()
T

-T -T/2 0 T/2 T
Figura 3.15. Grfica de R y () del Ejemplo 3. 4 .
Tambin se demuestra que Rx ( ) est dada por :
0 T
-+T 0T

R x ( ) =
+ T -T 0
0 -T
O sea, Rx() = Ry().

Analizando las grficas de Ry ( ) , Rxy ( ) y de Ryx ( ) , se concluye que :
Rxy ( ) = Ry ( - T/2 )
Ryx ( ) = Ry( + T/2 )

Luego , Rz ( ) se reduce a
Rz ( ) = 2Ry ( ) + Ry ( - T/2 ) + Ry ( + T/2 )

Por lo tanto
F {R Z ()} = 2F {R y ()} + e jT / 2 F {R y ()} + e jT / 2 F {R y ()}
Reduciendo, se obtiene
F {R z ()} = F {R y ()} ( 2 + 2 cos T / 2 )
Pero
F {R y ()} = T 2 sin c 2 (fT)
En consecuencia
F {R z ()} = 2T 2 sin c 2 (fT) (1 + cos T / 2 )
Expresin que se puede escribir como
F {R z ()} = 4T 2 sin c 2 (fT) cos 2 ( fT/2)
Obviamente, haciendo uso de las propiedades de desplazamiento, la solucin se

simplifica bastante, y queda como ejercicio el verificarlo.
3.2.2. Funciones de Correlacin para Seales Definidas en Trminos de Potencia .

Dadas seales reales o complejas de potencia media finita, se definen las siguientes
funciones de correlacin :
Autocorrelacin de x(t) : Qx() . Se define Qx () como
T
2
1
Q x () = lim
T
T T
x (t)x(t + )dt (3.36)
2
Siendo T el intervalo de observacin .

En el caso de que x(t) sea peridica con perodo T, la funcin de autocorrelacin Qx()
est dada por
T
2
1
x (t)x(t + )dt

Q x ( ) = (3.37)
T T

2
Correlaciones Cruzadas: Qxy() y Qyx(). Si x(t) e y(t) son seales de potencia las
correlaciones cruzadas tienen las siguientes definiciones
T
2
1
x (t)y(t + )dt

Q xy () = lim (3.38)
T T
T

2
T
2
1
y (t)x(t + )dt

Q yx () = lim (3.39)
T T
T

2
En el caso de que x(t) e y(t) sean peridicas y con el mismo perodo T, se tiene
T
2
1
x (t)y(t + )dt

Q xy () = (3.40)
T T

2
T
2
1
y ()x(t + )dt

Q yx () = (3.41)
T T

2
Propiedades de la Funcin Correlacin para Seales Definidas en Trminos de

Potencia. Se considerarn las siguientes propiedades
Simetra. Esta propiedad establece que
Q x () = Qx () (3.42)
Q xy () = Qyx () (3.43)

T
2
1
x (t)x(t )dt

Q x () = lim
T T
T

2
Haciendo en la integral el siguiente cambio de variable
t-=u
Se obtiene

T
T

2 2
1 1
Q x () = lim x(u)x ( + u)du = lim x (u)x( + u)du = Q*x ()
T T T T

T
2

T
2

Para seales reales, se tiene

Q x () = Q x () (3.44)
Q xy () = Q yx () (3.45)
Valor Cuadrtico Medio. La funcin de autocorrelacin Qx ( ) evaluada en = 0 es

igual al valor cuadrtico medio de la seal x(t), o sea
T
2
1
x (t)x(t)dt =< x

Q x (0) = lim 2
(t) > (3.46)
T T
T

2
Por lo que Qx(0) proporciona la potencia media de la seal x(t) .
Valor Mximo. Para todo valor de se cumple que
Q x (0) Q x () (3.47)
Aditividad. Si se tiene
z(t) = x(t) + y(t)
luego
Q z () = Q x () + Q y () + Q xy () + Q yx () (3.48)
Desplazamiento. Las propiedades de desplazamiento son similares a las

correspondientes a las seales descritas en trminos de energa, como por ejemplo si
Qxy() es la funcin de correlacin cruzada de x(t) e y(t), la funcin de correlacin
cruzada entre x(t t0) e y(t t1) es
Q xy ( t1 + t 0 )
En el caso de que y(t) = x(t - to ), se tendr
Q xy () = Q x ( t 0 ) (3.49)
Periodicidad. Si x(t) = x(t + T ) , luego
Qx ( ) = Qx ( + T ) (3.50)
Demostracin
Para seales peridicas, por definicin se tiene
T
2
1
x (t)x(t + )dt

Q x ( ) =
T T

2
Por lo tanto, para Qx ( +T), se tiene
T
2
1
x (t)x(t + + T)dt

Q x ( + T) =
T T

2
Como x(t) = x(t + T), para todo t, se cumple que
x(t + ) = x(t + + T)
Por lo que
T
2
1
x (t)x(t + )dt

Q x ( + T) =
T T

2
Aplicando la definicin de funcin de autocorrelacin al segundo miembro de la

ecuacin anterior, se obtiene
Qx ( + T) = Qx ()
Es decir, que la funcin de autocorrelacin de una seal peridica, tambin es peridica

y con el mismo perodo de la seal .
Funciones de Correlacin de Fasores. Sea
j( 0 t + )
x(t) = Ae
con perodo T = 2/0 .
La funcin Qx () ser
T
2
1 j( o t + ) j0 ( t + ) +
Q x ( ) =
T Ae
T
Ae dt

2
Reduciendo, se obtiene
T
2
1
Ae
2 j0
Q x () = dt
T T

2
Integrando, se tiene
Q x () = A 2 e j0 (3.51)
En el clculo de funciones de autocorrelacin de seales definidas en trminos de

potencia resulta cmodo, a veces, usar el operador medio temporal < > , definido como
T
2
1
< x(t)> = lim
T T x(t)dt
T

2
As para el caso presentado, se tiene que
j( o t + ) j 0 ( t + ) +
Q x () =< x (t)x(t + ) > = <Ae Ae >
Q x () = A 2 < e j0 >= A 2 e j0
Si se tiene que
x(t) = Cn e jno t
luego ,
jno ( t + )
Q x () =< C n e Cn e jn0 t >= Cn e jn0
2
Ahora si
x n (t) = Cn e jn0 t
x m (t) = Cm e jm0 t
La funcin de autocorrelacin cruzada es
Q x m x n () =< Cm e jm0 t Cn e jn0 (t + ) >= Cm Cn e jn0 < e (

j n m)t
>
Como < ej(n - m )t > = 0 para n m, se tiene que
0 mn

Q x m x n () = (3.52)
2 jm0
Cn e m=n
Suponiendo que se tiene
x(t) = Cn e jn0 t
n
En este caso
Q x () =< Cm e jm0 t Cn e jn0 (t + ) >
m n
Promediando trmino a trmino y aplicando la Ecuacin (3.46), se obtiene
Q x () = Cn e jn0
2
(3.53)
n
Para = 0, se obtiene la potencia media Pm de x(t)
Q x (0) = Pm = Cn
2
3.2.3. Teorema de Wiener - Kintchine. El Teorema de Wiener - Kintchine, establece

que
F {Q x ()} = G x (f ) (3.54)
Donde Gx (f): Densidad Espectral de Potencia Media de la seal x(t)
3.2.4. Incorrelacin . Ortogonalidad . Incoherencia .
Incorrelacin. Dos seales x(t) e y(t) de energa (potencia) finita estn incorreladas si
Rxy () = Ryx () = 0
(Qxy () = Qyx () = 0 )
En este caso y supuesto que

z(t) = x(t) + y(t)
se verifica que
Rz () = Rx () + Ry () (3.55)
(Qz() = Qx () + Qy ())
y que
Sz ( f ) = Sx ( f ) + Sy ( f ) (3.56)
(Gz ( f ) = Gx ( f ) + Gy ( f ))
Ortogonalidad. Se dice que x(t) e y(t) son ortogonales si
Rxy ( 0 ) = Ryx ( 0 ) = 0 (3.57)

(Qxy (0) = Qyx (0) = 0)
En este caso se verifica que .

Rz(0) = Rx (0) + Ry (0 (3.58)
(Qz(0) = Qx (0) + Qy(0))
Si dos seales son incorreladas, tambin son, ortogonales, y es suficiente, aunque no

necesario, que dos seales sean ortogonales para que la energa (potencia) de z(t) sea la
suma de las energas (potencias) de x(t) e y(t), o sea
Ez = Ex + Ey (3.59)
(Pz = Px + Py)
Incoherencia. Para que sea cierto lo planteado en la ecuacin (3.59) es necesario

nicamente que
Rxy(0) = Ryx(0) = 0 (3.60)
( Qxy(0) = Qyx(0))
Utilizando la propiedad de simetra, se obtiene
e{ Rxy(0)} = e{Ryx(0)} = 0 (3.61)
(e{Qxy(0)} = e{Qyx(0)} = 0)
Cuando las seales cumplen la condicin planteada en la ecuacin (3.61), se dice que
son incoherentes. La incoherencia es la condicin necesaria para la aditividad de
energas (potencias).
Dos seales incorreladas son tambin ortogonales e incoherentes. Dos seales
ortogonales, tambin son incoherentes. El razonamiento inverso puede ser no cierto. Lo
estipulado para el caso de dos seales puede ser generalizado para cualquier nmero de
seales .
Al tratar el Teorema de Parseval se encontr esta ley de aditividad de potencias
medias, dado a que las componentes del desarrollo en Serie de Fourier son incoherentes
entre s .
Ejemplo 3.5
Determinar la potencia media de la seal z(t) dada por
z(t) = x(t) +y (t)

si :
x(t) = A1 cos(1t + 1)
y(t) = A2 cos(2t + 2)
Solucin
En general se tiene que .
Qz () = Qx() + Qy() +Qxy() + Qyx()

Adems
A12
Qx() = cos1
2
A 22
Q y () = cos2
2
Por otra parte, por ser x(t) e y(t) reales, se tiene

0 1 2

Q xy () =< x(t)y(t + ) >=
A A
1 2 cos(2 1 + 2 ) 1 = 2
2

0 1 2

Q yx () =< y(t)x(t + ) >=
A A
1 2 cos(2 + 1 2 ) 1 = 2
2
Se pueden considerar los siguientes casos particulares

a) Si 1 2 , o sea que x(t) e y(t) son incoherentes y en este caso
A12 A 22
Pz1 = Q z (0) = +
2 2
b) Si 1 =2 y 1 =2 , x(t) e y(t) son coherentes y en este caso
A12 A 22 A1A 2 A1A 2

Pz2 = Q z (0) = + + +
2 2 2 2
Expresin que se puede escribir como
( A + A2 )
2
Pz2 = 1
2
Resultado que era de esperar, dado que en este caso z(t) es una sinusoide de amplitud
A1 + A2 .
Analizando las expresiones de Pz1 y de Pz2 , se deduce que
Pz2 > Pz1

Seccin 3.3. Correlacin de Seales Aleatorias de Tiempo Continuo 139
Con x(t) = A1cos(1t + 1), de la siguiente expresin
A12
Q x ( ) = cos 1
2
Se infiere que la correlacin de una senoide es otra senoide de la misma frecuencia en el

dominio . El parmetro de fase desaparece, obedeciendo al efecto promediante de la
correlacin. Por razn de este efecto, se concluye que la autocorrelacin no define en
forma nica a la seal, ya que por ejemplo, todas las seales x(t)= Acos(0t + ) tienen
la misma Qx(), independiente de .
3.3 CORRELACION DE SEALES ALEATORIAS DE TIEMPO CONTINUO

3.3.1 Descripcin de Procesos Aleatorios. Una variable aleatoria X(s) transforma los
resultados s de un experimento al azar en nmeros reales. Un proceso aleatorio
(conocido tambin como proceso estocstico) transforma los resultados en funciones de
tiempo reales. La coleccin de funciones temporales se llama Ensamble (conjunto),
representado formalmente por v(t,s) y cada funcin es llamada Funcin Muestra .
Para clarificar el concepto de Proceso Aleatorio, se considerar el caso de ondas
de voltaje generadas por el movimiento trmico de los electrones en un gran nmero de
resistores idnticos, es decir se considerarn variables aleatorias continuas dado a que el
espacio muestral S de las amplitudes de los voltajes vS es continuo, de manera que se
tiene la aplicacin X(v) = v. El experimento fundamental puede ser: seleccionar un
resistor al azar y observar la onda entre sus terminales. La Figura 3.16 muestra algunas
formas de onda del conjunto v(t,s) asociadas con este experimento .
v1(t1)
v1(t) t
v2(t1)
v2(t) t
.
. vi(t1)
vi(t) t
t1 t2
V1 V2
Figura 3.16 Funciones Muestras de un Proceso Aleatorio
Un resultado en particular (o eleccin de resistor) corresponde a la funcin muestra vi(t)

= v(t,si) la que tiene el valor vi(t1) = v(t1,si) en un instante t1. La premisa bsica con
respecto a los procesos aleatorios, es que no se conoce que funcin muestra se est
observando. As, en un instante t1 se podr esperar cualquier valor del conjunto de
valores posibles v(t1,s). En otras palabras, v(t1,s) constituye una variable aleatoria V1,
definida por una por una lnea vertical a travs del conjunto de funciones muestras en
t=t1. As tambin, la lnea vertical en t = t2 define otra variable aleatoria V2. Desde este
punto de vista, un proceso aleatorio se reduce a una familia de variables aleatorias.
Omitiendo s, se representar el proceso aleatorio como v(t), esta notacin est en
concordancia con el hecho de que difcilmente se podr conocer detalles del
experimento. Se considerarn las variables aleatorias V1 = v(t1),V 2 = v(t2), etc., cuyas
funciones de probabilidad describen el proceso aleatorio en los respectivos instantes de
tiempo .
Supngase por ejemplo, que se conoce la funcin de densidad de probabilidad
de V1, designada por p V1 (v1 ) , donde la variable ficticia v1 no debe ser confundida con
una funcin muestra. La probabilidad de un evento de manera de que v(t1) a puede
determinarse integrando p V1 (v1 ) sobre - < v1 a. Se puede calcular el valor
medio v(t1 ) a partir de la frmula usual de esperanza o valor esperado. En forma
similar, dada la funcin densidad de probabilidad de V2, se podra calcular la
probabilidad P{v(t2)a} y el valor medio v(t 2 ) , cuyos valores diferirn generalmente
de los de v(t1 ). El conjunto de funciones densidades de probabilidad p V1 (v1 ), p V2 (v 2 ) ,
....... , proporcionan una descripcin parcial del proceso aleatorio referido en forma
colectiva como funcin densidad de primer orden .
Considerando las probabilidades conjuntas P{v(t1) a , v(t2) b} y dado que V1 y V2
son variables aleatorias diferentes y posiblemente dependiente, el clculo de la
probabilidad conjunta requiere de la funcin densidad de probabilidad conjunta
p V1V2 (v1 , v 2 ) , llamada funcin densidad de segundo orden, porque considera dos
instantes de tiempo t1, t2. Extendiendo este razonamiento a tres o ms instantes de
tiempo, se infiere que la descripcin completa de v(t) requiere de todas las funciones
densidad de probabilidad conjunta de orden ms alto p v1v2 .... (v1 , v 2 ,....) p v1v2 .... (v1 , v 2 ,....) .
La descripcin completa demanda una gran cantidad de trabajo y de datos, los
que rara vez estn disponibles en la prctica. Afortunadamente, la mayora de los
problemas en ingeniera requieren solamente de la descripcin de primer orden ms una
funcin de segundo orden (Funcin de Correlacin) .
Promedios Estadsticos (de Ensamble). Por conveniencia de notacin, el conjunto de
funciones densidad de probabilidad de primer orden se escriben como pV(v;t) y se
cumple que p V (v1 ; t1 ) = p V1 (v1 ) , etc. Dado pV(v;t), el promedio estadstico o valor
medio de v(t) en cualquier tiempo t es escrito como

v(t) = E { v(t)} = vp V (v; t)dv (3.62)

Obviamente t es constante en la integral de la ecuacin (3.62). Esta ecuacin representa

un promedio de ensamble, un promedio sobre el conjunto de ondas, manteniendo el
tiempo constante. Sin embargo, el valor v(t) puede depender del tiempo .
Funcin de Correlacin . Tal como en el caso de seales determinsticas, se definen
las funciones de autocorrelacin y de correlacin cruzada .
Funcin de Autocorrelacin . Otro promedio importante de ensamble es la funcin de

autocorrelacin Qv(t1,t2) definida como

Q v (t1 , t 2 ) = E { v(t1 )v(t 2 )} = vv p 1 2 V1V2 (v1 , v 2 )dv1dv 2 (3.63)

Esta esperanza conjunta difiere en tres aspectos en relacin a la autocorrelacin de

seales determinstica de potencia. Primero, se trata con promedios de ensamble en vez
de promedios temporales. Segundo, Qv(t1,t2) depende de t1 y de t2 y no de una nica
variable . Tercero, se ha limitado a procesos reales y por eso no aparece el trmino
complejo conjugado, en la definicin de la funcin autocorrelacin para seales
aleatorias .
Qv(t1,t2) tiene una interpretacin similar a la autocorrelacin determinstica, en el
sentido de que mide la relacin o dependencia entre V1 y V2. Si V1 y V2 son
estadsticamente independientes, luego
Q v (t1 , t 2 ) = v(t1 )v(t 2 ) (3.64)
Si t1 = t2 = t , se tiene
Q v (t, t) = E { v 2 (t)} = v 2 (t) (3.65)
Las ecuaciones (3.62) y (3.63) son ms fciles de manejar, cuando el proceso aleatorio
tiene la forma funcional v(t) = g(X,t) con X como variable aleatoria. As, en cualquier
tiempo t1,la relacin V1 = g(X,t1) es simplemente una transformacin de variable
aleatoria. Conociendo la funcin de densidad de probabilidad de X, se puede calcular
v(t) en un tiempo arbitrario aplicando

v(t) = E {g(X, t)} = g(x, t)p X (x)dx (3.66)

Del mismo modo, la funcin de autocorrelacin es

Q v (t1 , t 2 ) = E {g(X, t1 )g(X, t 2 )} = g(x, t )g(x, t
1 2 )p X (x)dx (3.67)

La siguiente expresin generaliza el caso de proceso aleatorio definido en trminos de

dos o ms variables aleatorias. Cuando por ejemplo v(t) = g(X,Y,t), su funcin de
autocorrelacin puede ser calculada, conocido pXY(x,y), aplicando

Q v (t1 , t 2 ) = g(x, y, t )g(x, y, t

1 2 )p XY (x, y)dxdy (3.68)
Funcin Correlacin Cruzada. Algunas veces se necesita examinar la estadstica

conjunta de dos procesos aleatorios, por ejemplo v(t) y w(t). Una medida til de su
relacin es la funcin de correlacin cruzada Qvw (t1,t2), la cual se define como
Q vw (t1 , t 2 ) = E { v(t1 )w(t 2 )} (3.69)

cuyo clculo considera la correspondiente funcin densidad de probabilidad conjunta.

El proceso se dice incorrelado si para todo t1 y t2 se cumple
Q vw (t1 , t 2 ) = v(t1 ) v(t 2 ) (3.70)
La cual se anula cuando uno de los procesos tiene valor medio cero. Procesos
fsicamente independientes son estadsticamente independientes y, por tanto,
incorrelados. Sin embargo, procesos incorrelados no necesariamente son independientes
.
Ejemplo 3.6 .
Se considera el experimento del comienzo de la seal de un generador sinusoidal de

frecuencia determinstica f0 y de amplitud A. El comienzo exacto de la seal es
aleatorio . Luego
x(t) = Asen (2f0t + )
donde la fase es una variable aleatoria con densidad de probabilidad uniforme , tal
como se muestra en la Figura 3.17 .
a) Determinar el valor medio estadstico de x(t) .
b) Determinar la funcin de autocorrelacin de x(t) .
p ()
1/2

0 2
Figura 3.17 Funcin de Densidad de Probabilidad de para el Ejemplo 3.6
Solucin
a) Considerando que x(t) = g(, t), se har uso de la relacin

x(t) = E {g(, t)} = g(, t)p ()d

Dado la grfica de p(), se tiene

2
A
x(t) = E {g(, t)} = AE {sen(2f 0 t + )} =
2 0
sen(2f 0 t + )d
A
x(t) = E {g(, t)} = cos ( 2f 0 t + 2 ) cos 2f 0 t = 0
2
O sea, que el valor medio estadstico es nulo para todo tiempo
b)La funcin de autocorrelacin est dada por

Q x (t1 , t 2 ) = E {g(, t1 )g(, t 2 )} = g(, t )g(, t
1 2 )p ()d

Como g(,t) = Asen (2f0t + ), se tiene
Q x (t1 , t 2 ) = A 2 E {sen(2f 0 t1 + ) sen(2f 0 t 2 + )}

A2
= E {cos2f 0 (t1 t 2 ) + cos[2f 0 (t1 + t 2 ) + 2]}
2
A2 A2
= E {cos2f 0 (t1 t 2 )} + E {cos[2f 0 (t1 + t 2 ) + 2]}
2 2
Luego,
A2
Q x (t1 , t 2 ) = cos 2f 0 (t1 t 2 )
2
Si t1 = t2 = t, se obtiene
A2
Q x (t, t) = x 2 (t) =
2
es decir, que el valor medio cuadrtico estadstico se mantiene constante en el tiempo .
3.3.2. Procesos Estacionarios y Procesos Ergdicos

Procesos Estacionarios. Un proceso aleatorio estacionario es aquel cuyas
caractersticas permanecen invariantes en todo instante. O, dicho de otro modo,
cualquier traslacin del origen del tiempo a lo largo del conjunto (ensamble) no afecta
los promedios estadsticos (de ensamble). Entre otras consecuencias de estacionaridad,
se tiene :
1.- El valor medio es independiente del tiempo, de manera que
A2
Q x (t, t) = x (t) =
2
(3.71)
2
2.- La funcin de autocorrelacin depende solamente de la diferencia de tiempo t1 -t2 , o

sea que
E { v(t1 )v(t 2 )} = Q v (t1 t 2 ) (3.72)
Si se cumplen estas condiciones, se dice que el proceso es estacionario en un sentido

amplio .
Cuando se trata de procesos estrictamente estacionarios o estacionarios en
sentido amplio, se puede hacer = t1-t2; y se puede reescribir la funcin de
autocorrelacin como
Q v () = E { v(t)v(t )} = E { v(t + )v(t)} (3.73)
Esta forma de expresin es anloga a la de la funcin de autocorrelacin de una seal de

potencia determinstica real. Haciendo = 0, se muestra inmediatamente que
Q v (0) = E {v 2 (t)}
De aqu se deduce que el valor medio cuadrtico y la varianza de un proceso

estacionario son constantes .
A partir de la ecuacin (3.73), se pueden establecer las siguientes propiedades de
Qv ()
Q v () = v 2 (t) (3.74)
Q v () Q v (0) (3.75)
Q v () = Q v () (3.76)
Adems, si v(t) y v(t ) son independientes cuando , luego
( )
2
lim Q v () = v(t) = m 2v (3.77)

Procesos Ergdicos. Cuando todos los promedios estadsticos son iguales a los
promedios temporales correspondientes, se dice que el proceso aleatorio es un proceso
ergdico. Un proceso ergdico debe ser estacionario, pero estacionaridad no garantiza
ergodicidad. La ergodicidad impone la condicin adicional, que una funcin muestra es
representativa del proceso entero .
Ejemplo 3.7.
Considrese la funcin muestra x(t) mostrada en la Figura 3.18, de la seal digital

aleatoria que tiene las siguientes propiedades: a) cada pulso tiene una duracin Tb; b) la
amplitud ak en el k-simo intervalo de pulso (k-1)< t-T < kTb es una variable aleatoria
discreta con valor medio cero y varianza 2. Las amplitudes en diferentes intervalos son
estadsticamente independientes, de manera que a ja k = a j a k = 0 para j k; c) el tiempo
de inicio T de x(t) est uniformemente distribuido en (0,Tb). Determinar la funcin de
autocorrelacin de x(t) .
x(t) a3
a1
Tb
t
0 T
a2
Figura 3.18 Seal Digital Aleatoria del Ejemplo 3.7 .
Solucin .
Dado a que x(t) = ak cuando t cae en el k-simo intervalo, se tiene que
E{x(t)} = E{ak } = 0
E{x2(t)} = E{ak2} = 2
luego , E{x(t)} y E{x2(t)} son independientes del tiempo, lo cual es caracterstica de un

proceso estacionario .
Sean t1 y t2 dos valores arbitrarios de tiempo ,y si t2 - t1 > Tb , es decir, que t1 y
t2 estn en intervalos diferentes , se tendr que
E{x(t1)x(t2)} = E{ajak} = 0
Resultado que tambin es vlido para t2 - t1 < Tb, siempre y cuando t1 y t2 caigan en
intervalos adyacentes .
Por otra parte , cuando t1 y t2 caen en el mismo intervalo se tiene que
E{x(t1)x(t2)} = E{ak2} = 2
Sea el evento A intervalos adyacentes, luego
E{x(t1)x(t2)} = E{ajak}P(A) + E{ak2}[1-P(A)]
la cual queda , para t2 - t1 < Tb, como
E{x(t1)x(t2)} = 2[1 - P(A)]
Para el clculo de P(A) es suficiente considerar el intervalo 0 < t < Tb, tal como se
muestra en la Figura 3.19, ya que P(A) tendr el mismo valor cuando t1 y t2 caigan en
cualquier rango de tiempo de longitud Tb .
t
0 t1 T t2 Tb
Figura 3.19. Pulso Simple del Ejemplo 3.7 .
Para t1 < t2 , como se muestra en la Figura 3.19, t1 y t2 estarn en intervalos de pulsos

adyacentes si t1 < T < t2 , y en este caso se tendr que
t t
t2
1
P(A) = P(t1 < T < t 2 ) = dt = 2 1
T
t1 b
Tb
Arbitrariamente se tom t2 > t1, pudindose haber tomado t1 > t2, por lo tanto para
considerar los dos casos en la expresin de P(A) basta considerar t1 - t2. Por lo cual, la
expresin de E{x(t1)x(t2)} se puede escribir como
t t
E { x(t1 )x(t 2 )} = 2 1 1 2 = Q x (t1 , t 2 ) .
Tb
Se ha encontrado que Qv(t1,t2) = E{x(t1)x(t2)} depende solamente de la diferencia de

tiempo t1 - t2 lo que implica que la onda digital aleatoria es un proceso estacionario en
un sentido amplio. De acuerdo a esto se puede hacer = t1 - t2, por lo que la expresin
de la funcin autocorrelacin queda

Q x ( ) = 2
Tb
donde ( / Tb)es la funcin tringulo.

La figura 3.20 ilustra Qx() .
Q x ( )
2
Tb 0 Tb
Figura 3.20 Grfica de Qv () del Ejemplo 3.7 .
Proceso Gaussiano. Un proceso aleatorio v(t) es un proceso gaussiano si pv(v;t) es una

funcin de densidad de probabilidad gaussiana para todo t1 y t2, y as mismo para cada
funcin de densidad de probabilidad conjunta de orden ms alto. Los procesos
gaussianos juegan un importante rol en el estudio de comunicaciones, porque el modelo
gaussiano se aplica a muchos fenmenos elctricos aleatorios, al menos como primera
aproximacin .
Para un proceso gaussiano v(t), se tienen las siguientes propiedades :
- El proceso es completamente descrito por v(t) y Qv(t1 , t2 ).
- Si Q v ( t1 , t 2 ) = v(t1 ) v(t 2 ) , luego v(t1) y v(t2) son incorrelados y estadsticamente
independientes.
-. Si v(t) satisface las condiciones de estacionaridad en sentido amplio, luego el proceso
es estrictamente estacionario y ergdico .
Cualquier operacin lineal de v(t) produce otro proceso gaussiano. Estas

propiedades representan una gran simplificacin en el anlisis de seales aleatorias.
Pero hay que tener presente, que tales propiedades se aplican, en general, a seales
elctricas gaussianas .
Seales Aleatorias. Para el anlisis de seales aleatorias slo se considerarn seales

aleatorias producidas por fuentes ergdicas o al menos fuentes estacionarias .
Potencia de Seal. Sea v(t) una seal aleatoria estacionaria, lo que significa que v(t) se
halla en el conjunto de funciones muestras v(t,s) de un proceso aleatorio estacionario.
Una consecuencia inmediata de estacionaridad es que cada funcin muestra vi(t) =
v(t,si) debe ser una seal de potencia. Lo cual es as, dado que
T
2
1
PT (si ) = v (t)dt
2
i
T T

2
Expresin que es igual a la potencia de seal promediada en -T/2 < t < T/2. La energa
total de vi (t) es

lim TPT (si ) = v (t)dt
2
i
T

Si la energa es finita, vi(t) debe de ser de tiempo limitado, tal que vi(t) 0 cuando
t . Esto representa que los promedios estadsticos, por ejemplo en t = 0 seran
diferentes a los determinados para grandes valores de t, lo cual contradice la
definicin de estacionaridad. Por lo tanto, se trabaja con la potencia de una seal
aleatoria estacionaria y no con su energa .
Como generalizacin de PT(si), se considera la variable aleatoria
T
2
1
PT (s) = v (t)dt
2
T T

2
La ecuacin anterior considera el conjunto entero v(t,s) = v(t). Dado a que no se conoce
a priori la funcin muestra que la fuente produce, se define la potencia media P de la
seal aleatoria v(t) como
P = lim E {PT (s)} (3.78)

T
Intercambiando el orden de integracin y de valor esperado, se tiene que
T
2
1
P = lim E {v (t)} dt =< E {v (t)} >
2 2
(3.79)
T T
T

2
La ecuacin (3.79) muestra ms claramente que P considera promedio temporal

despus de un promedio estadstico .
Como v(t) se asume estacionaria, se tiene que
E { v 2 (t)} = v 2 (t) = v 2
ya que v 2 es constante, luego

< v2 > = v2
por lo que la ecuacin (3.79), puede escribirse como
P = v 2 = 2v + m 2v = Q v (0) (3.80)
Luego, si 0 < v 2 < se dice que una seal aleatoria estacionaria es una seal de
potencia con potencia media v 2 . En forma similar, se determina que el valor medio de
una seal aleatoria estacionaria es < E { v(t)} > = v = m v .
Si la fuente es ergdica, como estacionaria, se tiene que cada funcin muestra
tiene la propiedad que < vi (t) >= v , <vi2 (t) > =v 2 , y as sucesivamente. Por lo tanto, se
pueden establecer las siguientes relaciones entre los promedios temporales y los
promedios estadsticos de una seal aleatoria ergdica
-El valor medio mv es igual a la componente contnua <v(t)> .

-El cuadrado del valor medio ( mv2 ) es igual a la potencia continua (< v(t) >)2 .
-El valor medio cuadrtico v 2 es igual a la potencia media total < v2 (t) > .
-La varianza 2v es igual a la potencia alterna .
-La desviacin estandard es igual al valor efectivo (r.m.s) de las componentes variables
en el tiempo .
Si el proceso es estacionario, pero no ergdico, se puede emplear tambin que
P = v , como los otros promedios estadsticos. Sin embargo, la potencia media de una
2
funcin muestra particular no es necesariamente igual a P .
Espectro de Potencia. La densidad espectral de potencia o espectro de potencia Gv(f)

de una seal aleatoria estacionaria v(t) ilustra cmo es la distribucin de la potencia P
en el dominio de la frecuencia. De acuerdo con el teorema de Wiener - Kintchine, Gv(f)
puede ser calculado a partir de Qv() a travs de la Transformada de Fourier, o sea

G v (f ) = Q

v ()e j2 f d (3.81)
y en forma recproca

Q v ( ) = G

v (f )e j2 f df (3.82)
Por lo tanto, la funcin de autocorrelacin y la densidad espectral de potencia, forman

un par de Transformada de Fourier, tal como en el caso de seales determinsticas .
Propiedades de Gv(f).

G

v (f )df = Q v (0) = v 2 = P (3.83)
G v (f ) 0 (3.84)
G v (f ) = G v (f ) (3.85)
La propiedad de simetra par se deriva del hecho que Qv() es real y par, dado a que v(t)
es real .
La densidad espectral de potencia de una seal aleatoria puede ser continua,
impulsiva o una mezcla, dependiendo de la naturaleza de la fuente.
Ejemplo 3.8.
Determinar la expresin de la densidad espectral de potencia de la seal digital aleatoria

del Ejemplo 3.7.
Solucin
En la resolucin del Ejemplo 3.7, se obtuvo la siguiente expresin de la funcin de
autocorrelacin de la seal digital aleatoria

Q v ( ) = 2
Tb
En funcin de la autocorrelacin, la densidad espectral de potencia Gv (f) est dada por

G v (f ) = Q

v ()e j d
Considerando la grfica de Qv(), Figura 3.20, tal ecuacin se puede escribir como
Tb
2
G v (f ) = 2 ( ) cos d
2
0
Tb
Tb Tb
2 2 2 1
G v (f ) = 2 sen cos + sen
0
Tb 2
0
de donde
2 2 4 2 T
G v (f ) = (1 cos Tb ) = sen 2 b
Tb
2
Tb
2
2
Ecuacin que puede escribirse como

Tb
sen 2
G v (f ) = 2 Tb 2
2
Tb

2
Por lo que haciendo uso de la definicin de la funcin sinc(x), se tiene que
G v (f ) = 2 Tb sin c 2 (fTb )
Una derivacin basada en razonamiento fsico, proporciona una definicin

alternativa til de espectro de potencia. Se considera la seal aleatoria de duracin finita
o truncada vT(t) definida como
T
v(t) t <
2

v T (t) =
T
0 t >
2
Ya que la funcin muestra tiene energa finita, se puede escribir su Transformada de

Fourier, en la forma
T
2
v (t)e jt dt = v(t)e
jt
VT (f ,s) = T dt (3.86)
T

2
Se tiene que VT(f,si)2 es la densidad espectral de energa de la funcin muestra

truncada vT(t,si). Adems, usando el Teorema de Rayleigh de energa en la forma
T
2
v (t)dt = v
2
2 2
T (t)dt = VT (f ,s) df
T

2
la potencia media P tendr la siguiente expresin
1
T
T
T
1
P = lim E VT (f ,s) df = lim E VT (f ,s) df
2
T
2
{ }
Por lo cual, el argumento de la integral puede ser interpretado como densidad espectral
de potencia. Luego, se puede definir el espectro de potencia Gv(f) de una seal aleatoria
como
1
G v (f ) = lim E VT (f ,s)
T T
2
{ } (3.87)
Esta definicin de Gv(f) est en concordancia con las propiedades dadas por las
ecuaciones (3.83), (3.84) y (3.85). Conceptualmente esta definicin corresponde a los
siguientes pasos: se calcula la densidad espectral de energa de la funcin muestra
truncada, se promedia sobre el ensamble, se divide por T para convertir la energa a
potencia, y luego se toma el lmite T .
Utilizando la ecuacin (3.32) se puede demostrar que
Gv(f) = F{Qv()}
Ejemplo 3.9.
La Figura 3.21 ilustra una funcin muestra de una seal telegrfica aleatoria. La
amplitud de esta onda vara entre dos valores aleatorios independientes equiprobables,
A y -A. El nmero de variaciones de nivel est gobernado por la distribucin Poisson.
Siendo x(t) la seal telegrfica, determinar
a) La funcin de autocorrelacin Qx ()
b) La densidad espectral de potencia Gx (f)
x(t)
A
0 t
-A
Figura 3.21 . Onda Telegrfica Aleatoria del Ejemplo 3.9

Solucin
a) Considerando lo que se conoce como puntos de Poisson, se forma un proceso
y(t) tal que y(t) = 1, si el nmero de puntos en el intervalo ( 0,t) es par, y que y(t) = -1
si este nmero es impar como se muestra en la Figura 3.22 .
y(t)
1
-1
Figura 3.22
Si p(k) es la probabilidad de tener k puntos en el intervalo (0,t), se tendr que
e t (t) k
p(k) =
k!
Los eventos {k puntos en (0,t)} son mutuamente excluyentes. As, la probabilidad de

tener un nmero par de puntos en (0,t) est dada por
(t) 2 (t) 4
p(0) + p(2) + ........ + ..... = e t 1 + + + ........ = et cosh t
2! 4!
De la misma manera, la probabilidad de tener un nmero impar de puntos en (0,t) est

dada por
(t)3 (t)5
p(1) + p(3) + p(5) + ........ + ..... = e t t + + + ...... = e t senh t
3! 5!
En consecuencia, se tiene que
P { y(t) = 1} = e t cosh(t)
P { y(t) = 1} = e t senh(t)
Para determinar la funcin de autocorrelacin de y(t), se necesita la probabilidad

conjunta de las variables aleatorias y(t1) e y(t2), y para ello se considerar que t1 - t2 =
> 0. Por lo tanto, para y(t2 ) = 1 se tendr que y(t1 ) = 1, cuando exista un nmero par de
puntos en el intervalo (t2 , t1). Luego
P { y(t1 ) = 1/ y(t 2 ) = 1} = e cosh
Como
P { y(t1 ) = 1, y(t 2 ) = 1} = P { y(t1 ) = 1/ y(t 2 ) = 1} P { y(t 2 ) = 1}
y empleando las expresiones correspondientes, se obtiene
P { y(t1 ) = 1, y(t 2 ) = 1} = e cosh()e t 2 cosh(t 2 )
Utilizando un mtodo similar se obtiene
P { y(t1 ) = 1, y(t 2 ) = 1} = e cosh()e t 2 senh(t 2 )
P { y(t1 ) = 1, y(t 2 ) = 1} = e senh()e t 2 senh(t 2 )
P { y(t1 ) = 1, y(t 2 ) = 1} = e senh()e t 2 cosh(t 2 )
Por otra parte

4
E { y(t1 )y(t 2 )} = [ y(t1 )y(t 2 ) ]n P { y(t1 ) = i , y(t 2 ) = j}
n =1
Donde
n=1 i = 1 , j = 1
n=2 i = 1 , j = -1
n=3 i = -1 , j = 1
n=4 i = -1 , j = -1
Desarrollando la sumatoria se obtiene
E { y(t1 )y(t 2 )} = Q y (t1 , t 2 ) = e 2
Invirtiendo el rol de t1 y de t2, o sea t1 < t2, y considerando un proceso estacionario, ya

sea en un sentido amplio o estrictamente, se concluye que la funcin de autocorrelacin
de y(t) est dada por
Q y ( t1 , t 2 ) = Q y () = e 1 2 = e
2 t t 2
De acuerdo a la definicin de y(t), se dice que y(t) representa una seal telegrfica semi
aleatoria dado que su valor y(0) = 1 no es aleatorio. Para remover esta certeza, se forma
el producto :
x(t) = ay(t)
Donde a es una variable aleatoria que toma los valores A y -A con igual probabilidad y
es independiente de y(t). El proceso x(t), formado representa una seal telegrfica
aleatoria. De las definiciones de x(t) y de a , se obtiene
E { x(t1 )x(t 2 )} = E {a 2 } E { y(t1 )y(t 2 )}

Como
1 1
E {a 2 } = A 2 + ( A) 2 = A 2
2 2
y haciendo uso de la expresin de E{y(t1 )y(t2)}, se obtiene
2
Q x ( ) = A 2 e
La Figura 3.23 ilustra la grfica de Qx()

Qx()

Figura 3.23 Grfica de Qx () del Ejemplo 3.9.
b)Se tiene que


G x (f ) = Q

x ()e j d
Haciendo uso de la expresin de Qx () obtenida en el apartado a), y dado a que Qx ()

es par, Gx(f) queda

A2 1
G x (f ) = 2 A e
2 2
cos d =
0
1 + ( f ) 2
La figura 3.24, ilustra la grfica de Gx(f) .
Gx (f)
f
Figura 3.24 . Grfica de Gx (f) del Ejemplo 3.9 .
3.4. USO DE MATLAB EN EL CALCULO DE CONVOLUCIN Y

CORRELACIN DE SEALES DE TIEMPO CONTINUO.
Se usa la funcin int de MATLAB para calcular la integral de convolucin o de

correlacin, en cada intervalo de inters del parmetro de integracin. La sintaxis a
aplicar es int(C,x,a,b), donde C es la integral de convolucin o de correlacin, x es la
variable de integracin, a lmite inferior de la integral y b es el lmite superior de la
integral.
3.4.1. Convolucin. Para ilustrar el mtodo sealado anteriormente, en el clculo de la

convolucin usando MATLAB, se desarrollar el ejemplo siguiente.
Ejemplo 3.10.
Considerando las seales x(t) e y(t) del Ejemplo 3.2, usar MATLAB para la evaluacin
de la convolucin de tales seales.
e t para t 0 sen at para 0 at /2 , con a=1 [ rad/seg ]

y(t) = x(t) =
0 para t < 0 0 otros valores

Seccin 3.4. Uso de Matlab.en el Clculo de Convolucin y Correlacin 155
de Seales de Tiempo Continuo
Solucin
Las grficas de x(t) e y(t), se muestran en la Figura 3.25.
1,2
1,2 x(t) y(t)
1
1
0,8
0,8
0,6
0,6
0,4
0,4
0,2
0,2
0
0 t t

2
Figura 3.25. Grficas de x(t) e y(t) del Ejemplo 3.10.
La grfica de x(-), se muestra en la Figura 3.26.
1,2 x()
1
0,8
0,6
0,4
0,2
0

2
a). t 0 . Este caso se representa en la Figura 3.27.
1,2
1
x(t ) y()
0,8
0,6
0,4
0,2
0
t
t
2
Siendo z(t) = x(t)*y(t), en este caso, se tendr z(t) = 0.
b) 0 t /2
Esta situacin se ilustra en la Figura 3.28
1,2
1 y()
x(t )
0,8
0,6
0,4
0,2
0
t
t
2
Figura 3.28. Grficas de x(t - ) y de y() para 0 t /2
Luego
t
z(t) = e sen(t )d
0
El programa MATLAB para calcular la integral de convolucin es
>> % Calculo de la Integral de Convolucion para 0<=t<=pi/2

>> x=sym('x','real');
>> z=exp(-x)*sin(t-x);
>> int(z,x,0,t)
ans =
1/2*exp(-t)-1/2*cos(t)+1/2*sin(t)
O sea
1
2
c) t /2
1,2
1 y()
x(t )
0,8
0,6
0,4
0,2
0

t t
2

t
z(t) =

e sen(t )d
+t
2
Aplicando el programa MATLAB, se tiene
>> % Calculo de la Integral de Convolucion para t>=pi/2

>> int(z,x,(-pi/2+t),t)
ans =
1/2*exp(-t)+1/2*exp(1/2*pi-t)
Es decir
e t
z(t) = 1 + e / 2
2
3.4.2. Correlacin. Dada la simplicidad de clculo, se considerarn seales de energa

para el uso de MATLAB, para la determinacin de correlacin de seales o funciones.
El proceso de clculo es similar al clculo de la convolucin
Ejemplo 3.11.
Determinar la funcin correlacin cruzada R x 2 x1 () de las seales x1(t) y x2(t)

mostradas en la Figura 3.30.
x1 (t) x 2 (t)
2 2
t t
1 1 1 1
Figura 3.30. Grficas de x(t) y de y(t) del Ejemplo 3.11
Solucin.
Se pide determinar

R x 2 x1 () = x

2 (t)x1 (t + )dt
Para ello, se considerarn los casos siguientes

a) 2
En este caso R x 2 x1 () = 0.
b) 1 2
La grfica de este caso, se muestra en la figura siguiente.
x 2 ( )
2 2
x1 (t + )
t
1 1 + 1 0 1
Luego
+1
R x 2 x1 () =
1
[2(t + 1)]2dt
El programa es
>> t=sym('t','real'); A=sym('A','real');

>> r=(-2)*(t+A-1)*2;
>> int(r,t,-1,-A+1)
ans =
-2*(-A+1)^2+10-4*A*(-A+2)-4*A
Luego
R x 2 x1 () = 2( + 1) 2 + 10 4( + 2) 4
Haciendo las reducciones, se obtiene:
R x 2 x1 () = 22 8 + 8
c) 0 1
x2(t)
2 2
x1(t+)
t
1 -1 0 +1 1
En este caso
+1
R x 2 x1 () = 2(t + + 1)2dt +
1

(2(t + 1))2dt .
El programa es

>> p=2*(t+A+1)*2; r=(-2)*(t+A-1)*2;
>>z=int(p,t,-1,-A); y=int(r,t,-A,-A+1);
>> x=z+y
x=
4*A^2+6+4*A*(-A+1)-8*A-2*(-A+1)^2
Por lo tanto
R x 2 x1 () = 42 + 6 + 4( + 1) 8 2( + 1) 2
Reduciendo se tiene
R x 2 x1 () = 22 + 4
d)-1 0
x 2 (t)
2 2
x1 (t + )
t
1 1 0 1 + 1
Para este caso
1
R x 2 x1 () =
1
2(t + + 1)2dt + (2)(t + + 1)dt

Luego
>>A=sym('A','real');
>>p=2*(t+A+1)*2; r=(-2)*(t+A-1)*2;
>> z=int(p,t,-A-1,-A); y=int(r,t,-A,1);
>> x=z+y
x=
4*A^2-2*(-A-1)^2+8*A+6-4*A*(1+A)
Por lo tanto
R x 2 x1 () = 22 + 4
d) -2 -1
x 2 (t)
2
2
x1 (t + )
t
1 0 1 1 + 1
Se tiene
1
R x 2 x1 () =
1
2(t + + 1)2dt

>> p=2*(t+A+1)*2; int(p,t,-A-1,1)
ans =
10-2*(-A-1)^2+4*A*(2+A)+4*A
De donde
R x 2 x1 () = 22 + 8 + 8
e) -2
Se puede obtener la grfica R x1x 2 () , utilizando MATLAB. Considerando que R x1x 2 ()

est dado por
0 2
2
2 8 + 8 1 2

R x 2 x1 () = -22 + 4 -1 1
22 + 8 + 8 -2 1

0 -2
El programa es el siguiente
>>% Grafica de Correlacin del Ejemplo 3.11

>> t=-3:.01:3;
>>u(101:601)=1; % Escalon u(t+2)
>>v(201:601)=1; % Escalon u(t+1)
>>w(401:601)=1; % Escalon u(t-1)
>> h(501:601)=1; % Escalon u(t-2)
>> s=u-v; % Se crea intervalo (-2,-1)
>> x=2*t.^2+8*t+8;
>> m=x.*s;% Correlacion en el intervalo (-2,-1)
>> a=v-w; % Se crea intervalo (-1,1)
>> y=-2*t.^2+4;
>> d=y.*a; % Correlacin en el intervalo (-1,1)
>> g=w-h; % Se crea intervalo (1,2)
>> z=2*t.^2-8*t+8;
>> c=z.*g; % Correlacion en el intervalo(1,2)
>> n=m+c+d; % Correlacin en el intervalo total(-2,2); plot(t,n)
>> title('Grafica Correlacion Cruzada Ejemplo 3.11'); axis([-3 3 -2 6]);
>> xlabel('Tiempo');ylabel('R_x_2_x_1(t)'); gris
Figura 3.31. Grfica R x 2 x1 () del Ejemplo 3.11

3.4.3. Uso de MATLAB en la Obtencin la Grfica de la Convolucin de Seales de

Tiempo Continuo. En la biblioteca de MATLAB, no existe una funcin que permita
obtener, en forma directa, la grfica de la convolucin de seales de tiempo continuo.
Para tal objetivo es necesario determinar una funcin auxiliar: convolucion.m, la que
para representar z(t) = x(t)*y(t), podra ser tener la sintaxis siguiente
[z, nz] = convolucion(x, t1, y, t2, T) (3.88)
Donde x(t) es una seal de tiempo limitado, definida en el intervalo t1, e y(t) es una
seal de tiempo limitado en el intervalo t2. El parmetro T es el intervalo de muestreo,
tanto de x(t) como y(t). La variable nz representa el vector tiempo de z. El programa de
esta funcin auxiliar es
function [z,nz]=convolucion(x,t1,y,t2,T)
% CONVOLUCION: Convolucion de seales de tiempo continuo
%
% Sintaxis
% [z,nz] = convolucion(x,t1,y,t2,T)
%
% Donde
% z Seal de Salida (Convolucion de tiempo continuo)
% nz Tiempo de la seal de salida
% x, y Seales de entrada continua y limitadas en el tiempo
% t1,t2 Tiempos de las seales de entrada continua
nzp = t1(1) + t2(1);

nzf = t1(length(x)) + t2(length(y));
nz = [nzp:T:nzf];
z = T*conv(x,y);
Ejemplo. 3.12.
Dadas las seales
x(t) = u(t) + u(t 1) 2u(t 2) , y(t) = 2u(t+1) - u(t) u(t 1)
a) Determinar grficamente la expresin de z(t) = x(t)*y(t).

b) Obtener la grfica de z(t) = x(t)*y(t), usando la funcin auxiliar convolucion de
MATLAB.
Solucin
Las grficas de las seales x(t) e y(t), se muestran en la Figura 3.32. Se considerar
como ncleo de la integral de convolucin a la seal x(t). Se considerar como ncleo
de la integral de convolucin, a la seal x(t).
x(t) y(t)
2 2
1 1
t t
0 1 2 -1 0 1
Figura 3.32. Grficas de las seales x(t) e y(t) del Ejemplo 3.12
a1) t 1.
x(t ) 2
y( )
1

t- 2 t-1 t -1 0 1
En este caso
z(t) = x(t)*y(t) = 0
a2) 1 t 0
2
x(t ) y( )
1

t-2 t - 1 -1 t 0 1
t
z(t) = 2d = 2t + 2
1
a3) 0 t 1
x(t )
2
y( )
1

t - 2 -1 t - 1 0 t 1
t 1 0 t
z(t) =
1
4d +
t 1
2d + d
0
z(t) = 3t + 2
a4) 1 t 2
x(t ) 2
y( )
1

-1t - 2 0t-1 1 t
0 t 1 1
z(t) =
t 2
4d + 0
2d + d
t 1
z(t) = 3t + 8
a5) 2 t 3
2 x(t )
y( )
1

-1 0 t-2 1 t-1 t
1
z(t) = 2d = 2t + 6
t 2
a6) t 3
z(t) = 0
Resumiendo
0 t -1
2t+2 -1 t 0

3t+2 0 t 1
z(t) =
-3t+8 1 t 2
-2t+6 2t3

0 t3
b)
El programa MATLAB para la grfica de z(t) = x(t)*y(t), es
>>% Grafica de z(t) = z(t)*y(t) del Ejemplo 3.12

>> t=-5:0.01:5;
>> u(501:1001)=1; % Se crean los escalones para formar
>> u1(601:1001)=1;% x(t) e y(t)
>> u2(701:1001)=1;
>> x=u+u1-2*u2; % Se crea x(t)
>> u3(401:1001)=1;
>> y=2*u3-u-u1; % Se crea y(t)
>> [z,nz]=convolucion(x,t,y,t,0.01);
>> plot(nz,z)
>> axis([-10 10 0 6]);
>> grid;
>> ylabel('z(t)');
>> title('Grafica de z(t)= x(t)* y(t) del Ejemplo 3.12');
Figura 3. 33. Grfica de z(t) = x(t)*y(t) del Ejemplo 3.12

Arbitrariamente se tom t2 > t1, pudindose haber tomado t1 > t2, por lo tanto para
considerar los dos casos en la expresin de P(A) basta considerar t1 - t2. Por lo cual, la
expresin de E{x(t1)x(t2)} se puede escribir como
t t
E { x(t1 )x(t 2 )} = 2 1 1 2 = Q x (t1 , t 2 ) .
Tb
Se ha encontrado que Qv(t1,t2) = E{x(t1)x(t2)} depende solamente de la diferencia de

tiempo t1 - t2 lo que implica que la onda digital aleatoria es un proceso estacionario en
un sentido amplio. De acuerdo a esto se puede hacer = t1 - t2, por lo que la expresin
de la funcin autocorrelacin queda

Q x ( ) = 2
Tb
donde ( / Tb)es la funcin tringulo.

La figura 3.20 ilustra Qx() .
Q x ( )
2
Tb 0 Tb
Figura 3.20 Grfica de Qv () del Ejemplo 3.7 .
Proceso Gaussiano. Un proceso aleatorio v(t) es un proceso gaussiano si pv(v;t) es una

funcin de densidad de probabilidad gaussiana para todo t1 y t2, y as mismo para cada
funcin de densidad de probabilidad conjunta de orden ms alto. Los procesos
gaussianos juegan un importante rol en el estudio de comunicaciones, porque el modelo
gaussiano se aplica a muchos fenmenos elctricos aleatorios, al menos como primera
aproximacin .
Para un proceso gaussiano v(t), se tienen las siguientes propiedades :
- El proceso es completamente descrito por v(t) y Qv(t1 , t2 ).
- Si Q v ( t1 , t 2 ) = v(t1 ) v(t 2 ) , luego v(t1) y v(t2) son incorrelados y estadsticamente
independientes.
-. Si v(t) satisface las condiciones de estacionaridad en sentido amplio, luego el proceso
es estrictamente estacionario y ergdico .
Cualquier operacin lineal de v(t) produce otro proceso gaussiano. Estas

propiedades representan una gran simplificacin en el anlisis de seales aleatorias.
Pero hay que tener presente, que tales propiedades se aplican, en general, a seales
elctricas gaussianas .
Seales Aleatorias. Para el anlisis de seales aleatorias slo se considerarn seales

aleatorias producidas por fuentes ergdicas o al menos fuentes estacionarias .
Potencia de Seal. Sea v(t) una seal aleatoria estacionaria, lo que significa que v(t) se
halla en el conjunto de funciones muestras v(t,s) de un proceso aleatorio estacionario.
Una consecuencia inmediata de estacionaridad es que cada funcin muestra vi(t) =
v(t,si) debe ser una seal de potencia. Lo cual es as, dado que
T
2
1
PT (si ) = v (t)dt
2
i
T T

2
Expresin que es igual a la potencia de seal promediada en -T/2 < t < T/2. La energa
total de vi (t) es

lim TPT (si ) = v (t)dt
2
i
T

Si la energa es finita, vi(t) debe de ser de tiempo limitado, tal que vi(t) 0 cuando
t . Esto representa que los promedios estadsticos, por ejemplo en t = 0 seran
diferentes a los determinados para grandes valores de t, lo cual contradice la
definicin de estacionaridad. Por lo tanto, se trabaja con la potencia de una seal
aleatoria estacionaria y no con su energa .
Como generalizacin de PT(si), se considera la variable aleatoria
T
2
1
PT (s) = v (t)dt
2
T T

2
La ecuacin anterior considera el conjunto entero v(t,s) = v(t). Dado a que no se conoce
a priori la funcin muestra que la fuente produce, se define la potencia media P de la
seal aleatoria v(t) como
P = lim E {PT (s)} (3.78)

T
Intercambiando el orden de integracin y de valor esperado, se tiene que
T
2
1
P = lim E {v (t)} dt =< E {v (t)} >
2 2
(3.79)
T T
T

2
La ecuacin (3.79) muestra ms claramente que P considera promedio temporal

despus de un promedio estadstico .
Como v(t) se asume estacionaria, se tiene que
E { v 2 (t)} = v 2 (t) = v 2
ya que v 2 es constante, luego

< v2 > = v2
por lo que la ecuacin (3.79), puede escribirse como
P = v 2 = 2v + m 2v = Q v (0) (3.80)
Luego, si 0 < v 2 < se dice que una seal aleatoria estacionaria es una seal de
potencia con potencia media v 2 . En forma similar, se determina que el valor medio de
una seal aleatoria estacionaria es < E { v(t)} > = v = m v .
Si la fuente es ergdica, como estacionaria, se tiene que cada funcin muestra
tiene la propiedad que < vi (t) >= v , <vi2 (t) > =v 2 , y as sucesivamente. Por lo tanto, se
pueden establecer las siguientes relaciones entre los promedios temporales y los
promedios estadsticos de una seal aleatoria ergdica
-El valor medio mv es igual a la componente contnua <v(t)> .

-El cuadrado del valor medio ( mv2 ) es igual a la potencia continua (< v(t) >)2 .
-El valor medio cuadrtico v 2 es igual a la potencia media total < v2 (t) > .
-La varianza 2v es igual a la potencia alterna .
-La desviacin estandard es igual al valor efectivo (r.m.s) de las componentes variables
en el tiempo .
Si el proceso es estacionario, pero no ergdico, se puede emplear tambin que
P = v , como los otros promedios estadsticos. Sin embargo, la potencia media de una
2
funcin muestra particular no es necesariamente igual a P .
Espectro de Potencia. La densidad espectral de potencia o espectro de potencia Gv(f)

de una seal aleatoria estacionaria v(t) ilustra cmo es la distribucin de la potencia P
en el dominio de la frecuencia. De acuerdo con el teorema de Wiener - Kintchine, Gv(f)
puede ser calculado a partir de Qv() a travs de la Transformada de Fourier, o sea

G v (f ) = Q

v ()e j2 f d (3.81)
y en forma recproca

Q v ( ) = G

v (f )e j2 f df (3.82)
Por lo tanto, la funcin de autocorrelacin y la densidad espectral de potencia, forman

un par de Transformada de Fourier, tal como en el caso de seales determinsticas .
Propiedades de Gv(f).

G

v (f )df = Q v (0) = v 2 = P (3.83)
G v (f ) 0 (3.84)
G v (f ) = G v (f ) (3.85)
La propiedad de simetra par se deriva del hecho que Qv() es real y par, dado a que v(t)
es real .
La densidad espectral de potencia de una seal aleatoria puede ser continua,
impulsiva o una mezcla, dependiendo de la naturaleza de la fuente.
Ejemplo 3.8.
Determinar la expresin de la densidad espectral de potencia de la seal digital aleatoria

del Ejemplo 3.7.
Solucin
En la resolucin del Ejemplo 3.7, se obtuvo la siguiente expresin de la funcin de
autocorrelacin de la seal digital aleatoria

Q v ( ) = 2
Tb
En funcin de la autocorrelacin, la densidad espectral de potencia Gv (f) est dada por

G v (f ) = Q

v ()e j d
Considerando la grfica de Qv(), Figura 3.20, tal ecuacin se puede escribir como
Tb
2
G v (f ) = 2 ( ) cos d
2
0
Tb
Tb Tb
2 2 2 1
G v (f ) = 2 sen cos + sen
0
Tb 2
0
de donde
2 2 4 2 T
G v (f ) = (1 cos Tb ) = sen 2 b
Tb
2
Tb
2
2
Ecuacin que puede escribirse como

Tb
sen 2
G v (f ) = 2 Tb 2
2
Tb

2
Por lo que haciendo uso de la definicin de la funcin sinc(x), se tiene que
G v (f ) = 2 Tb sin c 2 (fTb )
Una derivacin basada en razonamiento fsico, proporciona una definicin

alternativa til de espectro de potencia. Se considera la seal aleatoria de duracin finita
o truncada vT(t) definida como
T
v(t) t <
2

v T (t) =
T
0 t >
2
Ya que la funcin muestra tiene energa finita, se puede escribir su Transformada de

Fourier, en la forma
T
2
v (t)e jt dt = v(t)e
jt
VT (f ,s) = T dt (3.86)
T

2
Se tiene que VT(f,si)2 es la densidad espectral de energa de la funcin muestra

truncada vT(t,si). Adems, usando el Teorema de Rayleigh de energa en la forma
T
2
v (t)dt = v
2
2 2
T (t)dt = VT (f ,s) df
T

2
la potencia media P tendr la siguiente expresin
1
T
T
T
1
P = lim E VT (f ,s) df = lim E VT (f ,s) df
2
T
2
{ }
Por lo cual, el argumento de la integral puede ser interpretado como densidad espectral
de potencia. Luego, se puede definir el espectro de potencia Gv(f) de una seal aleatoria
como
1
G v (f ) = lim E VT (f ,s)
T T
2
{ } (3.87)
Esta definicin de Gv(f) est en concordancia con las propiedades dadas por las
ecuaciones (3.83), (3.84) y (3.85). Conceptualmente esta definicin corresponde a los
siguientes pasos: se calcula la densidad espectral de energa de la funcin muestra
truncada, se promedia sobre el ensamble, se divide por T para convertir la energa a
potencia, y luego se toma el lmite T .
Utilizando la ecuacin (3.32) se puede demostrar que
Gv(f) = F{Qv()}
Ejemplo 3.9.
La Figura 3.21 ilustra una funcin muestra de una seal telegrfica aleatoria. La
amplitud de esta onda vara entre dos valores aleatorios independientes equiprobables,
A y -A. El nmero de variaciones de nivel est gobernado por la distribucin Poisson.
Siendo x(t) la seal telegrfica, determinar
a) La funcin de autocorrelacin Qx ()
b) La densidad espectral de potencia Gx (f)
x(t)
A
0 t
-A
Figura 3.21 . Onda Telegrfica Aleatoria del Ejemplo 3.9

Solucin
a) Considerando lo que se conoce como puntos de Poisson, se forma un proceso
y(t) tal que y(t) = 1, si el nmero de puntos en el intervalo ( 0,t) es par, y que y(t) = -1
si este nmero es impar como se muestra en la Figura 3.22 .
y(t)
1
-1
Figura 3.22
Si p(k) es la probabilidad de tener k puntos en el intervalo (0,t), se tendr que
e t (t) k
p(k) =
k!
Los eventos {k puntos en (0,t)} son mutuamente excluyentes. As, la probabilidad de

tener un nmero par de puntos en (0,t) est dada por
(t) 2 (t) 4
p(0) + p(2) + ........ + ..... = e t 1 + + + ........ = et cosh t
2! 4!
De la misma manera, la probabilidad de tener un nmero impar de puntos en (0,t) est

dada por
(t)3 (t)5
p(1) + p(3) + p(5) + ........ + ..... = e t t + + + ...... = e t senh t
3! 5!
En consecuencia, se tiene que
P { y(t) = 1} = e t cosh(t)
P { y(t) = 1} = e t senh(t)
Para determinar la funcin de autocorrelacin de y(t), se necesita la probabilidad

conjunta de las variables aleatorias y(t1) e y(t2), y para ello se considerar que t1 - t2 =
> 0. Por lo tanto, para y(t2 ) = 1 se tendr que y(t1 ) = 1, cuando exista un nmero par de
puntos en el intervalo (t2 , t1). Luego
P { y(t1 ) = 1/ y(t 2 ) = 1} = e cosh
Como
P { y(t1 ) = 1, y(t 2 ) = 1} = P { y(t1 ) = 1/ y(t 2 ) = 1} P { y(t 2 ) = 1}
y empleando las expresiones correspondientes, se obtiene
P { y(t1 ) = 1, y(t 2 ) = 1} = e cosh()e t 2 cosh(t 2 )
Utilizando un mtodo similar se obtiene
P { y(t1 ) = 1, y(t 2 ) = 1} = e cosh()e t 2 senh(t 2 )
P { y(t1 ) = 1, y(t 2 ) = 1} = e senh()e t 2 senh(t 2 )
P { y(t1 ) = 1, y(t 2 ) = 1} = e senh()e t 2 cosh(t 2 )
Por otra parte

4
E { y(t1 )y(t 2 )} = [ y(t1 )y(t 2 ) ]n P { y(t1 ) = i , y(t 2 ) = j}
n =1
Donde
n=1 i = 1 , j = 1
n=2 i = 1 , j = -1
n=3 i = -1 , j = 1
n=4 i = -1 , j = -1
Desarrollando la sumatoria se obtiene
E { y(t1 )y(t 2 )} = Q y (t1 , t 2 ) = e 2
Invirtiendo el rol de t1 y de t2, o sea t1 < t2, y considerando un proceso estacionario, ya

sea en un sentido amplio o estrictamente, se concluye que la funcin de autocorrelacin
de y(t) est dada por
Q y ( t1 , t 2 ) = Q y () = e 1 2 = e
2 t t 2
De acuerdo a la definicin de y(t), se dice que y(t) representa una seal telegrfica semi
aleatoria dado que su valor y(0) = 1 no es aleatorio. Para remover esta certeza, se forma
el producto :
x(t) = ay(t)
Donde a es una variable aleatoria que toma los valores A y -A con igual probabilidad y
es independiente de y(t). El proceso x(t), formado representa una seal telegrfica
aleatoria. De las definiciones de x(t) y de a , se obtiene
E { x(t1 )x(t 2 )} = E {a 2 } E { y(t1 )y(t 2 )}

Como
1 1
E {a 2 } = A 2 + ( A) 2 = A 2
2 2
y haciendo uso de la expresin de E{y(t1 )y(t2)}, se obtiene
2
Q x ( ) = A 2 e
La Figura 3.23 ilustra la grfica de Qx()

Qx()

Figura 3.23 Grfica de Qx () del Ejemplo 3.9.
b)Se tiene que


G x (f ) = Q

x ()e j d
Haciendo uso de la expresin de Qx () obtenida en el apartado a), y dado a que Qx ()

es par, Gx(f) queda

A2 1
G x (f ) = 2 A e
2 2
cos d =
0
1 + ( f ) 2
La figura 3.24, ilustra la grfica de Gx(f) .
Gx (f)
f
Figura 3.24 . Grfica de Gx (f) del Ejemplo 3.9 .
3.4. USO DE MATLAB EN EL CALCULO DE CONVOLUCIN Y

CORRELACIN DE SEALES DE TIEMPO CONTINUO.
Se usa la funcin int de MATLAB para calcular la integral de convolucin o de

correlacin, en cada intervalo de inters del parmetro de integracin. La sintaxis a
aplicar es int(C,x,a,b), donde C es la integral de convolucin o de correlacin, x es la
variable de integracin, a lmite inferior de la integral y b es el lmite superior de la
integral.
3.4.1. Convolucin. Para ilustrar el mtodo sealado anteriormente, en el clculo de la

convolucin usando MATLAB, se desarrollar el ejemplo siguiente.
Ejemplo 3.10.
Considerando las seales x(t) e y(t) del Ejemplo 3.2, usar MATLAB para la evaluacin
de la convolucin de tales seales.
e t para t 0 sen at para 0 at /2 , con a=1 [ rad/seg ]

y(t) = x(t) =
0 para t < 0 0 otros valores

Solucin
Las grficas de x(t) e y(t), se muestran en la Figura 3.25.
1,2
1,2 x(t) y(t)
1
1
0,8
0,8
0,6
0,6
0,4
0,4
0,2
0,2
0
0 t t

2
Figura 3.25. Grficas de x(t) e y(t) del Ejemplo 3.10.
La grfica de x(-), se muestra en la Figura 3.26.
1,2 x()
1
0,8
0,6
0,4
0,2
0

2
a). t 0 . Este caso se representa en la Figura 3.27.
1,2
1
x(t ) y()
0,8
0,6
0,4
0,2
0
t
t
2
Siendo z(t) = x(t)*y(t), en este caso, se tendr z(t) = 0.
b) 0 t /2
Esta situacin se ilustra en la Figura 3.28
1,2
1 y()
x(t )
0,8
0,6
0,4
0,2
0
t
t
2
Figura 3.28. Grficas de x(t - ) y de y() para 0 t /2
Luego
t
z(t) = e sen(t )d
0
El programa MATLAB para calcular la integral de convolucin es
>> % Calculo de la Integral de Convolucion para 0<=t<=pi/2

>> x=sym('x','real');
>> z=exp(-x)*sin(t-x);
>> int(z,x,0,t)
ans =
1/2*exp(-t)-1/2*cos(t)+1/2*sin(t)
O sea
1
2
c) t /2
1,2
1 y()
x(t )
0,8
0,6
0,4
0,2
0

t t
2

t
z(t) =

e sen(t )d
+t
2
Aplicando el programa MATLAB, se tiene
>> % Calculo de la Integral de Convolucion para t>=pi/2

>> int(z,x,(-pi/2+t),t)
ans =
1/2*exp(-t)+1/2*exp(1/2*pi-t)
Es decir
e t
z(t) = 1 + e / 2
2
3.4.2. Correlacin. Dada la simplicidad de clculo, se considerarn seales de energa

para el uso de MATLAB, para la determinacin de correlacin de seales o funciones.
El proceso de clculo es similar al clculo de la convolucin
Ejemplo 3.11.
Determinar la funcin correlacin cruzada R x 2 x1 () de las seales x1(t) y x2(t)

mostradas en la Figura 3.30.
x1 (t) x 2 (t)
2 2
t t
1 1 1 1
Figura 3.30. Grficas de x(t) y de y(t) del Ejemplo 3.11
Solucin.
Se pide determinar

R x 2 x1 () = x

2 (t)x1 (t + )dt
Para ello, se considerarn los casos siguientes

a) 2
b) 1 2
La grfica de este caso, se muestra en la figura siguiente.
x 2 ( )
2 2
x1 (t + )
t
1 1 + 1 0 1
Luego
+1
R x 2 x1 () =
1
[2(t + 1)]2dt
El programa es

>> r=(-2)*(t+A-1)*2;
>> int(r,t,-1,-A+1)
ans =
-2*(-A+1)^2+10-4*A*(-A+2)-4*A
Luego
R x 2 x1 () = 2( + 1) 2 + 10 4( + 2) 4
Haciendo las reducciones, se obtiene:
R x 2 x1 () = 22 8 + 8
c) 0 1
x2(t)
2 2
x1(t+)
t
1 -1 0 +1 1
En este caso
+1
R x 2 x1 () = 2(t + + 1)2dt +
1

(2(t + 1))2dt .
El programa es

>> p=2*(t+A+1)*2; r=(-2)*(t+A-1)*2;
>>z=int(p,t,-1,-A); y=int(r,t,-A,-A+1);
>> x=z+y
x=
4*A^2+6+4*A*(-A+1)-8*A-2*(-A+1)^2
Por lo tanto
R x 2 x1 () = 42 + 6 + 4( + 1) 8 2( + 1) 2
Reduciendo se tiene
R x 2 x1 () = 22 + 4
d)-1 0
x 2 (t)
2 2
x1 (t + )
t
1 1 0 1 + 1
Para este caso
1
R x 2 x1 () =
1
2(t + + 1)2dt + (2)(t + + 1)dt

Luego
>>A=sym('A','real');
>>p=2*(t+A+1)*2; r=(-2)*(t+A-1)*2;
>> z=int(p,t,-A-1,-A); y=int(r,t,-A,1);
>> x=z+y
x=
4*A^2-2*(-A-1)^2+8*A+6-4*A*(1+A)
Por lo tanto
R x 2 x1 () = 22 + 4
d) -2 -1
x 2 (t)
2
2
x1 (t + )
t
1 0 1 1 + 1
Se tiene
1
R x 2 x1 () =
1
2(t + + 1)2dt

>> p=2*(t+A+1)*2; int(p,t,-A-1,1)
ans =
10-2*(-A-1)^2+4*A*(2+A)+4*A
De donde
R x 2 x1 () = 22 + 8 + 8
e) -2
Se puede obtener la grfica R x1x 2 () , utilizando MATLAB. Considerando que R x1x 2 ()

est dado por
0 2
2
2 8 + 8 1 2

R x 2 x1 () = -22 + 4 -1 1
22 + 8 + 8 -2 1

0 -2
El programa es el siguiente
>>% Grafica de Correlacin del Ejemplo 3.11

>> t=-3:.01:3;
>>u(101:601)=1; % Escalon u(t+2)
>>v(201:601)=1; % Escalon u(t+1)
>>w(401:601)=1; % Escalon u(t-1)
>> h(501:601)=1; % Escalon u(t-2)
>> s=u-v; % Se crea intervalo (-2,-1)
>> x=2*t.^2+8*t+8;
>> m=x.*s;% Correlacion en el intervalo (-2,-1)
>> a=v-w; % Se crea intervalo (-1,1)
>> y=-2*t.^2+4;
>> d=y.*a; % Correlacin en el intervalo (-1,1)
>> g=w-h; % Se crea intervalo (1,2)
>> z=2*t.^2-8*t+8;
>> c=z.*g; % Correlacion en el intervalo(1,2)
>> n=m+c+d; % Correlacin en el intervalo total(-2,2); plot(t,n)
>> title('Grafica Correlacion Cruzada Ejemplo 3.11'); axis([-3 3 -2 6]);
>> xlabel('Tiempo');ylabel('R_x_2_x_1(t)'); gris
Figura 3.31. Grfica R x 2 x1 () del Ejemplo 3.11

3.4.3. Uso de MATLAB en la Obtencin la Grfica de la Convolucin de Seales de

Tiempo Continuo. En la biblioteca de MATLAB, no existe una funcin que permita
obtener, en forma directa, la grfica de la convolucin de seales de tiempo continuo.
Para tal objetivo es necesario determinar una funcin auxiliar: convolucion.m, la que
para representar z(t) = x(t)*y(t), podra ser tener la sintaxis siguiente
[z, nz] = convolucion(x, t1, y, t2, T) (3.88)
Donde x(t) es una seal de tiempo limitado, definida en el intervalo t1, e y(t) es una
seal de tiempo limitado en el intervalo t2. El parmetro T es el intervalo de muestreo,
tanto de x(t) como y(t). La variable nz representa el vector tiempo de z. El programa de
esta funcin auxiliar es
function [z,nz]=convolucion(x,t1,y,t2,T)
% CONVOLUCION: Convolucion de seales de tiempo continuo
%
% Sintaxis
% [z,nz] = convolucion(x,t1,y,t2,T)
%
% Donde
% z Seal de Salida (Convolucion de tiempo continuo)
% nz Tiempo de la seal de salida
% x, y Seales de entrada continua y limitadas en el tiempo
% t1,t2 Tiempos de las seales de entrada continua
nzp = t1(1) + t2(1);

nzf = t1(length(x)) + t2(length(y));
nz = [nzp:T:nzf];
z = T*conv(x,y);
Ejemplo. 3.12.
Dadas las seales
x(t) = u(t) + u(t 1) 2u(t 2) , y(t) = 2u(t+1) - u(t) u(t 1)
a) Determinar grficamente la expresin de z(t) = x(t)*y(t).

b) Obtener la grfica de z(t) = x(t)*y(t), usando la funcin auxiliar convolucion de
MATLAB.
Solucin
Las grficas de las seales x(t) e y(t), se muestran en la Figura 3.32. Se considerar
como ncleo de la integral de convolucin a la seal x(t). Se considerar como ncleo
de la integral de convolucin, a la seal x(t).
x(t) y(t)
2 2
1 1
t t
0 1 2 -1 0 1
Figura 3.32. Grficas de las seales x(t) e y(t) del Ejemplo 3.12
a1) t 1.
x(t ) 2
y( )
1

t- 2 t-1 t -1 0 1
En este caso
z(t) = x(t)*y(t) = 0
a2) 1 t 0
2
x(t ) y( )
1

t-2 t - 1 -1 t 0 1
t
z(t) = 2d = 2t + 2
1
a3) 0 t 1
x(t )
2
y( )
1

t - 2 -1 t - 1 0 t 1
t 1 0 t
z(t) =
1
4d +
t 1
2d + d
0
z(t) = 3t + 2
a4) 1 t 2
x(t ) 2
y( )
1

-1t - 2 0t-1 1 t
0 t 1 1
z(t) =
t 2
4d + 0
2d + d
t 1
z(t) = 3t + 8
a5) 2 t 3
2 x(t )
y( )
1

-1 0 t-2 1 t-1 t
1
z(t) = 2d = 2t + 6
t 2
a6) t 3
z(t) = 0
Resumiendo
0 t -1
2t+2 -1 t 0

3t+2 0 t 1
z(t) =
-3t+8 1 t 2
-2t+6 2t3

0 t3
b)
El programa MATLAB para la grfica de z(t) = x(t)*y(t), es
>>% Grafica de z(t) = z(t)*y(t) del Ejemplo 3.12

>> t=-5:0.01:5;
>> u(501:1001)=1; % Se crean los escalones para formar
>> u1(601:1001)=1;% x(t) e y(t)
>> u2(701:1001)=1;
>> x=u+u1-2*u2; % Se crea x(t)
>> u3(401:1001)=1;
>> y=2*u3-u-u1; % Se crea y(t)
>> [z,nz]=convolucion(x,t,y,t,0.01);
>> plot(nz,z)
>> axis([-10 10 0 6]);
>> grid;
>> ylabel('z(t)');
>> title('Grafica de z(t)= x(t)* y(t) del Ejemplo 3.12');
Figura 3. 33. Grfica de z(t) = x(t)*y(t) del Ejemplo 3.12

PROBLEMAS
3.1 Realizar la convolucin de las dos seales mostradas en la Figura P3.1.

Figura P 3.1
x1 (t) x 2 (t)
2 2
t t
-1 0 1 -1 0 1
3.2. Si S(f) = 0 para f > fm y que a/2 > fm , demostrar que
sen(at)
s(t) * = s(t)
t
3.3. Determinar s1(t)*s2(t) para las funciones ilustradas en la Figura P 3.3
s1 (t) s2 (t)
A B
t t
0 1 0 2
a)
s1 (t) s2 (t)
A B
t t
0 1 -1 0 1
b)
Figura P 3.3
3.4. Determinar h(t)*f1(t), cuyas grficas se muestran en la Figura P 3.4.

h(t) f1 (t)
16 A
4
20
t t
0 10 30 0 5
-8
Figura P 3.4
3.5. Aplicando el teorema de convolucin en frecuencia, determinar la Transformada de

Fourier de la funcin cos22f0t.
3.6. Determinar la Transformada de Fourier de la seal
x(t) = e-tu(t)*e-2tu(t)
a) Efectuando primeramente la convolucin y transformando el resultado.

b) Tomando la transformada de cada seal convoluida y despus multiplicando los
resultados.
3.7. Demostrar si cada una de las siguientes ecuaciones es en general verdadera.

a) Si y(t) = x(t)*h(t), entonces y(2t) = 2x(2t)*h(2t).
b) Si x(t) e y(t) son impares entonces y(t) = x(t)*h(t) es par.
3.8. Calcular x(t)*y(t) para - < t < , con:
x(t) = u(t) + u(t 1) 2u(t 2)

y(t) = 2u(t + 1) u(t) u(t 1)
3.9. Determinar las expresiones de la funcin de autocorrelacin y de la densidad
espectral de energa, para las siguientes seales de energa
a) Asinc(2Wt)
b) Ae-t/Tu(t)
3.10. Se tiene la seal

x(t) = A ( at )
Cuya grfica se muestra en la Figura P 3.10.
a) Determinar la funcin de autocorrelacin de x(t).
b) Calcular la densidad espectral de energa de x(t), a partir de su funcin de
autocorrelacin.
c) Aplicar el Teorema de Parseval para hallar la expresin de la densidad espectral de
energa de x(t).
x(t)
A
-a/2 0 a/2
Figura P 3.10
3.11. Determinar la densidad espectral de energa de la seal f(t) = e-atu(t):

a) A travs de su funcin de autocorrelacin.
b) Aplicando directamente Transformada de Fourier a f(t).
3.12. a) Hallar la funcin de autocorrelacin de la derivada de la onda de la Figura

P3.12.
b) Se obtendr Rf() con dos integraciones sucesivas?.
c) Verificar los resultados obtenidos en a) y b) determinando Rf() directamente de f(t).
f(t)
T
t
-T 0
-A
Figura P 3.12
3.13. La seal x(t) tiene la densidad espectral de potencia Gx() dada por
1
G x () = + ( 3) + ( + 3)
1 +
2

a) Cul es la potencia media total de x(t)?
b) Cul es la potencia media en el intervalo de frecuencia de 0,9 a 1,1 [rad/seg]?
c) Cul es la potencia media en el intervalo de frecuencia de 1,9 a 2,1 [rad/seg]?
d) Determinar la funcin autocorrelacin Qx() de la seal x(t).
e) Determinar una seal x(t) que tenga la densidad espectral de potencia especificada.
3.14. Determinar y dibujar la funcin de autocorrelacin de la onda mostrada en la

Figura P 3.14.
x(t)
A
......... .........
t
T2 0 T
2 T
-A
Figura P 3.14
3.15. Determinar la densidad espectral de potencia y la funcin de autocorrelacin de la

seal
x(t) = cos 20t + cos 40t
3.16. Calcular la funcin de autocorrelacin y densidad espectral, de potencia o de

energa segn sea el caso, de las siguientes seales:
a) x(t) = Asinc(at)
b) x(t) = p(t nT) , siendo p(t) = 0 para t > T/2
n
3.17. Determinar la correlacin cruzada entre las seales x(t) e y(t), cuyas grficas se
muestran en la Figura P 3.17. Determinar la densidad espectral de energa de z(t) = x(t)
+ y(t).
x(t) y(t)
1 1
t t
-T 0 0 T
Figura P 3.17
3.18. Una onda senoidal rectificada onda completa, tiene una amplitud A y un periodo
T.
a) Determinar su valor cuadrtico medio en el dominio del tiempo.
b) Usando autocorrelacin, determine la expresin para su densidad espectral.
3.19. X(t) es un proceso aleatorio estacionario con valor medio 1 y autocorrelacin

Qx(), dada por

Q x () = e
Determinar la media y autocorrelacin del proceso Y(t) = X(t 1).
3.20. X(t) es proceso aleatorio estacionario con valor medio cero. Es el proceso Y(t) =
tX(t) estacionario?. Determinar la media y autocorrelacin de Y(t).
3.21. El proceso estacionario X(t) tiene una densidad espectral de potencia Gx().
Hallar la densidad espectral de potencia de Y(t) = X(t) X(t T).
3.22. Sea x(t) = Acos(2Ft + ), donde A es una constante y F y son variables

aleatorias. Si tiene una distribucin uniforme sobre 2 radianes y F tiene una funcin
de probabilidad pF(f).

A2
a) Demostrar que Q x (t1 , t 2 ) = cos 2(t1 t 2 )pF ()d .
2
b) Determinar x(t) , x 2 (t)
3.23. Sean X e Y dos variables aleatorias independientes con valor medio cero y
varianza 2 . Determinar la funcin correlacin cruzada de los procesos estacionarios
v(t) = Xcos0t + Ysen0t
w(t) = Ycos0t Xsen0t

2
3.24. Una seal aleatoria dada tiene Q v () = 16e (8 ) + 9 .
a) Determinar y dibujar el espectro de potencia
b) Determinar el valor continuo de la seal, potencia media y valor eficaz o rms.

ANALISIS SEÑALES H.Mendiazabal

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

ANALISIS SEÑALES H.Mendiazabal

Caricato da

Copyright:

Formati disponibili

CAPTULO

1 Conceptos Bsicos de Seales y Sistemas

Cuando se hace referencia a los conceptos de seales y sistemas, su aplicacin es

1.1 DEFINICION DE SISTEMA, SEAL. SEALES ELECTRICAS. SISTEMAS

Sistema. Un sistema es un grupo de objetos que pueden interactuar armnicamente y

Figura 1.1 Diagrama de un Sistema

Es conveniente usar los conceptos de seal y respuesta resultante para describir

La notacin compleja de seales es conveniente para describir fenmenos

x(t) = A cos(t + ) (1.1)

Conceptos Bsicos en Teora de Informacin. Como el concepto de sistema se

Informacin. C. Shannon, estableci una teora matemtica de comunicaciones que

de informacin recibida al conocer la ocurrencia de un evento est relacionada con la

Fuentes de Informacin. Existen diferentes clases de fuentes de informacin, por lo

Comunicacin. Cuando entre dos entes, interlocutores, se tiene un intercambio de

1.1.1. Elementos de un Sistema de Comunicacin. Para visualizar la relacin seal

MENSAJE DE SEAL DE SEAL SEAL SEAL DE MENSAJE DE

Transductor Canal o medio Transductor

*Ruido y distorsin asociado a

Figura. 1.2 Elementos de un Sistema de Comunicacin.

Elementos Funcionales de un Sistema de Comunicacin. Omitiendo los

Transmisor. El transmisor es el elemento que pasa el mensaje al canal en forma de

Canal de Transmisin. El canal o medio de transmisin es el enlace elctrico entre el

Distorsin. Interferencia. Ruido. Durante la transmisin de la seal se presentan

1.2 CLASIFICACION DE SEALES ELECTRICAS .

La Figura 1.3. ilustra en forma esquemtica una primera clasificacin de seales

Figura 1.3 . Clasificacin de Seales Elctricas

La expresin de una seal determinstica puede ser todo lo complicada posible y an en

Seales Determinsticas Estacionarias. Son aquellas seales que mantienen constante

1.2.2. Seales Aleatorias. Las variaciones de estas seales son extremadamente

su caracterizacin en base a ciertos valores medios. Lo cual implica que el

Seales Aleatorias Estacionarias. Las seales aleatorias estacionarias presentan algn

1.2.3. Seales Multicanal y Multidimensional. Seales de Tiempo Continuo y

Seales Multicanal. Los mtodos que se utilizan en el procesamiento de seales o en el

Seales Multidimensional. Si una seal es una funcin de una variable independiente

Seales de Tiempo Continuo y de Tiempo Discreto. Las seales pueden clasificarse

Seales de Tiempo Discreto. Estas seales estn definidas solamente en valores

-Seleccin de valores de una seal anloga en instantes discretos de tiempo. Este

Seales de Valores Continuos y de Valores Discretos. Los valores de una seal de

1.2.4. Seales Descritas en Trminos de Energa y en Trminos de Potencia

1.3. DESCRIPCION DE SEALES EN LOS DOMINIOS DEL TIEMPO Y DE

1.3.1. Descripcin de Seales en el Dominio del Tiempo. El estudio de una seal en el

1.3.2. Conceptos de Descripcin de Seales en el Dominio de la Frecuencia. La base

Espectro . La representacin de las seales en el dominio de la frecuencia se denomina

Espectro Continuo. Un espectro se dice continuo si la funcin que lo caracteriza es una

Espectro Discreto . Un espectro es discreto si existe slo para valores discretos de la

Figura 1.5 . Grfica de Espectro Discreto

Un espectro discreto est formado por lneas espectrales .

Seales de Alta Frecuencia . Una seal es de alta frecuencia, si su densidad espectral

Figura 1.7 . Grfica de la Densidad Espectral de Potencia (Energa) de una Seal

Figura 1.8 . Grfica de la Densidad Espectral de Potencia (Energa) de una Seal

Dada la relacin entre la densidad espectral y el espectro de una seal , lo establecido

Seales de Banda Ancha. Si no se satisface la relacin (1.5), se dice que la seal es de

Seales de Banda Limitada. Una seal x(t) es de banda limitada, si su Transformada

X(f ) = 0 para f > f m (1.6)

1.4 CLASIFICACION DE SISTEMAS

La primera gran clasificacin de los sistemas se basa en la relacin entre la naturaleza

1.4.1. Sistemas de Tiempo Continuo. Un sistema de tiempo continuo es aquel que

1.4.3 . Sistemas con Memoria / Sistemas sin Memoria.

Sistemas con Memoria o Dinmicos. Un sistema que no cumpla con los

1.4.4. Sistemas Invariantes en el Tiempo / Sistemas Variantes en el Tiempo. Se

Sistemas Invariantes en el Tiempo. Se tiene que un sistema es invariante en el tiempo

Sistemas Variantes en el Tiempo. Un sistema que no cumpla la propiedad de

1.4.5. Sistemas Lineales / Sistemas no Lineales. La clase general de sistemas tambin