Sei sulla pagina 1di 14

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, DECANA DE AMERICA)


FACULTAD DE INGENIERIA ELECTRONICA Y ELECTRICA
E.A.P. INGENIERIA ELECTRONICA
LABORATORIO DE PROCESAMIENTO DIGITAL DE SEÑALES

LABORATORIO NO.1: SECUENCIAS

1.1 SECUENCIAS

En este capítulo el estudiante se centrará en la generación de algunas secuencias básicas que


representa a las señales continuas muestreadas en tiempo discreto utilizando Matlab. Las
secuencias básicas que se experimentarán son la secuencia impulso unitario, secuencias
exponenciales discretas, secuencias senoidales discretas y secuencia exponenciales complejas.
Así mismo también se incluye las operaciones básicas con las secuencias, por lo que mediante
el desarrollo de los experimentos se utilizaran rutinas con vectores para la generación de
secuencias utilizando Matlab 6.0.

1.2 OBJETIVO

Aprender a generar y visualizar secuencias básicas así como las operaciones elementales con
secuencias.

1.3 EQUIPOS Y MATERIALES REQUERIDOS


El equipo de experimentación necesario para realizar el presente laboratorio es:
1. PC Pentium III o superior.
2. Sistema Operativo Windows 2000 o XP.

1.4 SOFTWARE REQUERIDO


El siguiente software es necesario para realizar este laboratorio:
1. Matlab V. 6.0
2. Librerías y archivos de soporte.

1.5 SECUENCIAS BÁSICAS

Las secuencias son aquellas señales discretas generadas a partir del muestreo de señales cuya
variable independiente es continua. Por ejemplo, para el procesamiento discreto de una señal
electrocardiográfica se necesita una secuencia donde estén almacenados los valores que toma en
los instantes temporales equiespaciados.

En tal sentido lugar debemos entender que la presentación gráfica de señales en tiempo discreto
con Matlab, el estudiante deberá realizar este ejercicio y los siguientes generando los códigos
necesarios. Por ejemplo utilizando Matlab se ha generado 31 puntos de una sinusoide de tiempo
discreto el cual se muestra en la figura 1.1.

% Se forma un vector de 31 puntos


nn = 0:30;
sen = sin(nn/2+1);
stem (nn,sen)

1
(a) stem(nn,sen) (b) stem(sen)

Fig. 1.1- Representación gráfica utilizando la función stem

Observe en la Fig. 1.1 (a) y (b), para n=0 en el eje de la abscisas. En ambos casos los valores
son diferentes, debido al esquema que utiliza matlab para asociar los índices.

Compare stem(nn,sen) con stem(sen) y observe en cual de los casos es errónea la


numeración del eje n.

Ejercicio 1.1

En forma análoga realizar la representación gráfica de la Fig 1.1 utilizando Scilab u Octave.

1.5.1 SECUENCIA IMPULSO UNITARIO

La secuencia más sencilla es la secuencia impulso unidad:

1 n  0
 [ n]  
0 n  0 (1.1)

y la secuencia impulso unidad desplazado definida como:

1 n  n0
 [ n  n0 ]   (1.2)
0 n  n0

Cuando se crea la función impulso discreto debemos decidir que intervalo de la secuencia nos
interesa. Si [n] se utiliza para excitar un sistema discreto lineal e invariante en el tiempo, causal
y suponiendo que se necesita analizar L puntos desde n=0 a n=L-1 podemos crear esta
función con el siguiente código, en el cual se ha tomado L=31:

L=31;
nn=0:(L-1);
Imp=zeros (L,1);
Imp(1)=1;
stem(nn,Imp)

Observe que para la primera muestra, le corresponde el valor n= 0, pero se accede con imp(1)
debido al esquema de asignación de índices en Matlab, tal como se muestra en la Fig. 1.2.

2
Fig. 1.2.- Gráfica de la secuencia impulso unidad.

La propiedad más importante de la secuencia impulso unidad, se debe a que cualquier secuencia
arbitraria x[n] puede ser expresada como:


x  n   x  k   n  k  (1.3)
k 

donde los x[k] son considerados como valores constantes que representan la amplitud de la
secuencia impulso unidad en ese instante de secuencia. Este aspecto es de interés que se toma en
cuenta al considerar sistemas lineales discretos.

Ejercicio 1.2

Generar y representar gráficamente las siguientes secuencias dentro de los intervalos


especificados:
x1[n]  0.8 [n] -30  n  30
x2 [n]  3 [n] -20  n  20
x3 [n]  0.8 [n  115] 100  n  150
x4 [n]  4.5 [n  90] -100  n  100
x5 [n]  0.8 [6  n] -35  n  35
x1[n]  0.8 [6  n] -35  n  35

En cada caso el eje horizontal de las secuencias (n) debe extenderse solamente sobre el
intervalo indicado y numerarse de manera adecuada.

Ejercicio 1.3

Las secuencias impulsionales desplazadas [n-n0], pueden utilizarse para construir un tren de
impulsos discretos ponderados, con periodo T y longitud total finita MT:

M 1
s[n]   x  k   n  kT  (1.4)
k 0

Los x[k] son las amplitudes de cada impulso unidad; y si todos son iguales, el tren de impulsos
resultante será periódico y de periodo T.

Genere y represente gráficamente un tren de impulsos discretos periódicos, cuyo periodo sea
T= 3 y longitud total 40. La señal debe comenzar en n=0. ¿Cuántos impulsos contiene esta
señal de longitud finita?

3
Luego, considere a x[k]=Cos((π/8)k), donde k = 0, 1, 2, ……, M-1. Representar gráficamente
s[n] de (1.4) para M=40.

1.5.2 SECUENCIA ESCALÓN UNITARIO

La secuencia escalón unidad está definida por la siguiente expresión:

1 n  0
u[n]  
0 n  0 (1.5)

Las relaciones más importantes entre la secuencia impulsional unidad y la secuencia escalón
unitaria vienen dadas a través de:

 
u  n     k     n  k  (1.6)
k  k 0

  n  u  n  u  n  k  (1.7)

Si deseamos visualizar mediante Matlab un intervalo de la secuencia escalón unitario entre los
instantes −40 ≤ n ≤ 39, una posible secuencia de comandos será:

>> n = -40:39;
>> x = zeros(80,1);
>> x(41:80) = ones(40,1);
>> stem(n,x)
>> title(’u(n)’), xlabel(’n’)

Observe que la indexación en Matlab comienza siempre en 1. Así, el elemento x[41] se


corresponde con el valor u[0] de nuestra secuencia escalón analítica, mientras que el elemento
x[1] se corresponde con el valor u[−40].

Ejercicio 1.4

Genere y visualice las siguientes secuencias:

u1[n] = 2u[n], −10 ≤ n ≤ 30


u2[n] = u[n − 10], 0 ≤ n ≤ 50
u3[n] = −0.5u[n + 100], −120 ≤ n < −20

1.5.3 SECUENCIAS SENOIDALES

Las señales discretas senoidales son otra clase de secuencias de uso, el cual requiere tres
parámetros para describir completamente a una sinusoide discreta:

x[n] = A cos(Ω0n + ϕ) (1.8)

donde: A, amplitud; Ω0, frecuencia angular en rad/seg si n es variable discreta definida en el


tiempo, caso contrario la frecuencia angular será radianes si n es considerado como variable
adimensional; y ϕ, fase en radianes.

Ejercicio 1.5

(a) Genere el código que corresponda y represente gráficamente a cada una de las siguientes
secuencias mostrada. En cada caso el eje horizontal n deberá extenderse sobre el intervalo
indicado y deberá ser numerado apropiadamente y asignarle la escala de tiempos en seg.
4
 
x1[n]  2sen  n  -20  n  40
 25 
 
x2 [n]  3cos  n    20  n  50
5 4
 
x3 [n]  sen  3 n    10  n  10
 2
  
x4 [n]  cos  n 0  n  50
 23 
n  n 
x5 [n]  cos   cos    25  n  25
8  8 

Para x3[n] obtenga una expresión más simple sin hacer uso de funciones trigonométricas.
Seguidamente demuestre analíticamente por que x4[n] no es periódica. Es x5[n] periódica?
Justifique su respuesta.

(b) Escriba el código para generar la siguiente sinusoide de longitud finita:

x[n] = 2 cos(π n/11)

La función necesitará un total de cinco argumentos de entrada: tres para los parámetros y
dos más para especificar el primer y último valor del índice n de la secuencia de longitud
finita. La función deberá devolver un vector columna conteniendo los valores de la
sinusoide. Esta función se comprobará representando gráficamente los resultados que se
obtienen para diferentes parámetros de entrada.

1.5.4 PERIODICIDAD DE UNA SECUENCIA

La periodicidad de una secuencia está definida por la siguiente condición:

x[n] es periódica si x[n] = x[n + N] (1.9)

donde N una constante entera. Como ejemplo, aplicada a la expresión (1.8), se obtiene la
siguiente condición:

Ω0N = 2πk (1.10)

siendo k una constante entera. Solo en el caso en el que la frecuencia Ω0 cumpla la anterior
condición, nos encontraremos ante una secuencia sinusoide periódica, de período N. Notar que
una secuencia sinusoidal discreta puede proceder del muestreo de una señal continua.
Dependiendo de como se efectuó este muestreo, los valores de las muestras seleccionadas en un
período podrán coincidir (secuencia periódica) o no (secuencia no periódica) con los valores
elegidos en el resto de los períodos de la sinusoide continua, tal como se muestra en la Fig. 1.3.

Para el conjunto de valores (Ω0 +2πr), con r constante entera, generan todos la misma secuencia
sinusoidal:

x[n] = Acos(Ω0n+2πr + ϕ) = Acos(Ω0n+ ϕ) (1.11)

En consecuencia, al realizar un análisis en el dominio de la frecuencia de la secuencia


x[n]=Acos(Ω0n+ ϕ), solo necesitamos considerar el intervalo de frecuencias - π < Ω0 < π.

De acuerdo a lo anterior, para un valor de Ω0 cercano a 0, la sinusoide presentara pocas


oscilaciones (frecuencia baja), mientras que para valores de Ω0 cercanos a ±π la sinusoide
correspondiente oscilara rápidamente (frecuencias altas).
5
Como conclusión, dada una sinusoide periódica de período N, su frecuencia fundamental vendrá
dada por 2π/N y solo existirá un conjunto finito de N frecuencias armónicas, a saber: Ωk=2πk/N,
k = 1, 2, . . . ,N. k = 1,2,3,…., N.

Fig. 1.3.- Secuencias senoidales reales.

Ejercicio 1.6

Genere y visualice las siguientes secuencias senoidales:

 
x1[n]  cos  n  -20  n  40
 15 
 
x2 [n]  2 cos  n   -20  n  50
 15 3
n
x3 [n]  sen   0  n  40
2

La sinusoide x1[n] es periódica de período N = 30 y frecuencia fundamental Ω1 = 2π/30. Existe


un conjunto de solo 30 secuencias que sean periódicas de período N = 30. Visualice de este
conjunto de sinusoides, aquellas cuyas frecuencias fundamentales son Ω3=2π3/30, Ω6=2π6/30,
Ω10=2π10/30 y Ω15=2π15/30. A partir de las graficas, determine el período fundamental de
cada una de ellas. ¿Qué ocurrirá con las oscilaciones de la sinusoide con Ω15?

Ejercicio 1.7

Desarrollar un código en Matlab, gensen.m que genere sinusoides reales. La cabecera de la


función será:

function [s,n] = gensen(A, Ωo,fi,no,n1);

% Entradas:
% A : amplitud
% Ωo: frecuencia en radianes
% fi: fase en radianes
% no: índice temporal del inicio de la secuencia
% n1: índice temporal de finalización de la secuencia
% Salidas:
% x : la secuencia sinusoidal
% n : vector con los índices temporales

6
1.5.5 SECUENCIAS EXPONENCIALES
(a) SECUENCIAS EXPONENCIALES REALES

La exponencial creciente es una señal básica en el procesamiento digital de señales porque


aparecen como solución para las ecuaciones de diferencias con coeficientes constantes, que son
de la forma:

x[n] =A αn (1.12)

donde A y α son reales.

La exponencial será decreciente en amplitud a lo largo del tiempo siempre que |α|<1 , mientras
que será creciente cuando |α| > 1. Para el caso en que α = 1 tenemos una secuencia constante
para todo n., tal como se ilustra en la Fig.1.4 para diferentes situaciones de valores de α.

α<1 α>1

-1 < α < 0 α < -1

Fig. 1.4 Secuencias exponenciales reales

Ejercicio 1.8

(a) Con la siguiente secuencia de comandos, genere y visualice en el intervalo de -9 a 40 de una


exponencial real decreciente:

>> n = -9:40;
>> x = 2*(−0.9).**n;
>> stem(n,e)
>> title(’x(n)’), xlabel(’n’), (replot)

Observe el uso del operador “ . ” para efectuar la elevación del valor −0.9 a cada uno de los
elementos del vector n que contiene el índice de tiempos.

(b) En la mayoría de las situaciones reales, hay que sumar los valores de la secuencia
exponencial αnu[n]. Para un intervalo finito, esta suma tiene una expresión compacta conocida.

L 1
1 L

n 0
n

1
para α 1 (1.13)

Utilizando la función propuesta en (a), generar una señal discreta exponencial x[n]=(0.9)nu[n],
en el intervalo n = 0,1,2,3,.......30, y después obtener la suma de los valores de cada una de las
7
secuencias de x[n]; luego compare el resultado obtenido con el que se obtiene al aplicar la
fórmula (1.13).

(c) Siendo α una constante real sin ninguna restricción, evalué las siguientes expresiones,
considerando |α| < 1:


- Evaluar 
n0
n


- Evaluar 
nk
n

- Demuestre la siguiente igualdad:




 n n 
1   
2
n0

(d) Seguidamente genere y visualice en el intervalo de tiempos −10 < n ≤ 20, exponenciales
reales considerando α = ±0.5; ±0.8; ±0.95.

(e) Luego, obtenga la suma de los elementos de la exponencial con α = 0.95 empleando los
resultados de la pregunta (c). Compruebe estos resultados desarrollando un código en Matlab.

(b) SECUENCIAS EXPONENCIALES COMPLEJAS

En el presente experimento se analiza los problemas relacionados con la generación y


representación de las secuencias con valores complejos. Aunque en la vida real las señales
tienen valores reales, es muy frecuente su uso para generar, procesar e interpretar señales de
valores reales y transformarlas en señales de valores complejos. Esto se realiza combinando
secuencias en pares, como se hace con la parte real e imaginaria de un numero complejo. Esta
secuencia con parte real y parte imaginaria se puede procesar con otras señales de valores
complejos utilizando las leyes del algebra y aritmética compleja. En muchos sistemas de
procesamiento digital de señales es importante el uso de estas parejas de secuencias,
especialmente aquellos que implican modulación.

Una secuencia exponencial compleja viene dada por la expresión:

x[n] = Aαn, siendo A = |A|ejϕ y α = |α| ejΩo

De esta manera, podemos expresar x[n] como:


n + ϕ)
x[n] = |A||α|nej(Ωo = |A||α|ncos(Ωon + ϕ) + j|A||α|nsen(Ωon + ϕ) (1.14)

Si |α| ≠ 1, las partes real e imaginaria de x[n] serán secuencias senoidales que van decreciendo
(|α | < 1) o creciendo (|α | > 1) en el tiempo. Para el caso |α| = 1, la secuencia resultante se
denomina sinusoide compleja, tal como se muestra en la Fig. 1.5 para ambos casos.

|α | < 1 |α | > 1

Fig.1.5.- Exponenciales moduladas por funciones senoidales

8
En Matlab, las funciones real e imag extraen las partes real e imaginaria de un número
complejo. Cuando se representa gráficamente un vector complejo, las representaciones por
defecto de plot y stem pueden llevar a confusiones. Si z es complejo, entonces plot(z)
será la representación gráfica de la parte imaginaria en función de la parte real y plot(n,z)
será la representación de al parte real de z en función de n. Sin embargo, stem(z) será
solamente la representación de la parte real. Si desea ver simultáneamente las representaciones
de las partes real e imaginaria, las ordenes subplot(211) y subplot(212) antepuestos a
cada orden stem forzarán a que las dos representaciones se realicen en la misma pantalla, una
sobre la otra. Implemente el siguiente código y analice, luego compare con lo mostrado en la
Fig. 1.6.

nn = 0:25;
% función exponencial compleja: x = e(j*nn/4)
x = exp(j*nn/4);
Subplot(211);
Stem(nn, real(x));
Title(‘Parte Real de x’), xlabel(‘ n ’);
Subplot (212);
Stem (nn, imag(x));
Title (‘Parte Imaginaria de x’), xlabel (‘ n ’)

Fig. 1.6.- Gráfica utilizando subplot


Ejercicio 1.9

(a) Generar señales exponenciales complejas donde el parámetro α puede tomarse como un
número complejo. Recuerde que la fórmula de Euler para la exponencial compleja aplicada a
una señal:

x[n]  ( z0 )n  r ne j n  r n (cos( n)  j sen( n)) (1.15)


j
donde z0 = re . Utilice esta relación para generar una secuencia exponencial compleja con:
  
 j n
x[n]  0.9n e 4 
, 0  n  20

Luego represente las partes real e imaginaria de x[n] en el intervalo 0  n  20. Observar que
el ángulo de z0 controla la frecuencia de las sinusoides, tal como se muestra en la siguiente
expresión:

j n  
x[n]  ( z0 )  0.9 e
n n 4
 0.9n (cos( n)  j sen( n))
4 4

Para observar gráficamente esta expresión compleja, hay que definir una nueva función. Luego
realizar el análisis de las gráficas obtenidas y ensayar con otros valores.

(b) Para la señal experimentada en el apartado (a) ejecute la representación de la parte


imaginaria en función de la parte real. El resultado deberá ser una espiral. Experimente con
9
diferentes valores del ángulo. Un valor pequeño conducirá a una representación mas
optimizada de la espiral. Finalmente, realice la gráfica de la parte real e imaginaria de la
función bajo experimentación.

Ejercicio 1.10

Desarrollar el código de una función en Matlab, llamada genexp.m que genere


exponenciales complejas. La cabecera de la función deberá ser:

function [e,n] = genexp(modA,faseA,moda,fasea,n0,n1);

% Entradas:
% modA : |A|
% faseA : ϕ
% moda : |α|
% fasea : Ωo
% no : índice temporal de inicio de la secuencia.
% n1 : índice temporal de final de la secuencia.
% Salidas:
% e : la secuencia exponencial
% n : vector con los índices temporales

Ejercicio 1.11

Empleando la función anterior con los siguientes valores: |A| = 4, Ωo = π/15, ϕ = _/3, no = 9 y
n1 = 40, represente dos exponenciales complejas, una creciente y otra decreciente, luego una
sinusoide compleja. Guarde los resultados de la exponencial decreciente con el nombre ‘ e’
para ser utilizado más adelante.

1.6 OPERACIONES BÁSICAS CON SECUENCIAS

1.6.1 SUMA Y PRODUCTO ENTRE DOS SECUENCIAS

La suma y producto entre dos secuencias x[n] e y[n] se define como la suma y producto muestra
a muestra para −∞ ≤ n ≤ +∞:


s  n  x  n  y  n    x  k   y  k    n  k 
k 
(1.16)

p  n  x  n y  n    x  k  y  k    n  k 
k 
(1.17)

Operando con secuencias finitas o también llamada secuencias truncadas, aparece un problema
cuando están definidas en distintos intervalos de tiempo. Una primera solución consiste en
añadir ceros, convenientemente, a las secuencias tr4ncadas tal como se muestra en el siguiente
ejemplo.

Si deseamos sumar las secuencias u1[n] y u2[n], generadas en el Ejercicio 1.4, podemos proceder
de la siguiente manera:

>> n = -10:50;
>> x1 = [u1 ; zeros(20,1)];
>> x2 = [zeros(10,1) ; u2];
>> x3 = x1 + x2;
>> x4 = x1.* x2;
>> stem(n,x3)
>> title(’Suma’), xlabel(’n’), (replot)
>> stem(n,x4)
>> title(’Producto’), xlabel(’n’), (replot)
10
La otra solución, consiste en un nuevo truncamiento de las dos secuencias a operar, de tal
manera que el nuevo intervalo de tiempos sea el común de las dos secuencias.

>> n = 0:30;
>> x5 = u1(11:41);
>> x6 = u2(1:31);
>> x7 = x5 + x6;
>> x8 = x5 .* x6;
>> stem(n,x7)
>> title(’Suma ’), xlabel(’ n ’), replot
>> stem(n,x8)
>> title(’Producto ’), xlabel(’ n ’), replot

Ejercicio 1.12

(a) Represente la secuencia resultante de sumar las secuencias u2[n] del Ejercicio 1.4 y x1[n]
del Ejercicio 1.6.

(b) Represente la secuencia resultante de efectuar el producto entre x4[n] del Ejercicio 1.2 y
u3[n] del Ejercicio 1.4.

1.6.2 CAMBIO DE AMPLITUD

Dado x[n] y la constante real A, obtenemos una nueva secuencia y[n] = Ax[n], donde cada
muestra de x[n] queda multiplicada por la constante A. Cuando |A| > 1, la secuencia resultante
y[n] es una versión amplificada de la original, mientras que si |A| < 1, y[n] es una versión
atenuada. Además, si A < 0 también se produce un cambio de polaridad.

1.6.3 DESPLAZAMIENTO

(a) Desplazamiento lineal:

Dado x[n] y la constante entera no, la secuencia desplazada y[n]=x[n-no] será una traslación de
no secuencias hacia la derecha si no > 0, hacia la izquierda cuando no < 0. Al operar con
secuencias truncadas, un desplazamiento origina la pérdida de un conjunto de valores por un
extremo del vector; por el otro extremo, habrá que añadir tantos ceros como valores hayamos
perdido, tal como se muestra en el siguiente ejemplo:

Considerando la secuencia exponencial truncada ‘e’ del Ejercicio 1.11, el desplazamiento de 10


secuencias hacia la derecha de dicho vector será de esta manera:

>> n = -9:40;
>> e 10 = zeros(50,1);
>> e 10(11:50) = e(1:40)’;
>> stem(n,e 10)
>> title(’Desplazamiento’), xlabel(’ n ’), (replot)

(b) Desplazamiento Circular:

Considerando la secuencia del ejemplo anterior, el desplazamiento circular de 10 secuencias


hacia la derecha será:

>> n = -9:40;
>> ec 10 = zeros(50,1);
>> ec 10(1:10) = e(41:50)’;
>> ec 10(11:50) = e(1:40)’;
>> stem(n,ec 10)
>> title(’Retardo Circular’), xlabel(’ n ’), (replot)

11
1.6.4 SECUENCIA ESPEJO

Partiendo de x[n], la secuencia espejo (reflejada) será x[-n]. Gráficamente, la secuencia espejo
consiste en realizar un giro de la secuencia respecto al eje de ordenadas. En Octave o MATLAB
el operador “:” ayuda a girar un vector. Además, deberá tenerse en cuenta el cambio del vector
de índices temporales.

Continuando con la secuencia exponencial del Ejercicio 1.11, el proceso para obtener la
secuencia espejo será:

>> n = -40:9;
>> er = e(length(e):-1:1);
>> stem(n,er)
>> title(’Secuencia Espejo’), xlabel(’ n ’), (replot)

Ejercicio 1.13

Desarrolle el código correspondiente a tres funciones cuyas cabeceras cumplan lo siguiente:

function [y,ny] = desp lin(x,n,m);

% Entradas:
% x : vector de entrada
% n : vector de índices temporales de la entrada
% m : valor entero del desplazamiento
% Salidas:
% y : vector desplazado linealmente
% ny : vector de índices temporales de la salida

function [y,ny] = desp circ(x,n,m);

% Entradas:
% x : vector de entrada
% n : vector de índices temporales de la entrada
% m : valor entero del desplazamiento circular
% Salidas:
% y : vector desplazado circularmente
% ny : vector de índices temporales de la salida

function [y,ny] = ref(x,n);

% Entradas:
% x : vector de entrada
% n : vector de índices temporales de la entrada
% Salidas:
% y : vector reflejado circularmente
% ny : vector de índices temporales de la salida

En las funciones de desplazamiento, tener en cuenta que el valor de m puede ser mayor que la
longitud de la secuencia de entrada.

Ejercicio 1.14

Para comprobar el código de las funciones que que se ha desarrollado, considere la secuencia:

x[n] = 0.99n , 0 ≤ n ≤ 39

(a) Efectúe un desplazamiento lineal de 10 secuencias a la derecha de dicha secuencia.


(b) Efectúe un desplazamiento circular de 10 secuencias a la izquierda de dicha secuencia.
(c) Represente la secuencia espejo.
12
1.7 ASOCIACIÓN DE SECUENCIAS

Dada una secuencia arbitraria x[n], en general compleja, podemos definir a partir de ella las
siguientes secuencias:

x  n   x  n 
Secuencia Par xe  n 
2
x  n   x  n 
Secuencia Impar xo  n 
2

x  n  xe  n  xo  n

x  n   x*  n 
Secuencia Real xr  n 
2
x  n   x*  n 
Secuencia Imaginaria xi  n 
2j

x  n  xr  n  jxi  n

Secuencia Conjugada x*  n  xr  n  jxi  n

x  n   x*   n 
Secuencia Hermítica xh  n 
2
x  n   x*   n 
Secuencia Antihermítica xa  n 
2

x  n  xh  n  xa  n

Además, relacionadas con estas definiciones, podemos trabajar con una secuencia x[n] que sea:

Par xo[n] = 0 x[n] = x[-n]


Impar xe[n] = 0 x[n] = -x[-n]
Real xr[n] = 0 x[n] = x*[n]
Imaginaria xi[n] = 0 x[n] = - x*[n]
Hermítica xh[n] = 0 x[n] = x*[-n]
Antihermítica xa[n] = 0 x[n] = - x*[-n]

Ejercicio 1.15

A partir de las definiciones de asociación de secuencias, obtenga las características de


paridad/imparidad que cumplan la parte real, la parte imaginaria, el módulo y la fase de una
secuencia hermítica.

1.8 PREGUNTAS

1. Cuáles son las principales dificultades que usted ha observado al utilizar Matlab Vs. Scilab
o Octave para representar las diferentes actividades? Cuales serían las posibles soluciones?
Muestre su afirmación con ejemplos probados.

2. Considerando una secuencia exponencial real x  n   u  n y las siguientes definiciones:


n

13
 1 N

Valor Medio de x[n]: x  lim   x  n 
N  2 N  1
 n  N 
N 2

Energía de la secuencia x[n]: Ex  lim


N 
 x  n
n  N

Obtener las siguientes gráficas:


a) Variación de x respecto de  , tomando los siguientes valores: 0.7, 0.8, 0.9, 0.95, 0.99,
0.995.
a) Similar al caso anterior pero considerando los mismos valores de  pero con signo
negativo.
b) Variación de Ex respecto de  , con los valores anteriores.

3. Suponga que el Banco Financiero le otorga un préstamo de 10 mil nuevos soles el cual debe
devolver en un año. Cada mes debe devolver al banco una cuota constante de s nuevos
soles. El banco aplica un interés anual del 1.25% sobre el capital que falta devolver cuyo
cálculo está dado por la siguiente expresión:
1  r  1
n

x  n  1  r  x  0 
n
s
r
Donde: x[n]: representa el capital pendiente después que se haya efectuado el
n-ésimo pago mensual.
r: interés mensual.
Mostrar mediante una tabla y grafica los valores de pago mensual realizados hasta la
cancelación de la deuda (definir en forma clara las variables y unidades a utilizar).

4.- Genere las siguientes secuencias:

x1[n] = u[n − 12, 0 < n < 30


x2[n] = 0.90n , 0 < n < 30
x3[n] = x1[n] + x2[n], 0 < n < 30

Calcule los siguientes valores:

a) El valor de x3[n] en el instante n = 8.


b) El valor máximo de la secuencia x3[n] y el instante en el que está situado dicho máximo
(la función max será de utilidad mas adelante).

4.- Para cada una de las secuencias probadas en cada uno de los ejercicios, encuentre usted dos
ejemplos de representación de la vida diaria y explíquelo mediante tablas de datos de
resultados, gráficos y un breve resumen.

1.9 REFERENCIA BIBLIOGRÁFICA


1. Tratamiento Digital de Señales: Principios, Algoritmos y Aplicaciones. Proakis y
Manolakis. Editorial Prentice Hall. 2000.

2. Tratamiento Digital de Señales en Tiempo Discreto. Alan V. Oppenheim, Et Al;


Prentice Hall. 2000.

14