• El TEOREMA DE LA CONVOLUCION

En matemáticas la convolución es un operador matemático que

transforma dos funciones f y h en una tercera función que en cierto
sentido representa la magnitud en la que se superponen f y una
versión trasladada e invertida de h

En comunicaciones La convolución de f y h se denota f  h. Se define

como la integral del producto de ambas funciones después de desplazar
una de ellas una distancia .
8

f(t)h(t) =  f() h(t - )d Convolución en el tiempo

-
8
 • Dos condiciones para realizar la convolución:
El Sistema es LTI. (Sistema Lineal Invariante en el tiempo )

 La respuesta al impulso del sistema es h(t).

• Basándonos en el principio de superposición y en que el

sistema es invariante en el tiempo:

Una señal arbitraria de entrada x(t) puede expresarse como un tren

infinito de impulsos. Para ello, dividimos x(t) en tiras rectangulares
de anchura ts y altura x(k ts). Cada tira la reemplazamos por un
impulso cuya amplitud es el área de la tira :
Aplicaciones
La convolución y las operaciones relacionadas se encuentran en muchas
aplicaciones de ingeniería y matemáticas.
• En estadísticas, como un promedio móvil ponderado.
• En teoría de la probabilidad, la distribución de probabilidad, teoría de la
probabilidad, étc.
• En La óptica, muchos tipos de "manchas" se describen con
convoluciones.
Una sombra (e.g. la sombra en la mesa cuando tenemos la mano entre
ésta y la fuente de luz) es la convolución de la forma de la fuente de luz
que crea la sombra y del objeto cuya sombra se está proyectando. Una
fotografía desenfocada es la convolución de la imagen correcta con el
círculo borroso formado por el diafragma del iris.
• En acústica, un eco es la convolución del sonido original con una función
que represente los objetos variados que lo reflejan.
• En ingeniería eléctrica, electrónica y otras disciplinas, la salida de un
sistema lineal(estacionario o bien tiempo-invariante o espacio-invariante)
es la convolución de la entrada con la respuesta del sistema a un impulso

(ver animaciones).
Una señal arbitraria de entrada x(t) puede expresarse como un tren infinito
de impulsos. Para ello, dividimos x(t) en tiras rectangulares de anchura ts y
altura x(k ts). Cada tira la reemplazamos por un impulso cuya amplitud es
el área de la tira :
t • x( k ts) • t – kts )
Mediante convolución hemos sido capaces de determinar la respuesta del
sistema a una señal de entrada a partir de la respuesta del sistema a una
entrada impulso.

La función h(t) se define para t ³0 y decrece cuando t ®¥, para la

mayoría de los sistemas físicos. Por tanto,

La respuesta en t0 depende de los valores actual y pasados de la

entrada y de la respuesta al impulso.

Los valores más recientes de x(t) son multiplicados por sus

correspondientes más antiguos (y más grandes) valores de h(t).


8

f(t)h(t) = f() h(t - )d Convolución en el tiempo

-
8
Tipos de Convolución
 Convolucion Discreta

 Convolución Circular
Cuando una función gT es periódica, con un periodo de T, entonces las
funciones, f, tales como f*gT existentes, su convolución es también
periódica e igual a:
Propiedades
Las propiedades de los diferentes operadores de convolución son :

Conmutativa
Asociativa
Distributividad
Convoluciones con deltas de Dirac
 Por otro lado la Convolución en el tiempo corresponde a la
multiplicación en el dominio de las frecuencias :

[f(t)h(t)] = F() H()

Ejemplo :
Determine la Transformada de Fourier de la señal: g(t) = e-tu(t) e-2u(t)
1.Calculando primero la convolución y luego la transformada de Fourier
de la función resultante.
2.Mediante la multiplicación de la transformada de fourier de ambos
términos.
t

 
8

1. f(t)h(t) = f() h(t - )d e e-

-2(t -  ) (e-t
- e -2t
)u(t)
-  d  =
8

0
G() = 1/(1 +j) - 1/(2 +j) = 1/ (2- 2 + j3)

2. {e-tu(t) } = 1/(1 +j) ; {e-2tu(t)} = 1/(2 +j)

G() = 1/(1 +j) x 1/(2 +j) = 1/ (2- 2 + j3)
• La multiplicación de dos funciones en el dominio del tiempo equivale
a la convolución de sus espectros en el dominio de la frecuencia.

{ f1(t) f2(t) } = 1/2[F1()  F2()]

LA CORRELACION
La correlación mide el grado de similitud de dos señales comparadas
con un corrimiento relativo de tiempo ().

 Tipos
 La Auto-Correlación
 La Correlación Cruzada

 Es utilizado en aplicaciones en radar, sonar,

comunicaciones digitales, reconocimiento de voz, etc.

 Permite la detección de una señal conocida en formas de

ondas desconocidas en presencia de ruido
 La Auto-Correlación
Es la correlación de una señal consigo misma.
O sea que representa la semejanza ó similitud de una
señal f(t) con ella misma.


8
Rf ( ) = f(t) f(t + )dt
-
8
 La Correlación Cruzada
La correlación cruzada expresa que tanta similaridad
tienen dos señales de tiempo diferentes f(t) y g(t) para
diferentes desplazamientos de tiempo t. Esta definida
como:
8


Rfg () = f(t) g(t + )dt
-
8
La correlación cruzada es una medida de la similitud entre dos señales en
el dominio del tiempo.Si las señales son identicas ,la correlación cruzada
tendrá un valor uno,y si son completamente diferentes,la correlación
cruzada tendrá un valor cero. Algunos analizadores TRF de dos canales
son capaces de medir la correlación cruzada.

Ejemplo :
Hallar la función de autocorrelación de 2cos(ot +  )
1/T

Rf () = 1/T  2cos( t +  ) cos( t +   +  ) dt

o o o
- 1/T
1/T 1/T
Rf () = 1/T  2cos( t +  ) dt + 1/T  cos(2 t +   + 2 ) dt
o o o
- 1/T - 1/T

Rf () = coso
Energía de una Señal
La energía disipada en una señal para un intervalo de tiempo es:

t2

8
E = | f(t)|2 dt ó 
E = | f(t)|2 dt <

8
t1
-

8
Densidad Espectral de Energía
Representa la energía de una señal por unidad de frecuencia y
muestra las contribuciones relativas de energía de los distintos
componentes de frecuencia.

- | F() | d
8

2
Ef = 1/2
8
 2
• Es importante señalar que el área total bajo |F()| es la energía
de la señal.
2
• La cantidad |F()| describe sólo la cantidad relativa de energía
para un rango de frecuencias.
• La energía para una frecuencia dada es igual a cero.

• La densidad Espectral permite explicar las atenuaciones relativas de

la energía espectral a través de los sistemas lineales.

Sistema

F() H() G()

G() = F() H()

Densidad Espectral de Potencia

Señales de Potencia
Son señales que cuentan con una energía infinita pero con una
potencia media finita.
T/2

P = 1/T | f(t)| dt
-T/2
2
(watts )

Densidad espectral de Potencia.

Describe la distribución de la potencia en función de la frecuencia.


Sf ( ) = 2  |Fn|2 ( -n )
n = -
Potencia de una señal f(t).

8
P = 1/T
-
 Sf ( ) d
8
Potencia media a través de una resistencia de R=1

8
8


2
f (t) = 1/T - Sf ( ) d = 1/T - 2  |Fn|2 ( -n ) d
n = -

8
8
Señales Ortogonales
EJEMPLO 1 : Funciones ortogonales

Las funciones ƒ1 (x) = x2 y  ƒ2 (x) = x3 son ortogonales en el intervalo [‑1, 1] porque
Ejemplo 2
Demuestre que las funciones  0( x) = 1 y n(x) = cos nx son ortogonal es en
[−, ].
Solución :  
(0 , n ) =  0 ( x)n ( x)dx   cos nxdx
 

 n1 sin nx   0, para n  0

En los problemas 1 a 6, demuestre que las funciones respectivas son ortogonales en el
intervalo indicado.
El Teorema de Muestreo
Muestreo de señal
Transformación de una señal contínua en el tiempo en una sucesión
contínua de valores en instantes discretos (Serie temporal.

Señal muestreadora: impulsos equiespaciados en el tiempo y de amplitud

unidad.
La señal muestreada debe conservar suficiente información como para
poder recuperar la señal original.
El teorema del muestreo establece la relación que debe haber entre la
frecuencia de la señal de muestreo y la de la señal muestreada.

El teorema del muestreo establece que “ Una señal de banda limitada sin
componentes espectrales por encima de una frecuencia f Hz, se determina
unívocamente por sus valores equidistantes a intervalos no mayores de
1/(2fs) segs.
 La frecuencia ó razón muestreadora de Nyquist :

fs  2B
Donde : fs = Frecuencia de Nyquist

B = Ancho de banda ó frecuencia mas alta de la información

T = 1/ fs = 1/2B = Intervalo de muestreo

 Efecto del Alias ó Solapamiento en el Muestreo

Si el intervalo de muestreo T se hace ligeramente mayor al intervalo
de Nyquist,las densidades espectrales se solapan y la señal original
no podrá restaurarse filtrando la muestra.

T >1/2B
 f ( t ) = Señal limitada en banda
P ( t ) = Señal de tren de pulsos.
fs ( t ) = Señal Muestreada
fs ( t ) = f ( t ) x P  ( t )

P ( t ) =  Pnejnot
n=-

fs ( t ) = f ( t )  Pnejnot
n=-

F {f ( t )}= F { f ( t ) P ejnot }
s
n=-
n

Fs ( ) =  Pn F( - no)
n=-

Fs ( ) = PoF() +  Pn F( - no)
n=-
n 0
 Etapas de Muestreo de una señal de banda limitada

Señal de información

T 2T
Espectro de un tren de pulsos de duración
finita  y periódo T
Tren de Pulsos

0 T 2T

Señal Muestreada en el tiempo Espectro de la Señal muestreada.

El espectro resultante es periódico y se presentan los
siguientes casos :
A.- La frecuencia de muestreo ws es mayor que 2wB

B.- Se disminuye a frecuencia de muestreo ws hasta que

sea igual a 2wB
C.- Se disminuye a frecuencia de muestreo ws hasta que sea inferior a 2wB
Proceso de muestreo: dominio de tiempo
Muestrear una señal continua x(t)
equivale a multiplicarla por un tren
de funciones delta p(t), siendo
EFECTOS DE SOLAPAMIENTO
Si T>1/2B las bandas se solapan las bandas “aliasing”

Se generan frecuencias no existentes en la señal original

Enmascaran la señal real a las frecuencias en que hay solapamiento

Un Filtrado anti aliasing previo elimina las frecuencias de la señal de

entrada que esten por encima de la mitad de la frecuencia de muestreo.
Producto de la señal por la El espectro de la señal de entrada
se conserva en la muestreada.
Si no hay solapamiento, con un filtro pasa bajo se puede
recuperarse la señal original.
No hay solapamiento si T<1/2fm.
Cuanto mayor sea la frecuencia de muestreo con respecto a la
de la señal mas separadas estarán las bandas de frecuencia de
la señal muestreada. Filtro más sencillo.
Transformada Z
La transformada de Fourier de una secuencia de tiempo x [n]
puede expresarse como

dónde

y n = número entero. Si definimos un nuevo símbolo z como

            , [3]
 
Proceso de Muestreo: Dominio de frecuencia
• Una multiplicación en el tiempo
equivale a una convolución en el
de frecuencia.

con
a partir de [1] y [3]:

[4].
[4] es el llamado Transformada Z de series de tiempo x [n].

Propiedades de la Transformada Z -
Que una serie de tiempo x [n]
                                         [5]

donde A y B = constantes, y x 1 [n] y x 2 [n] = series de tiempo.

La transformada Z de x [n] es entonces
 La Transformada- Z
La transformada Zeta es una herramienta útil en teoría de control en
tiempo discreto y su papel es análogo al que juega la transformada de
Laplace en tiempo continuo.

Los sistemas de control en tiempo discreto son aquellos sistemas en los

cuales una o más de las variables pueden cambiar sólo en valores
discretos de tiempo.
Una señal discreta es una función x [ n ] que está definida solamente
para valores enteros de n, es decir,  n = ± 0, ± 1, ± 2, ......

El empleo de la transformada Z en señales discretas tiene su equivalente

en la transformada de Laplace para señales continuas y cada una de
ellas mantiene su relación correspondiente con la transformada de
Fourier.
Por ejemplo, existen las señales discretas correspondientes al escalón
unitario y al impulso unitario,
  Definición :
En general si f(t) es una función definida en los reales (continua) entonces
f(t) induce la correspondiente señal discreta f [n] ó x[n]

La transformada Z de una secuencia en tiempo discreto X[n] se

define como :

donde Z es una variable compleja. Otra notación para la sumatoria

es Z( X[n] ). Si la secuencia es causal, la transformada Z se
convierte en :

Esta transformada se llama unilateral, para distinguirla de la

primera definición que toma el nombre de la transformada Z
bilateral.
 Ejemplo 1.
Calcular la transformada  z  y su  ROC de la señal,

para

Solución :
Usando la definición de transformada  z, tenemos que:

Ahora bien, recordemos que en cursos de Cálculo se ve la serie geométrica,

y los valores para los cuales converge esta serie. Se tiene de hecho que:

Si y sólo sí
Para los demás valores de  r, la serie geométrica es divergente. Usando
este resultado, podemos concluir que:

si
Ejemplo :
Halle X[Z] si X[n]= [n]
Se define a:

por consiguiente,
Ejemplo 3

Halle X[Z].
Región de Convergencia para la Transformada- Z
La región de convergencia, también conocida como ROC, es importante
entender por que define la región donde la transformada- Z existe.
La transformada–z se define por

La ROC para una x[n], es definida como el rango de z para la cual la

transformada-z converge. Ya que la transformada–z es una serie de
potencia, converge cuando x[n] z−n es absolutamente sumable.
En otras palabras,

Si x[n] es una secuencia de duración finita, entonces la ROC es

todo el plano-z, excepto en z=0 o |z| =∞. Una secuencia de
duración finita es aquella que tienen valor de no cero en un
intervalo finito n1≤ n≤ n2. Mientras que cada valor de x[n] es
finito entonces la secuencia será absolutamente sumable.
•Si x[n] es una secuencia de duración finita, entonces la ROC
es todo el plano-z, excepto en z=0 o |z| =∞. Una secuencia
de duración finita es aquella que tienen valor de no cero en un
intervalo finito n1≤n≤n2. Mientras que cada valor de x[n] es
finito entonces la secuencia será absolutamente sumable.
Cuando n2>0 entonces existirá z-1 términos por lo tanto la ROC
no incluye z=0. Cuando n1&lt;0 la suma será infinita por lo
tanto la ROC no incluye |z| =∞. Pero si, n2≤0 entonces la
ROC incluirá z=0, y cuando n1≥0 la ROC incluirá |z| =∞. Con
esta condiciones, la única señal que tiene una ROC que cubre
todo el plano-z es x[n] =cδ[n] .
La región de convergencia tiene propiedades que dependen de la
características de la señal, x[n] .