Tratamiento digital de sefales (On em uray ieee Dimitris G. Manolakis ayEsta cuarta edicién expone los fundamentos de las seniales y sistemas discretos en el tiempo, y del procesamicnto digital de sefiales, Este texto es adecuado para estudiantes de Inge- ieria Electrica, Ingenie:fa Informatica y Ciencias de la Com- putacidn, El libro es apropiado para cursos preuniversitarios y ne eee g eee eee Prec ste Los primeros diez capitulos se ocupan de los temas bisicos sobre el procesamiento digital de sefales y son adccuados para, cursos preuniversitarios. Los cuatro sltimos capiculos tratan temas més avanzados sobre el procesamiento digital des Pee cect ie eae ees eee ae tos adaptativos y Ia estinacién del espectto de potencta, Este material es apropiado para cursos de nivel universitario sobre procesamiento digital de sftales, Ne een eater Se ha reescrito y actualizado el capitulo dedicado al muestreo y reconstruccién de sefae *8e ha afadido informacion sobre la tansformada disereta del *Se incluye un capitulo actualizado sobre procesamiento digi tal de semtales de tasa miiiple OMe renee maine neers ‘Hay disponible un Marual del estudiante basado en el uso de, Vem Tec ese eet eer orate eres STINSON up ned ae ero ert ee re eee erg cert ere Seer Pane ens ye eee ee tae? a eer ara eee eet er Creare ant J Senet ee Rone nec! reeenb ee eee en Pacer eet rere) ee |TRATAMIENTO DIGITAL DE SENALESTRATAMIENTO DIGITAL DE SENALES Cuarta Edicion JOHN G PROAKIS Department of Electrical and Computer Engineering Northeastern University Boston, Massachusetts DIMITRIS G. MANOLAKIS MIT Lincoln Laboratory Lexington, Massachusetts Traduccién Vuelapluma PEARSON cence eral Madrid @ México @ Santa Fe de Bogoti Buenos Aires @ Caracas @ Lima Montevideo @ San Juan @ San José @ Santiago @ So Paulo ® White Plains @alos de catalageli igen PAL DE SERALES ohn G Pro y las G Manolade PEARSON EDUCACION S.A. Mai, 2007 TRATAMIENTO Dl Ison oese-s2.347-5 Todos los derechos reservados Queda prohibida, salvo excepeidn prevista en Ia Ley, cualquier forma de reproduccién, dsti- bbucién, comunicacién piblica y transformzeion de esta obra sin contar con autorizacién de os titular de propiedad intelectual. La infaccibn de los derechos mencionados puede ser constitu- ‘iva de delito contra la propiedad intelectual (arts. 270 y spe. Cadigo Pena). DERECHOS RESERVADOS {© 2007 por PEARSON EDUCACION 8.4. Ribera del Loia, 28 28042 Madid ‘TRATAMIENTO DIGITAL DE SENALES John G.Proakis y Dimitris G Manolakis ISBN: 978-84-8322-047.-5, Deposite Legal: M.18.440-2007 PRENTICE HALL es un sell editorial auteizado de PEARSON EDUCACION S.A. Authorized translation from the English language edition, entitled DIGITAL. SIGNAL PROCES- SING, 4" Etion by PROAKIS, JOHN G; MANOLAKIS, DIMITRIS G. published by Pearson Edieation, Ine, publishing as Prentice Hall, Copyright © 2007 EQUIPO EDITORIAL Editor: Miguel Martin-Romo ‘Tecnico editorial: Marta Caicoya EQUIPO DE PRODUCCION: Director: José A, Clares ‘Téenico: Diego Marin Disefio de Cubier ‘quipo de diseRo de Pearson Kaucaeln S.A Impreso por: Closas-Orcoyen, S. L IMPRESO EN ESPANA - PRENTED IN SPAIN tins estosA Felia, George y Elena John G. Proakis AAnna Dimitris Manolakis1 12 13 14 15 22 Contenido Introducot6n . . Seflales, sistemas y tratamiento de sefales . . 1.11. Elementosbisicos de un sistema detatamicnto digital de sfaes 112. Vontajas dol tratamiento digital de sonales sobre el anagico CClasiicadon de las seiales- é 1.21 Sefiales mulicanal y mitdimesionles 1.22 Sefales contiauas y disereta en el dominio del tiempo 123 Sesles continuas y sefales discretas 124 Sonales detorminista y sonalesaleatorias ‘Concepto de freeuencta en sefiaes continuas Yhfly discretas en el thempo «+. 1.31 Sefales sinusoidales continuas en el tempo 1132 Senales sisusoidales disereas en el tempo 133. Exponenciales complejs armeénicamente relacionadas Conversiones analigleadigial y digital-analégica . 141 Muestrea de sefiales analigicas 142 Teorema de mucstreo 143 Cuantiticacin de sefales continaas en amplitud 144 Cuantticacién de setales sinnsodales 143 Coditieacién de muestas euaniicadas 146 Conversin dgital-analbgica 147 Anilisis de sefes y sistemas digiales frente a seflesy sistemas diserctos en o tiempo 32 Resumen y referencias aoeen oe wt Problemas 33 Seifales y sistemas discretos en el tiempo 37 Seales dscretas nel tiempo. : 137 2.11 Algunas setatesdiscretas en ef tiempo elementales 39 21.2 Clasificacin de la seals disereta en el tiempo al 2.1.3 Manipulaciones simples de las seals diseretas en el tiempo 44 ‘Sistemas diseretos en el tempo a ae 22:1 Deseripeién de entrada-salida de los sisternas 49 22.2 Diagrama de blogues de los sistemas diseretos en el tiempo 31 22.3 Clasifieacion de los sistemas discretos en el tempo 53 224 InterconexiGn de sistemas discretos en el tiempo... el‘vat Conenao 23 2 25 26 27 32 33 34 35 Analisis de sistemas lineales diseretos ¢ lnvarlantes en el tempo 23.1 Téenicas para el ands de los sistemas lineales 23.2 Descomposiciin en impulsos de una seal diserets en el tiempo 23.3 Respuesta de los sistemas LTI a entradas arbitearias: la convolucign 23.4 Propiedades de la convohucidn y Ia interconexin de sistemas LTT 23.5 Sistemas lineales invanantes en el tiempo causales, 23.6 Batailidad de los sistemas linealesinvariantes en el tempo 23.7 Sistemas con respuesas al impulso de duracin fnitae infinita Sistemas discretos en e tiempo descritos mediante ecuaclones en diferencias 24.1 Sistemas discret ene iompo recutsvos y no recusives 242 Sistemas lincalesinvariantes en el tiempo caricerizados por eeuaciones ‘en diferencias de cosicientes constantes 83 243 Solucin de las ecuaciones en diferencias lineales de coeficientesconstantes ... 87 2.44 Respuesta al impulso de un sistema recutsivo, lineal ¢iavariante en el tiempo «94 Implementacin de sistemas disrretos en el tiempo... oe 6 2.5.1 Estructura para la realizacién de sistemas lineal invariants enol tiempo «97 252 Realizacin de sistemas FIR recursivos y no recursivos 100 Correlackin de sefalesdiseretas en el tiempo. 2.108 2.6.1. Secuencia de coneicin cruzada y autocorelacién 2.62. Propiedades dela aubocorrelaciony de la corelacin eruzada 2.63 Comelacién de secueacias periddicas 264. Secuencias de comeleién de entaa-salida ‘Resumen y referencias Problemas ... La transtormada zy sus aplicaciones al andlisis de los sistemas LT! La transformada : 3.1 La wansformada 2 directa 3.12 La tansformada 2 inverse Propiedades de la transformada z ‘Transformadas z racionales 331 Polos yeeros 332 Posicin de los polos y comportamiento en el deminia el tiempo de sefales causales 135 333 Funcin de tansferereia de un sistema lineal invariante en el tempo 158 Jnversidn dea transformada z ... ae - 161 3.4.1 Transformada = inversa por integracién de contorno 161 342 Transformads > inversa mediante expansin en serie de potencias 163 3.43 Transformada 2 inverse mediante expaasidn en fracciones pac 16s 3.44 Descomposicn de ls transformadasz racionales 17 ‘Analisis en el dominio : de sistemas LTT gpa antlers 3.5.1 Respuesta de sistemas con funciones de transference racionales 173 3.52 Respuesta tansitariay en négimen permanente 174 353. Causalidad y esabiticad 17636 a7 4a 42 43 44 sa contenido 354 Cancelaciones polo-cer0 7 35.5 Polos de arden miliple y esabitidad 179 3.56 Estabilidad de los sistemas de segundo arden 180 Transformiada : unilateral - ae a3 3.6.1 Definicién y propiedades ies 3.62. Solucin de las ecuaciones en diferencias 188 3.6.3 Respuesta de los sistemas de polos y ceros com condiciones inicialesdistintas de cero 189 Resumen y referencias 7 91 Problemas 12 Anélisis en frecuencia de sefiales . . Anlisisen frecuencia de ls sefales continuas en el tempo 4.L:1_ Series de Fourier para sefales peridicas continua en el tiempo 4.1.2 Espectr de densidad de potencia de senales periidicas 4.13 Transformada de Fourier de sefalesaperidicascontinuas en el tempo 4.14 Espectto de densidad de energia de seialesaperiddicas Analisis en frecuencia de seftatesdiscretas en ol tiempo oe 42.1 Serie de Fourier para sofas peridicas diseretas en el tempo 422. Espoctra de densidad de potencia de soles periicas 42.3, Transformada de Fourier de senales aperiodions discret en el tempo 424 Convergencia de la transformada de Fourier 42.5. Espectro de densidad de energia de soles aperiodicas =P426 Relaciones entre la wansformada de Fourier y la tansformad = 42.7 ElCepsto 42.8 Transformada de Fourier de sefales con polos en la cireunferencia unidad 42.9 Clasificacin de las sefiales en el dominio dela frecuencia ‘oncepio de acho de bands 42.10 Rangos de frecuencia de algunas seiles naturales Propiedaées de la seal en los dominios de la frecuencia y del tiempo Propiedades de ta transformada de Fourler para seals discretas en el tiempo 44.1 Propiedades de simetria de I transformada de Fourier | 442 Propiedades y teoremas dela transformada de Fouriet Resumen y referencias... Problems ‘Andlisis en el dominio de la frecuencia de sistemas LTI (Caractovsticas en el dominio de Ia frecuencia de los sistemas LT 220 5.11 Respuesta a seis sinusodales y exponencales compleas funcidn de respuesta en frecuencia 270 5.1.2 Respuestas en régimen permanente y transitoria a seiales de entrada sinusoidales 2m 5.13 Respuesta en réyimen permanente a Seales de entrada periéicas 278 5.14 Respuesta a seiales de entrada aperiicas 7 219X Connie 52 53 54 55 56 64 62 63 64 6s 66 67 Respuesta en frecuencta de los sistemas LTT : : oreeee all 52.1 Respuesta en ected un sito definido mediante wa unin raion 281 52.2 Célevlo dela respuesm en frecuencia Bapectros y funelones de correlacién en la salida de ls sistemas LTT. .....++ 5.3.1 spectros y funciones de corelacin de entrada-salda 288 53.2 Funciones de cortelacién y espectos de potencia de seiales de entrada aleatorias 289 Sistemas LTT como flteos seletivos de frecuenela 291 S41 Carcteristicas de flr ideal 202 542 Fillrs paso bajo, paso alto y paso banda 204 543. Resonadores digtles 299 S44 Fills de hendidura 302 54.5 Filttos peine 304 546 Firs paso todo 308 54.7 Osciladores sinusoidles digitales 310 Sistemas inversos y deconvoucion eee eect a2 5.5.1 Invertbilida de los sistemas LT1 313 S52 Sistemas de fase minis, fase mixima y fase mixta 316 55.3 Identificacén del sista y deconvolucién 320 554 Deconvolucién homonériica 322 Resumen y referencias Problemas .... ou ‘Muestreo y reconstruccién de sefiales Muestreoy reconstruccién ideals de sefiales continuas en el tempo . “Tratamiento dscreto en el tiempo de sefalescontinuas en el tlempo . Convertidores analdgleo-digitaly digital-analégico 63.1 Convertidores analogeo-digitales 63.2 Cunntficacién y codifieacién 63.3 Anilisis de los errores de cuantificacion 634 Convertidores digitale-analogicos -Muestreoy reconstruceién de sefales paso banda continuas en el tiempo 2368 64.1. Muestre uniforme o de primer orden 2368 64.2 Muesieointercaladeo no uniforme de segundo orden 314 164.3 Representaciones de sales paso banda 379 46.4 Muestreo empleando las representaciones de a snl paso banda 381 Muestreo de sebales diseretas en el tiempo oe 382 65.1 Mucstro ¢interpolaciin de seals diseretas en e! tempo 383 65.2. Representaciin y muestreo de seals paso banda discretas en el tiempo... 387 Convertidores A/D y D/A con sobremuestreo z cesses 388 66.1 Convertidores A/D cen sobremuestreo 388 6.6.2. Convertidores D/A ec sobremuestreo Resumen y referencias... Problemas 3952 13 14 1s 16 82 83 84 85 ‘contenido x1 ‘Transformada disoreta de Fourier: propiedades y aplicaciones .............408 Muestreo en el dominio de Ia freeuencia: la transformada disereta de Fourier ....... 403 7.11 Muestreo en ef dominio de la frecuencia y reconstruccién de sefales| diseretas en el tiempo 403 7.1.2 Transformada disereta de Fourie (DFT) 409 713 La DPT como una transformacion lineal ail 714 Relacién de la DPT con otras transfermadas Ala Propiedades de la DFT . a we 72.1. Propiedades de perodiciad, inelidd y.simotia 416 12.2 Muliplicacién de dos DFT y convolucin circular a2 723. Propiedades adicionales dela DFT Método: de filtrado lineal basados en la DFT « 73,1 Usode la DET en el filtrado lineal 73.2” Filrado de seeuencias de dats legas Andlisisen frecuencia de seals utlizande Ia DFT. ‘Transformada disereta del coseno . 751 DCTdirecta 152 DCTinversa 753. LaDCT como transforma ortogonal Resumen y referencias. Problemas « ery Gélculo eficiente de la DFT: algoritmos de la transformada répida de Fourier . 458 Céleulo eficente de la DFT: algoritmos Fi pe -AS8 8.L1 Caeulo directo de a DFT 459 8.1.2 Método divide y vencers para ealeular Ia DFT 460 8.13. Algoritmos FFT base 2 465 8.14 Algoritmo FFT base 4 an 8.1.5 Algoriumos FFT de base dividida an 8.1.6 Implementacin de los algoritmos FFT 480 Aplicaciones de los algoritmos FET... 481 821 Caleulo efieiente dela DFT de dos secuencias reales 481 822. Caleulaefciente dela DFT de una secuencia real de 2 NV puntos 482 82.3 Uso de los algoritmos FFT en el filtrado lineal y la corelacibn 483 Método de filtrado lineal para caleular la DFT 485 83.1 Algoritmo de Goertzel 83.2 Algoritmo de la transformada > chirp Efectos de cuantifieacién en el céleulo de la DFT... +++ S41 Efectos de ewantficacién en el cileulo directo de la DFT. Sa2__ Erores de cuantiieacién en los algortmos FFT ‘Resumen y referencias ProbieiL Contenido 9 oa 9a 93 94 9s 96 9 10 104 102 103 Implementaci6n de sistemas disoretos en el tiempo ..........22..00.+. 508 _Estructuras para Ia realizacton de sistemas diseretos dl tiempo. 503, Estructuras para sistemas FIR. sus 9.2.1 Estructura de la forma directa 506 9.2.2 Estrucuras en cascada 506 9.2.3 Estruturas basadas en el muesteo en frecuencia 508 924 Estructura en eels 313 Estructuras para sistemas IIR... 520 93:1 Estructuras en forma directa 520 93.2 Diggramas de flujo de seaes y etrututastranspuestas 322 93.3 Estructuras en cascada 327 93.4 Estructaras en paral 528 93.5 Estructums en celosiay en celosia-escalera para sistemas IR 531 Representacion de miimeros «2... ..eeseeeeseee 337 9.4.1 Representaciin de nimeros en punto fijo 337 94.2 Representacin de aimeros en punta flotante binatio 540 943. Ercores dabidos al redondeo y el truncamiento 543 Cuantifteaeién de los coeficientes del filtro... ieaeistpsieeenneneee 9.5.1. Anilisis de la sensibiidad en la cuantificacidn de los coefcientes dl filtro... 547 9.5.2 Cuantificacidn de los filtro FIR 554 [Efectos del redondeo en los fires digitales : Saag: 9.6.1 Oscilaciones de cel limite en sistemas secursivos 358 9.6.2 Cambio de escala par impedir el desbordamiento 362 9.6.3 Ceracteriacién estadstica de ls efectos de cutntiicacibn en las realizaciones de punto fijo de flrs dgitales 564 referencias a sn Disefio de filtros digitales . Consideractones generales . 10.1.1 La causlidad y sus inplicaciones 585 10.1.2 Caracterstcas de ls filtres pricticosselectivos en frecuencia 588 Disefo de fltros FIR... eee. ese 589 10.2.1 Filtros FIR simétieas y antisiméticos 589 102.2 _Disedio de fltos FIR de fase linea uilizando ventanas 502 102.3 Diseio de flrs FIR de fase lineal mediante el método basado cn el muestre en frecuencia 598 10.24 Diseto de filtos FIR de fase lineal con rizado constante Gptimo ‘0s 1023 Diseto de diterenciadores FIR 616 102.6 _Disedo de transformatores de Hilbert 19 102.7 Comparacién de los nétodos de diseio de los filtros FIR de fase lineal 623 Diseito de filtros IIR a partir defiltros analigicos ... ae 103.1 Diseto de filtros IR mediante aproximacién de derivadas 626104 10s 1 a4 m2 m3 m4 ns 16 18 19 11.40 nat 10.3.2 _Disefo de fileos HIR asado en la invarianza del impulso 1033 Discfo de fills IIR mediante la teansformacin bilinal 1034 Caracteristicas de los filtros analégicos mas cominmente utlzados 103.5 Algunos ejemplos de disedos de filtrosdigitales basados ‘en fa tansformacionbilineal Transformacidnes en frecuencia. 10.4.1. Transformaciones de frecuencia en el dominio snalégico 10.42 Transformaciones de frecuencia en el dominio digital Resumen y referencias... Problemas ‘Tratamiento digital de sefiales de tasa mdttiple . Introduecion Diezmade por un factor D Interpol ‘Conversion de Ia frecuencia de muestreo por un factor racional D im por un factor I Implementacién de la conversion de ta freewencia de muestreo 11.5.1 Estructuras de los fits polifisicos 11/32 Intercambio do filtros y submuestreadores/sobremuestreadores 11313 Conversion de Ia trecuencia de muestreo mediante fltos peine com integrador conectado en cascada 11.54 Estucturas polifisicas para flrs de diezmado ¢ interpolacion T1553 _Estructuras para la conversin de lafreeveneia de muestreoracional Implemeatacién multietapa de la conversién de la frecuencia de muestreo Conversiin de la frecuencia de muestreo de sefales paso banda. ‘Converslin de Ia frecuencia de muestreo por un factor arbitrario 118.1 Remuestreo arbirario con interpoladors polifisicos 1182 Remuestreo arbitrario con esructuras de filtros Farow Aplicaciones del tratamiento muita 119.1 _Diseio de desplazadores de fase 1192 Interfu de sistemas dgitales con diferentes frecuencias de maestre0 11.93 mplementacin de filtos paso bajo de banda estecha 119.4 Codifcacién subbanda de sefiles de veo Bancos de tro digitales 11101 Esrustuas pois de baneos de is uniformes 11.102 Transmultiplexores Banco defiltrs espejo en cuadratura de dos eanales TULL. Eliminsciin del aliasing I1L1L2 Condicién para una evonstruceién perfects IILEL3. Forma polifisice del banco de filtos QMF ILIA Banco de fitros FIR QMF de fase lineal ILELS. Banco de fitros IIR QMF de sefales Contenido Xx 630 GS 638 67 a8 649 652 654 655 610 673 “m7 680 84 585 686 ss 690XIV. Contenido 1142 m3 2 ma 122 123 na ns 126 7 ne 11.116 Reconstrucidn perfcta de bancos de fitros FIR QMF de dos canales a 111-7 Bancos de filtros QMP de dos canales con coifieacién subbanda m8 Banco de filtros QMF de Sf canales m9 11.121. Condiciones para eeonsevecion perce y eliinacion del lasing m1 11.122. Forma polifsica del banco de fltwos QMF de MY canales mI Resumen y referencias... seeseeseeseeT26 Problemas . Predicci6n lineal yfiltros Hineales 6ptimos ... . Seales leatorlas,funelones dc correlacion y espectros de potencia 735 121.1 Procesos aleatorios 736 12.12 Procesos aleatorios estacionarios 737 12.13. Promedios estadistions 237 12.14 Promedios estadistions para provesosaleatorios conjuntos 738 12.15 Especto de densidad de potencia 739 12.16 Sefales aleatoriasdisretas en el tempo 740 12.17 _ Promedios temporales para un proceso aleatorio discret en el tempo 741 IZLB _Procesos ergédicos espocto de la media 12.19 Procesos erpédicos respecto de la correlacin Representaci6n de ianovaciones de un proceso aleatori estacionario 122.1 Espectros de poteneiaracionales 12.22 Relaciones entre losparémetros del filo y la autocorrelacién ut Predicelén lineal directa e inversa ... ey 148 123.1 Prediccin lineal dirscta 48 1232. Prediccin lineal inverse 781 1233. Coeficientes de reflexion Optimos para los predictores en celsia directo einverso 753 1234 Relacidn entre un praceso aut-regresive y la predioeign lineal 738 Solucién de las ecuaciones normal 7 784 124.1 Algoritmo de Levinson-Durbin 755 1242 Blalgoritmo de Schur 758 Propledades de los ftros linens de error de prediceién 762 Filtros auto-regresivos en colosa y auto-represivos de medi sévil en celosi-esealera 5.2.00 768 126.1 Estructura auto-rogsiva en celosia 766 12.62. Procesos auto-egresvos de media mévily fits en eelostaescales 767 Filtros de Wiener para fitrado y prediccién . 12.3.1. Filo FIR de Wienet 127.2 Principio do ortogomaidad en la estimacion lineal por minimos cusdrados =... 772 1273. Filteo TR de Wiener 7 123.4 Fluo de Wiener no causal 7 [Resumen y referencias Problemas -B Ba 132 3 Ba 135. 4 144 142 43 ‘Contenido xv Filtros adaptativos . 785 Aplicaciones de los filtro adaptativos : cen m5 13.1. Identificaci del sistema o modelado del sistema 787 13.12 Eeualizacion de canal adaptativa 787 \J3.13 Cancelacin de ooo en la transmision de datos a aves de canals telefOnicos 791 13.14 Supresidn de inteterencias de banda estrech en una sel de bends ancha 794 IB.LS Mejorador de linea adaptative 798 I3.L6 Cancelacin de ruido adaptativa 799 3.7 Codificacién lineal predictive de sefales de vor 799 IBILB Matrices adaptativas 302 Filtros FIR ndaptativos en forma directa: el algoritme LMS. +804 13.21 Citerio del error euadstico medio minimo 05 132.2 Elalgoritmo LMS : 807 132.3 _Algortmos estocisticos de gradiente 808 13.24 Propiedades del algeritme LMS 810 Filtros adaptativos en la forma directa: algoritmos RLS . so BIS 131 Algoritmo RLS 816 133.2 Algoritmos de fictorizicin LDU y de raz cundrada 820 1333. Algoritmos RLS ripidos 821 1334 Propiedades de los algoritmos RLS para la forma dreeta 823 Filtros adaptativos en celosin-esealera 828 134.1 Algoriumus svatsives de mains condos en cclosta-cscalera 225 134.2 Ons algoritmos en celosia 843 134.3 Propiedades de los algortmos en celosia-escalera 846 Resumen y referencias 89 Problemas ..... 850 Estimacién del espectro de potencia .......... Estimacién de los espectros procedentes de observaciones de duracionfinita de sefiales 855 14.1.1 Caleulo dl espoctro de densidad de energia 856 14.1.2 Bstimacién de fa autocorrelacién y del especito de potencia de seals aleatoras: el periodograma 860 14.1.3 Uso dela DFT ea la estimacion del espocto de potencia B64 ‘Métodos no paramétricos para la estimacién del espectro de potencia 866 142. El método de Bartlet: promediado de periodogramas 867 14.22 Método de Weleh: promediado de periodogramas modiicados 868 142.3 Método de Blackman y Tukey: suavizado del periodograrsa 870 14.24 Prestaciones de los estimadoces no paramos del espeeto de potencia ..... 872 1425 Reguisitos de edlelo de los estimados no paraméticos del spectro de potencia 875 Métodos paramétricos para la estimacién del espectro de potencia $16 143.1 Relaciones entre la avtocortelacién y los pardmetrs del modelo 878 143.2 Método de Yule-Walker para los partmetros del modelo AR. 880 143.3 Metodo de Burg para los pardmetos del modelo AR 2880XVI Contes 44 14s 146 a4 M435 43.6 1437 M38 S88 M39 Métodos basados en bancos de Bltras .... M44 Mas. Algoritmos de autoansliss para la estimacién del espeetro . 14S. 1452 1453 13a 1435 1456 Resumen y Problemas .. Generadores de nimeros aleatorios . “Método de minimos euadeados no resvingido para ls parimetros del modelo AR -Méiodos de estimacion seeuencales para los parimetros del modelo AR Soleceid del orden cal modelo Modelo MA pare la estimacién del especro de potencia ‘Modelo ARMA paral estimacin del especto de potencia ‘Resultados exporimentales Realizacon mediante banco de fltros del periodograma [Estimados expectales de varianza minima Método de descompesicin arménica de Pisarenko ‘Autodescomposicibn de la matriz de autocorrlacin para sinusoids en mide blanco Algoritmo MUSIC Algoritmo ESPRIT CCriterias de seleccidn del arden Resultados experimentales roforencias Tablas de los coeticientes de transiciOn para el disefio. de filtro FIR de fase lineal... Referencias y bibliografia . Respuestas a los problemas seleccionados . .. {indice .. 883 884 885 886 889 895Prefacio El dosarollo de este libro estébasado en nuestra experiencia en la impartci6n de cusos a estudiantes re- "universitariosy universitarios sobre el tratamiento digital de ia sei af largo de ls iltimos afi, Enel bro se presenta ls frndamentas de ls sistemas y seales discretas en el tempo y el procesamiento digital, ai como aplicaciones gara los estudinates do Ingenieria elétrica, Ingenieria Informatica y Ciencias de la CCompatacién, El kibo es adecuade para cursos de uno @ dos semestes de duracién sobre sistemas disretos Y tratamiento digital de seals. Tambin es adecuado para un curso sobve tratamiento digital de setae de un ‘semestre destinado a estadiantes universitarios de primer ao Se supone que el estiante a seguido cursos sobre Caleulo avanzado (incluyendo ceusciones diferencales ‘ormales) y Sistemas lineles para senalescontinuss en cl tiempo, incluyendo una introduccin a le transfor- ‘mada de Laplace. Atngue en el Capitulo 4 se deseiben la series de Fourier y las transformadas de Fourie de sedales periddiea y aperiddcas, lo mejores que los estudiantes hayan adqurido estos conocimicntos en libro inluye infomnacién teérice, asi como aplicaciones prctias. Se proporcionan aumerosos problemas bien disetados, con el fin de ayudar al estudiante a dominar los temas. Hay disponible un manual de solucio= nes que so Tos protesores pueden descargar. Tambiéa en el sitio web del editor hay disponibles (en inglés) tuna serie de presentaciones en Microson PowerPoint para los prfesores. En la cuartaedicin del libro, hemos afadido wn nuevo capitulo sobye filos sdaptativos. Los captulos dedi- cadas al tratamiento de sefiales mulitasay al muesto y evoastrucein de seales se han mosifcado y actua- lizado sustancialmente. También hemos afadido material sobre la transformada discrea del coseno, En el Capitulo | se deseriben las operaciones implicadas en la conversin analégico-igital de sefiales anal6 sivas. El proceso de muestreo de una sinusoid se ha deseito en etal, asimismo, se explica el problema del ‘aliasing. La cuaatifiacisn de seals y la conversion dgital-analdgie tambin se explican en tSminos gene ‘ales, eunque cl anilsis se abords en captulos posteriores El Capitulo 2 est dedicado por completo a la caacterizaciony cl andlisis en el domino del empo de Tos sis- ‘ems lineales discreos en el tempo ¢ invariants en ef tiempo (¢invariantes en el desplazamiento) y de ls seftales diseretas en cl tempo. Se deuce la operacion de eonvolucién y los sistomuas se clsiican de acuerdo om la durin de st respuesta al impulso como FIR (fnite-daration impulse response, respuesta al impulso de dracionfinita) y 20mo HR (infnte-durasion impulse response, respuesta al impolso de duraei6n infin. Se presenta los sistemas invariants en el tiempo earacterizados por ecuaciones en diferencias y se obliene la solucioa de las ce.aciones en diferencias con condiciones inicales El capitulo concluye con un tratamien- to de la correlacin ciseroia en el tiempo, La transformada z se introduce en el Capitulo 3. Se presenta las ransformadas» unilateral y bilateral, y los ‘néiodos para deterrinar la transformada = inversa. Se ilustra el wo de la transformada 2 en el anlisis de los sistemas linealesinvariantes en el tiempo e importantes propiedades de sistemas, tales como la causalidad {ya estabilidad se re'acionan con las caracterstcas en ef dominio = EI Capitulo 4 se aeupa del aniisis de las seiles en el dominio de la frecuencia. Se presentan la sere de Fourier y la transformada de Fourier tanto para setalescontinuas en el tiempo como disereta en el tiempo. En el Capitulo 5, se caraterizan los sistemas discret LT! (linear time-variant, lineal invariant en el iem- po) en el dominio dela frecuencia mediante su respuesta en frecuencia y se determina su respuesta a sefales periddicas y aperiidicas. Se desciben una serie de sistemas iscretos en el tiempo, ente Tos que se incluyen resonalores, filtros de hendiu, flrs paso todo y osvludores. Tambin se considera el dseho de una serie de Filtros FIR e IT simples. Adem, se hace una introduccibn a los conceptos de sistemas de fase minima, fase mixta y fise méximsa, y al problema dela deconvoluciéa,XVI Preto En ef Capitulo 6 se hace un estudio del muestreo de sefales continuas en el tempo y la reconstruccién de Sefiles« partir de ss muestas. Se cubre el muestreo y reconstuccién de sefales paso banda, el mucsteo de senales dscreis ene tiempo y a conversin A/D y DIA. El capitulo eancluye con ls convertidores A/D y DIA con sobremuestre. ‘La DFT, sus propiedades y aplicaciones, son los temas que se tratan en el Capitulo 7. Se decriben dos méto- dos part utilizar la DFT en los procesos de fitrado lineal. También se describe of uso dela DET para llevar & cabo el anilisis en ffecuencia.E1ltimo tema que se aborda en este capitulo es la tansTormada discreta del 1 Capitulo 8 tata el eeulo efectivo de Ia DFT. Fn este capitulo se ineluyen descripeiones de los algortmos FFT (fast Fourier transform, transforma ripia de Fourier) en base 2, base 4 y de base dividida, y las api caciones de los algoritmos FFT al cevlo de la convolucién y la corclacién. Se presenta el algoritmo de GGoertze y Ia transtormada chirp-z como dos métodos de eéleulo de la DFT utilizando filtrad lineal EI Capitulo 9 se ocupa de la realizacién de ls sistomas IIR yFIR. Se abordan ls realizaciones en la forma directa, en easeada, paralelo, en eelosiay en celosia-escalera, El capitulo también examina ls efectos de cuantificacign sobre una impiementacion digital de sistemas FIR e TR. En el Capitulo 10 se presentantéenicas paral disefo de filtros digitales FIR e IIR. Las tnicas de diseato incluyen tanto métodos drectos en tiempo disereto como métodes que implican Ia conversin de iltos ana- gicos en filtos digitsles mediante varias teansformaciones EEL Capitulo 11 se ocupa de la conversion de la frecuencia de muesteo y sus aplicaciones al tratamiento rulttasa digital de sees. Ademis de descrbir el diezmado y la interpolacidn por un entero y por factores racionales, se presentan metodos para la conversin de la frecuencia de muestieo por un fatoragbitrario & implementaciones mediante estructura de fltos polifsicos. Est capitulo tambien se ocupa de Tos bancos de fltros dgials, los filros QME (quadratave suror fers, filtro espejo en cuadratua) de das canalesy los bbancos QMF de 4M canals. [Los filtros de prediccion lineal y de Wiener se tratan en el Capitulo 12. En este mismo gapituo tambign se incloyen deserpciones del algoritmo de Leviason-Durbin y del algritmo de Schur para kesalverecuaciones normales, asi como los fils AR en celosa y ARMA en celosia-escaera EI Capitulo 13 se vcupa de los flrs adaptaivas de un tinico canal basados en el algoritmo LMS y en los algoritmos recusivos de minimos cuadrados RLS (recursive least squares), Se describen los slgoitmos FIR cn a forma directa y RLS en colosia para las estructras de los filtro. Et tema prinipal del Capito 14 es a estimacién del especiro de potenca. La exposicidn cubre una descrip cin de los métodos no paramévicos y basados en modelos (paramétvicos). Tambien se deseriben los méto dds bassdos en Ia auto-descomposicién,incluyendo MUSIC y ESPRIT. En un curso avanzado de un semestre para estudiantes con eonocimientos previos sobre sistemas diseretos pueden uilizarse los Capitulos 1 hasta 5 para realizar un répido repaso y Iuego continuar con los Capialos 6 hasta 10, En un primer curso universitario sobre tratamiento digital de la seal, los primeros seis eapituos proporcio- nari al estuiante un buen repaso sobre los sistemas discrete. El profesor puede ver ripidamente estos temas y luego ver en dealle los Capstulos 7 hasta 11, para seguir con temas soleccionados de los Capitlos 12 hasta 14, Se incluyen muchos ejemplos lo largo del libro y aproximadamente $00 problemas que el estudiante pucde realizar en casa, Al final del libro se incluyen ls respuosts a problemas scleccionados. Muchos de 1s pro- blemas pueden resolverse numéricamente uilizando una computadora, con un paquets software como por «jemplo MATLAB®, Hay disponible también en inglés) un manual de estudiante: Student Maral for Digital Signal Processing with MATLAB®. MATLAB se incluye como herramienta sofware basiea para este manual, El profesor pucde considerar también utilizar ots libros complementarios que cantengan ejericios basados en computador, como por ejemplo, Computer-Based Exercises for Signal Processing Using MATLAB (Prentice Hall, 1994) de C. , Burrs eal.Pretaco xX Los autores esti er deus con los calegas que les han proporcionado valiosas sugerencias después de haber revised las edicionss anteriores de este libgo, Ente ellos queremas mencionar a W, E. Alexander, Arslan, Y¥. Bresler, J. Delle, F- DePieto, V. Ingle, JS. Kang, C. Keller, H. Lev-Ari, L. Merakos, W. Miklal, P. Montieeiolo, C. Nikas, M. Schetzen, E, Serpedin, T. M. Sullivan, H. Trussell, S. Wilson y M, Zoltowshi “También quieren expresar su agradecimiento a R. Price por su recomendacién de inluir los algoritmos FFT dd base dividia y otras sugerencias relacionadas. Por itimo, deseamos expressr nuestro reconocimiento & ‘mucios estudiantes liceneiados por sus sugerencas y comentarios, en especial # AL. Kok, J. Lin, F. Sozee YS. Srinidhi, que ayudaron en fa preparacion de diversas iustraciones y del manual de soluciones. John G Proakis Dimitris G ManolakisIntroduccién Eltratamiento digital de sefiales es un drea de la ciencia y la ingenerfa que se ha desarrollado muy ripidamente alo large de los urns cuarenta aos. Este pido desatrollo esol resultado de fos importantes avanees tanto cn la tecnologia digital en el campo de Ia informtia como en la fabricacign de los crcuitos imtegrados. Las ‘computadoras digials y el hardware digital asociado de hace cuatro décades eran de tamafo relatvamente frande, adem de may caros yn consecuencia, su uso estaba liitado als aplicaciones de propdsto general fe tiempo no real (fuera de linea) cieniicas y comerciales. FI pido desarrollo de la tecnologia de creuitos Integrados, empeando con la integracion a media escaia (MSI, medtum-seate egrarion), contmuaundo eu la integracin gran escala (LSI, large-scale integration), y atwalmente con la integracién a muy gran eseals (VLSI ver-large-sule integration) de los citcuitoselecinicos ha estmulado el desarrollo de computadoras Aligitaes y hardware digital de peopdsto especial mas potene, de menor tamalo, mis pido y menos costo, Estos crcuitosdigitales aratos y relaivamente rpidos han hecho posible la constueciGn de sistemas digi les altamente sofistcados capaces de lear a cabo tareas y funciones de watamiento de sefiales digitales, que ‘normalmente son bastante complejas y/o caras de implementar mediante circuiteria analégica o sistemas de tratamiento de setals analdgics. En consecuencia, muchas de Ia tareas de tratamiento de sefales que con- ‘encionalmente se realizaban por medios analgicos, actualmente se levana cabo empleando hardware digital {gue es mis barato y« menudo més file, [No quetemios ar a entender que el tratamiento digital de sefles es la solucién adecuada para todos los problemas de tratamiento de seals, Asien el easo dé muchas Seales con anchos de banda muy grandes, e Tratamiento en tempo rel es un requisite Pra dichas seals, el procesamientoanalégico,o quiz4 Optio sea la nica solucin posible. Sin embargo siempre que se disponga de circuitosdigitales y se tenga la velocidad sfciente como parautilizar el tratamiento digital sera preferibleempleardichos circuits. Los sistemas digitales no slo proporcionan sistemas de tratamiento de sefales més baratos y fables, sino que presentan también otras ventas, En particular el hardware de procesamiento digital permite realizar ‘operaciones programables. Mediante sofware, es mis cil modifiar las funciones de procesamientode sefales ‘que mediante hardware. Por tanto, el hardware digital y el software asociado proporcionan un mayor grado de fexbilded al dsefio del sistema. Ademés, generalmente, se consigue un mayor grado de precision com el hardware y el software digital que eon ls crcuitos y sistemas de procesamiento de sefales anal6picos, Por todas estes razones, en las tes titimas décadas se ha prodicido un crecimiento explosivo en la teori del tratamiento digital de sefalesy sus aplicaciones. Fl objetivo de ese libro es presetar uns introduccidna las ténieas y herramientas de anissbasicas para cl tatamiento digia, de sefales, Comenzaremos presentande la terminologia que es imprescindible conocer 1 deseribiendo las operaciones asociadas con el proceso de convertir una sei analdgiea aun formato digital2 Titamieto cite do sonales sdecuado para su procesamiento. También veremos que el procesamiento digital de seals analégica tiene sus inconvenienes. El primero y ms importante es que la conversin de una seal anal6gica a formato digital implica mestear la sefaly cuantifcar las mueszas lo que produce una distorsign que nos impide reconsruirla sefialanaldpica original a partir de las muestras euaniicadas. Esa distrsign puede contzolarse seleccionando Ja adecuacatasa de mueste y la precision del proceso do cuamtfcacion, En segundo luge, hay que tener en ‘venta Tos efectos debidosa la precisén in-aen el procesamiento digital de las muestra cuaniicadss. Aunque «estas importantes cuestiones se abordan concierto detlleen el libro el énfass se ha puesto en el ands y el ise de los sistemas de tratamiento de seaes y en las técnica de eeulo, 1.1 Sefiales, sistemas y tratamiento de sefiales ‘Una seal se define como cualquier magnit fisica que varfacon tiempo, el espacio cualquier otra variable variables independientes. Matemséticamemte,descrbimos una seal como uns funcién de una.o ms variables independiente. Por ejemplo, las funciones silt) = 5 aay ) = 208 deseriben dos sefales, una que vari linealmente con la vasable independiente # (iempo) y una segunda que varia cuadréicamente con 1. Veamos tro ejemplo, consiere Ia Fancin afsy) =3e4 2ay+ 107 12) Esa fancin describe una stl de des variables independiones x © y que poeta represent las dos ‘evordenadas espaciales de un plano, Las sees deserts por ss Eousciones(I11) (11.2) perenecen una clase de sete que se definen de foxma precisa especicando la dependenia funcional de la variable independiente. in embargo, exsen casos nos que tal eave funcional es desconccdaoextemadamente comple como pra ener ninguna wilidad eta. Por ejemplo, una sefil de vor. (véase a Fgura 1.1.1) no se puede describe funcionalnente mediante expresions como la Bcuaci (11.1) En general, un segmento de Vor e puede epresentar con un alto grado de precisia como a suma de varias sees sinusoidal de iferentes amplitudes recencis,e= dei como S Att seal2an(ne+- 6(0) as) Figura 1.11. Bjemplo de una seal de voz‘captso 1 nvodecén & donde (Ai(¢)}. (H(t) ¥ 16(0)} son tos conjuntos de amplitudes, frecuencas yfases(posiblemente variables ‘on el tempo), respectivament, de as senales sinusoidal. De hecho, una forma de interpreta la informacion fel mensaje enviado.en un corto segmento de tempo de la seal de voz consiste en medir las amplitudes, freeuenciasy fases cntenidas en dicho segmento de la sal ‘Otro ejemplo de sefal naturales la de un electocardiograma (ECG), Una sefal deste tipo proporcions un médico informacidn sobre el estado del corazén de un paciente. De Ia misina manera, la seal de un tlectrocacefslograma FRG) proporciona informacin sobre ta actividad del cerebro, Las seiles de ver, de wn eleetrocardiograma y de un eleetroencefalograma son ejemplos de sefiales que contienen informaciéa y qve varian coma funciones de una sola variable independiente que, normalmeate, es el ‘iempo. Un ejemplo de na sefial que es una funcién de do variables independientes es una seal de imagen. Las ‘ariblesindependientes en este easo som las coordenadasespaciales. Se trata tan so de unos pocos ejemplos {eas innumerablesseales naturales que pueden encontrarse en el mundo rea “Asociados viales naturales se encuentran Tos medios con los que se generan Porejemplolasseiles de ‘yorse generan al poser el aire através de las cuerdas vocals, Las imagenes se cbtienen mediante la exposicign ‘de una pelicula fotozfica ante una escena w objeto. Por tanto, normalmente lx generacién de sefales esti ~_asociada con un sistema que respond a un estimalo o fuerza. En una seal de vor, el sistema est formado por Tas everdas vocales ye tracto bucal, amin conocido como cavidad bucal, El estimulo en combinacion con el sisiemaes Io que se denomina fuente de seal, Por tanto, exsten fuentes de vor, fuentes de imagenes y muchos ‘otros tipos de fuentes de sei Un sistema también se puede definie como un dispositivo fsico que realiza una operacin sobre una sal Por ejemplo, un filtro uilizado para reducr el ruido y las imterferencis que distorsionan una seal deseada que transportainformaci6n es un sistema, En est caso, el filo realizaciertas operaciones sobre la seal, que tienen elefecto de redncir (lira) ol mda y las interferencias dela seal de informacisa desead ‘Cuando pastinosuia sefial através de ua sistema, como enel caso del filtro, decimos que hemos procesao ‘otzatado la seal. En este caso, el procesamicnto dela seta implica filtrar el ruido y las interferencias de la ema ‘desea, En general, sistema se caracteriza por el tipo de operacisn que realiza sobre la sea. Por ejemplo, 5 la operacin es lineal, el sistema es Final. Sila opecacin que se realiza sobre la seal noes lineal, se dice ‘quel sistema es no linea, ete. Tales operaciones suefenreferisse como tratamiento dela seal Para nuestros positos, es convenienteampliar la definicién de sistema para inclu no s6lo los cispostivos fisios, sino también la implementacién software de operaciones sobre una sefal. En el procesamninto digital Ge sefales de tnt computadors digital, las operaciones efectuadas sobre una seta consisten en una serie de ‘operaciones matemtcas especifcadas por un programa de software, in este caso, el programa representa und iimplementaciGndel sstema por sofware. Luego tenemos un sistema ques implementa sobre una computadora ligital por medio de tna secueneia de operaciones matemdtica;es decir, tenemos un sistema de procesamicato digital de seals implementado por software, Por ejemplo, una computadora digital pede programas para evar a cabo un filtro digital. Akernaivamente tratamiento digital de seflaes se puede realizar mediante harahware digital (cteitoslgicos) configucado para realizar las operaciones especificadas. En una implemen tacidn de est tipo, tendremos entonces un dispositive fisio que realizar la operaciones especificadas. Ea un ‘entdo amplio, un sistema digital puede implementarse como una combinacién de hardware y software digital, realizando cada uno de ells su propio conjunto de operaciones especificadss. Este libro abords el trataniento de sefiles por medios digitales, tanto software como hardware. Dado que muchas las sefialesque se encvetranen el mundo eal son analgieas, también vamos considerarel problema Ge convetiruna seal anal6giea en un seal digital con el fn de poder procesaria Las operaciones que lleve ‘cabo un sistema as{poden normalmente especificarse en forma matemitiea. El método o conjunto de reglas ‘ara implementa el sistema mediante un programa que realie ls operaciones matemstieas correspondientes ‘= denominaalgorimo. Por lo general, hay disponibles muchas formas o algritimos mediante Tos que se puede implementarun sistema, bien por software o por hardware, para realizar las operaciones yélculos deseados. En la préctica, estaremorinteresados en aquellos aloritmes que sean eficientes yrpidos en lo que respect a los una sel diseretaen el tiempo, que se ha representado grficamente en la Figura 1.2.3 ' En la prctica Tas seals dseretas en eltiempo pueden originarse de dos formas: 1, Seleccionando valores de una seta anal6gicaen instanesdiseretos de tiempo. Este proceso se denomina ‘muestreo y e estadin mas en detalle ea la Seceidn 14. Teds ls instrumentos de medida que realizan ‘medidas intervalos de tempo regulaces proporcionan sefiales discretas en cl tiempo. Por ejemplo, la sefial x(n) dels Figura 1.2.3 puede obtenerse muestrando la sefal anldgca x(¢) —O.8¢ > Oy x(") 0, + Ouna ver por segundo, 2, Acumulando una variable en un perfodo de tiempo. Por ejemplo, el nimero de coches que pasan por wna calle determinada en una hora o el valor del oro diario, dan lugar a sees discretas en el tiempo. La Figura 1.24 muesira una gréfica del nimero de manchas solares de Walter. Cads muestra de la seal slseretaen el tiempo proporeiona el niimero de manchas observadas durante un intervalo de | ao To. as 4s 6 7 7 Figura 1.2.3. Representacin grtica de la seal dscreta en el iempo x(n) = 0.8" para n > Oy x(n) =O para n<0.Ccapso 1 toch 8 Nameode mcs aes m0 vm 1810 30 1850 1800 Figura 1.24. Nimero de manchassolares de Wolfe (1770-1868). 1.2.3/ Sefiales continuas y sefiales discretas ‘Los valores de una sei contin o disereta en el dominio del tiempo pueden ser continuos 0 dseretos. Si tuna sei toma todos los valores posibles en un rango finito 0 infinito, se dice que es una seRal continua Alterativamente sila seal tom valores dentro un Conjunto fnito de posibes valores, se dice que ls sel es tisereta. Normalmente, estos valores son equiistantes y, por tanto, pueden expresarse como un moltiplo entero te la distancia entre dos valores sucesivos, Una sedal disretaen el tiempo que iene un conjanto de valores tiscteoses una sel digital. La Figars 1.25 muestauna seal digital que toma uno de cuatro valores posibes Para que una seal pueda ser procesada dgitalmente, debe ser disreta ene emo y sus valores tienen que ser diseetns (es ded tiene que Ser una sefal digital, Sila seal que se va a procesar es una sefal anal6gica, Se conviere en una seal digital muesteéndola en instante disretos de tiempo, obleniéndose asi una sefal dliscreta en el tiempo, y cuanificande a continuacién sus valores en un conjunto de valores dscretos, como se describe mis adelante en el capitulo, El proceso de conversin de una sell continua en una sefaldiscreta fe denomina cuanticacién,y es bisicameate un proceso de aproximaciGn, Puede realizarse deforma simple ‘mediante redondeo 0 truncamniento, Por ejemplo, silos valores permitidos de I seal digital son enteros, como por ejemplo, de Ohusta 5, sel de valores continuos se cuanlfica epleando esos valores enteros, Por tanto, lvalor dela sefal 858 se aproximaréal valor 8 sel proceso de cuantificacién se realiza mediante trncamiento, 109 sel proceso d= cuantiicaiGn se ealiza por redondeo al entero més prdximo. Mis adelante en el capitulo ‘se proporciona una explieacign més detallada del proceso de conversinanal6gico-digital, 1.2.4. Sefiales deterministas y sefiales aleatorias El procesamiento y andlisis matemético de sefales requere disponer de una descripion matematica para ka propia seal. Esta descripeiGn matemética, a menudo denominads modelo de sea leva a otra importante Clasificacin de las sefales, Cualquier sefal que se pueda deseribir unfvecamente mediante una expresion ‘matematicaexplicits, una tabla de datos o una regla bien definida se dice que es determinista Est trmino se temple para destaca el hecho de que todos Tos valores pasado, presentesy fuuros dela sfial se conocen de forma precisa, sin ncertidumbre.10 Talarient digital de sealos x) Figura 1.2.8, Serial digi con cuatro valores de ampliud diferentes. Sin embargo, en muchas aplicaciones pricticas,existen sees que o no se pueden desribir con un grado ‘azonable de previsin mediante formulas mstemsticas o una descripein resulta demasiado compleja come para esultar peta, La falta de una relacin de este tipo implica que dichas seals evolucionan ene tiempo {de manera no predecible. Decimos que ese tipo de sefes son alearoias. La alia de un generador de ido, Ja sel sfsmica dela Figura 1,21 y Ta seal de voz de fa Figura 1.1.1 son ejemplos de seals aleatorias, El marco de trabajo matemstico para levara cabo el andlisis eric de las sefialesaleatoras lo proporciona la teoria dela probabilidad y los procesosestocisticos. En la SecciGn 12.1 e presentan algunos de los elementos, bisicos de esc enfoque adapiados a las necesisades del libro. Debemos insistren que laclasificacién dena seal real como determinisa 0 alestoria no siempre es clara En ocasiones, ambos enfoques levan a resultados sgnificativos que ayadan a clarificarel comportamientode la sefal, En otros casos, una clasificacidn errnes puede leva a resultados errOneos, ya que algunas herramientas matemticas solo pueden aplicarse a sefales ceterministas mientras que otras slo pueden aplicarse a sales aleatorias. eri esto mis claramente cuando ezaminems hecramintas matemiticas especies, 1.3 Concepto de frecuencia en sefiales continuas —~ y discretas en el tiempo El concepto de frecuencia ya seri familiar a les estudiantes de ingenieria y ciencias. Este concepto es bisico, por ejemplo, en el dsefio de un receptor de radio, de un sistema de alta fdelidad 0 de un filtro espeetal Para fotograias en color. De la Fsia, sabemos que la frecuencia estéestechamente relacionada con un ipo espeeifico de movimiento periico denominado movimiento oscilataio arminica, que se deseribe mediante funciones sinusvidales. 1 concepto de frecuereia est dicectamenterelacionado con el concepto de tiempo, y su dimensin es la inversa de Ta del tiempo. En coasecuencia, la naturaleza del tiempo (continuo o discret) afectarda la nauraleza dela frecuencia, 1.3.1 Sefiales sinusoldales continuas en el tiempo ‘Una oscilaci6n atménica simple se describe matemticamente mediante la siguiente sel sinusoidal continua en el vem: fall) =Aeos(Q +0), —e F <= 1.3.2. Sefiales sinusoidales discretas en el tiempo ‘Una sei sinusoidal disereta en el sempo puede expresarse como sigue / x(n) =Acoslon +0), 0) siysélo st j a(n) x(n) pra todo 1310) [2 valor minimo de W para el que (13.10) se cumple es el perioo fundamental [La demostracién de la propiedad de periodicidades sencilla. Para que una sinusoide de frecuencia fo sea periddiea, se tone que cumplirque cosl2a oN +n) +0}=cos(2mfan +0) sta relacion escienta sy sos existe un entero kta que 2m fol = 2k 6,10 quees To mismo, h=y a3ay De acuerdo con (1.3.11), una seal sinusoidal discreta en el dempo slo es periddicas su frecuencia fo se puede expresar como Ia relacin de dos enteros (es decir, fp es raional. Para deteminatel perfodo fundamental N de una sinusoide perdca, expresamos su frecuencia fp como en (13.11) y eancelamos los factoes comunes, de modo que k y N sean primos relatives. Entonees el Perfodo fundamental de la sinasoide es igual a V. Observe que una pequetiavariacicn de Ta frecuencia poede dar lngara una variacién muy grande del periodo. Por ejemplo, ~ 31/60 implica que N; = 60, fientras que f1 ~ 30/60 da como resultado Na ~ 2 B2, Las sefiles sinwsoidatesdiseretas en el sempo cuyas frecuencia estén separadas un multiple entero de 2m som idéntcas. Para demostaresta afirmaci6n,consideremos la sei sinusoidal cos(aya-+ 0). Pacilmente se deduce que cos{ (oy + 28) + 8] = cos(oyn-+ 24m + 8) = cos(on +8) 3.2) Por tanto, todas las secuencias sinusoids y(n) = Acos(oxn+ 8), 01,2, 43.3) donde k= abn, 1 Say Sm14 Tstamleno gta de sefalns son indistnguibls (es decir, idénticas) Cualguier secuenciaresultante de una sinusoide con frecuencia lo] > m0 [/| > Jes idéntica a una seovencia oblenida a partir de una sell sinusoidal de frecuencia ‘al < m. Debido a esta simlitud, demos que Ia sinusoide que tiene la frecuencia |ay| > mes un alias ‘dela sinusoide cuya freuencia es jo < . Por tanto, consideremos las frecuencias comprendidas en el rango ~m < w x0 || > 4, como alas. El Ieetor debe darse cuenta de la diferencia enresinusoides discret en el iempo y sinusoides ‘ontinuas en el tiempo, ya que estas kimas dan lugar a sess distntas para 20 F ene rango.completo wwe Qcaomwc Fem, B3. La tasa de oscilacién més alta de una seal sinusoidal dscreta ene empo se alcanca cuando 0 = Ww @ = =) 0, lo que es lo mismo, f = 1 (o f= 4). Para ilustrar esta propiedad, vamos ainvestigar ls caractertsticas de Ia siguiente secuencia de sei sinvsoidales| a(n) = cosen ‘cuando Ia fecuencia vara entre Oy A. Para simpler el argumento, tomantos valores dea = 0, 2/8, 1/4, x/2,m comespondientes a had tienen periodasW =~, 16,8,4,2,comp seiustaen a Figura 1.3.4. Observe que periodo de lasinusoide decrees cuando I frecuencia aumenta. De hecho, podemos ver qu la as de osilaciGn aumenta cuando mental frecuencia, lo que da como resultado secuencias perddicas que Para ver lo que ocure para % < ay) < 2m, consideremos las sinusoides de frecuencias cy = cw y 03 = 21 ~ ay. ObseFve que como oy vara ont m y 2, varia entre my O. Poems ver fcilmente que (0! = Avosenyn = Acasa Aeos( 2a — a) a3 £0s{—eyn) = a(n) sa(n) = Acoso 20») WITT) TIJINIINIIIIT Figura 1.3.6. La sefial x(x) = cos wm para varios valores de Ia frecuencia ayCapito #invoduecion 15 Porto, on esun alias deo, Si hvbirames empleo una foneiénscnoen higarde ua fancién cosmo elresuliado sera iskamentse mismo, excepto por uns dferenci Je foe de 180" ene ls noes Sle) yaa). En cualguier as, cuando aumentnos fa fecvenei eativa ey de wna seal sino Gisereta en empo dex 2, tsa de oxic sie. Para O>~ 2 resuado es un eal constant, conn en cca de =D. Obvim nts, para cy = (of = }) oblenemos a mixta de onion, Coma enel as de as fies coninuasen el tempo, pueden introduce frecuencia negatvs también para las efi dacretas en cl empo Para exe propo, vilizmos aie dentin 4 A A ions) 5 4 tomes) : +4 a3, Puesto que as sels sinsoidales discret en el empo con recuncis separa etre sf un mito etero de 2 son idénticas, se deduce que las fecuencas de cualquier iteralo o < @ < wy +21 onsttuyen tds las sinusoides discret en el empo o exponencialescompleas, Por tanto, el rango de fecuonciae para sinusoids dsretas ene! empo es fino con una diac de 2x. Nonnalments, seleccionamos el ringo 0 < w < 2m 0 —e << R(0< f <1, 5b < f < }),el cual se denomina rango fadamental 1.3.3. Exponenciales complejas arménicamente relacionadas Las seis sinusodaesy las exponencialescomplejas desempefian un papel importante en el anlisis de se jiales y sistemas. Fn algunos casos, trabaiaremos con conjuntos de exponenciales compleis (0 sinsoides) ‘arminicamente relacionadas. Se trata de conjuntos de exponenciales complejas periddicas eon frecuencias fndamentales que soa miitiplos de una misma frecuencia positive. Aunque vamos a limitar nuestra exposicién «las exponenciles cemplejas, evideatemene esas propiedades son aplicablesa Tas sinusodes. anos a con siderarexponencialescomplejs armnicamente relacionadas tant continuas como diseretss en el dominio del tiempo. Exponenciales continuas en el tempo. Las selesbisicasexponenciales continuasen el dominio del tempo y armenicamente relacionadas son le) = efor — nih yl 1316) Observemos que paracada valor de k(t) x peridica de pesado fundamental I/F) = T/ko frecuencia fundamental, Da que wna seal price de period Tk también es periica con pero k{Tp/t)= Tp para cuslasier entero positivo tenemos que todas ls (tienen un pextodo comin igual aT. Adems, como hemos visto a Sect 3.1, pede toma calgues valor y todos los miembros del eonuato son distin, cc scaida de que sik ka entonces (0) #0). ‘A ptr de as scales bisicas dads por (13.16), podemos consti una combinac6a Tinel de exponen cialescompejs arm¢nicamente relacionadas da forma x= Fant= 5 act aay donde o,, k= 0, 21, 2,.., 60m eonstantes complejas arbitaras. La seal (0) es peridica de pesiodo fundamental T= 1/Fy ¥ su epresentacién en funciGe de (1.3.17) se denomina expansi6n de Ia serie de Fourier de x¢)-Lasconstanes complojs son ls coeficientes dela serie Fourier y la se edsimo de Xy(0) n{f) sel armonico16 ‘atamont gal de sealos Exponencialesdiscretasenel tiempo. Dado que untexponencial complej diseretenel tiempo es peri st sufrecuenciatelativaes un nimero acional,seleceionamos y= I/N y definimoslosconjuntosde exponenciales ‘complejas urmnicament relacionadas como sigue s(n) =e, 041,42, 13.18) En contrast com el caso de sefiales continua en el iempo, observe que anne sunin) =e 54 (n) = sk(n) Logue quiere devi que, de acuerdo con (1 3.10},s6lo hay NV exponenciales complejas periicas distintas en el ‘conjuntodescrito por expresia 1.3.18). dems, todos los miembros de conjunto tienen un periodo comin ‘de N auesiras.Evidentemente, podemas eer cualesquiera Nexponencales complejas consecutivas, es deci, desde k= ny hasta k= ny +N — 1, para formar un conjunto arninicamente rlacionado con una frecuencia fundamental fy = 1/N. Por comodidad, genealmente, selevionaremos el conjunto que se correspond con np =0,es decir, el conjunto x(n) =e, = 0,1,2,..5N = 43.19) ‘Como en el caso de las seals continua en el tempo, es obvio que la combinacin lineal x(n) = Scania) = Feel 4320) ‘da como resultado una sel periica de perfodo fundamental V. Como veremos mas adelante, se trata dela representacidn de a serie de Fourier de una seeuencia peridica disereta en el tiempocon coefcientes de Fourier {ey}. La secueneia (a) es el arménico f-tsimo de x(n). PSM sek ese sete a eee ee ees ee Cree Pe En la memoria eum rocesador digital desta se ha lmacenad un ciclo de I siguiente seal sino vn) ~son 2248) onde 0 24/%, sei a W ee (@) Deteninecéimo se pode cmplearestaabl de valorspara chon aloes de sinuses amnicament relacionadas con sn fas. (©) Deteonine eno se poodeemplar eta tala de valores para obtener sausoides de I misma ecvencia pero fases items, Soluckin (2) Seay (n a sevens sisal soon (00) i, eacionada aricamente con s(n) Pro xu(n) pode Se trta de una sinwsoide con un frecuencia fa = cxprearc como size nin) +0] = sft) nine Lego (0) = 10). 4(1) ~2(8) (2) =x(28), ete. Portanto a sectencia sinusoidal y(n) puede obenese de Ik tabla de valores don) tomando los aloes sos de), comenzando porx(0})-De este mode podemos generar ow vlores devas ls sinusoid amniamente relacionadas cm recuencas fp —A/N para k-0,1,...N—L‘capt 1 Inronvondn 17 (@) Podemos controler I fase de Ia snide de frecwonca fi — 1/4 tomando el primer alo Ta seuencia de a ‘esc de memoria q~ @N/2z, donde qx wn entero. Po tanto la ae inca 9 cota la posicién incl en Totaly soto aremos la tabla cad Yer uel indice (i) enced dW. 1.4 Conversiones analégica-digital y digital-analégica |Lamayor part de la stale con interés prictico, tales como las seis de vor, ls seals bol6gicas, sfsmicas, de radar, de sonar y ls diversas setaes de comunicacién como las de audio y video, son analgieas. Para poet racesar seals analgicas através de medios diitales, primero es necesario coavertras a formato digital, ‘es decir, converirlas en una secuencia de ndmeros con ta precisi6n fnta. Este procedimiento se denomina, ‘conversin analégicastiital (A/D), 9 los dspositivs que la tealizan son los convertidores A/D (ADO), CConceptualmente la conversion A/D es un proceso de tres pasos, el cual se usta en la Figura 1.4.1 1. Muestreo. Est yaso consisteen la conversign de una sfal continua ene iempo en na seal disereta en ‘tiempo obtensta mente fa toma de "muestra de la seal continua en el tempo en instantes dseretos {e tiempo. Poranto, sxg(t) es la entrada del muesieador, la sada sed x(n) = x(n), donde T es el intervalo de muestreo. 2, Cuanificacign. En este paso se realizalacoaversion do una seal de valores continvos tomados en instuntes| tliseretos de tempo en una sed de valores diseretos en instantes de tiempo dscreos (es decir, es una ‘sei digital), 1 valor de cada muestra de la sefal se representa mediante un valor seleceionado dentro ‘e un coujunty nto de poibles value. La difcismia cutee la untesea no cuansiiada s(n) la slid ‘antificads y(t} es el eror do cuantifcacisn, 13. Codfcacin, Enel proceso de coaiticacién, cada valor disreto xn) se representa mediante una secuencia boinaria de Dit ‘Annque hemos madelado el convertidor A/D como un muestreador seyuido de un cuanificador y un coi- ficador, en la préctica, I conversién A/D se realiza mediante un tnico dispositive que toma x4(t) y produce un nmero coditicadoenbinatio, Las operaciones de muesteo y cuantificacién se pueden realizar en cualquier ‘orden aun, en Ia pritice, el muestre se efeeta siempre antes que a cuansiieacién, En muchos caso péeticos (por ejemplo, el procesamiento de vor) es deseable convertirlas seals digitales procesadas a formatoanalégico, Obviamente, noes posible escuchar la secuencia de muestras que representa {ana sel de voz 0 ver los digits correspondientes& una seal de TV. El proceso de conversién de una sal igta en una seal analdgica se conoce como conversdn dgial-analdgica(D/A). Todos ls eonvertdoces D/A, “conectan los puntos de una seal digitalrealizando alguna clase de intepolacién, cuyprecision depende de la Pa vir (2) Comninsor (2fM| cottons vou. 4 secsoasor -8-| cua ica Sel Seal dcr Sol Set asain ‘nel empo coca ast Figura 14.1. Parteshisicas de un convertidorunal6gico digital (VD),18 Tatami dtl de sosalos ‘Deno Figura 1.4.2. Conversion disital-anal6giea (D/A) con retenei6n de orden eet. “AS 0Se Conoiterh hepel tess 25, 0 ccm n/T Fon a419) donde Fax es la componente de frecvencis més alta de Ia seal anlégica. Selecionando de este modo ta frecuencia de muestea, cualquier componente de frecueacia, es devz, Fl < Four. dela seal analégica se corresponde con una sinusoid diseota en el iempo con una frevencia de 1.420) 6 lo que es equivalent, nS o=2nhise aaa Dado que |f| = } 0 Ja] = es la frecuensia mas alta (Gnica) de una sofa disereta en el tempo, clegir la frecuencia de moestreo de acuerdo con (1.419) evita el problema del aliasing. En otras palabras, la condicign F, > Fn asegura que todas las componenes sinuoidales de la sefal anal6gica se corresponden con las ‘componentesdisreta en eltierapo con freevencias ineluidas en el intervalo fundamental. Por tanto, tos as componentes de frecuencia de la sefal analgica esti repesontadas en la forma muestreada sin ambiguedades yen eonsecuencia la seal analopica puede reconstruirse sin distorsiGn a partir de los valores de las muestra, ‘empleand el método “adecuado” de interpelacion (conversi6n digital-anal6gica) La formula de interpolacia “adecuada" o ideal se especifica mediante elteorema de muestreo ‘Teorema de muestreo. Si a frecuencia mis alta contenida en una seal analgica y(t) 8 Fa ~ B yl seal ‘se muestreaa una frecuencia F, > 2F ge = 28, ntonces (1) puede recuperarse de forma exacta a pari de los valores de sus muestasuilzando la siguiente funcin de interplacién sen27B 2B a) 42) Luego,x6(0) puede expresarse como 1423) o(0T) = x(n) son las muesteas de e().‘Captso atosucsén 25, esta de Ve (1-2 et Figura 1.4.6, Conversion DIA ideal (interpol in), Cuando el muesteo de y(t) Se realiza ala frecuencia minima de muestreo F; ~ 22, la férmula de recons truecida (1.4.23) se convierte en S/n sea2nBl—n/2B) wl © = (55) Senna) «aay La frecuencia de muestweo Fy = 2 = 2Faus Se denomina frecuencia de Nyquist. La Figura 1.46 iusra el ‘rocesa de conversién DIA ideal uilizando Ta funcida de interpolacién dada por (1.4.22) ‘Como podemos sbservar en (1.4.23) 0 (14.24) la econstruccin de x) partir de Ia secuencia x(n) es un proceso complica, que implica una suma ponderada de la fuacién de interpolacion a) sus versiones 2F gy =D 1a frecuencia de Nyt: Fes Ike (b) ado que hemos selesionadoF, = 5 kHz a reeencia de solupamieao es 1 es a Gecuenia maxima gue poede ser representa dnicamente po asf muestra, Uizando (14.2), ‘tenemos sn = at) (2) Seom2n(})m--Ssen2 (3) n+ 1000824 (8) m = Seor2n(l} ot Seen2n( -§10c0%2" (1-4 fm Soos2 fm Ssen2n (3) n+ 10co82e (1 Porno, oberon so = Boos2n (A) —Ssen24 (3) Puede ohne el mimo rssado wind Ia Fgura 1A. Porto, do ie f= $k I evened Solpumient ex F229, s rat dela ects maka go pete er ees inicaete pox ‘ef meses Apri, eens Fo = FAR, Pra, Fe puede cee restanio de Fn plo tee de Ft ie =F/2< Fo =F a eco Fes mentee 2. portato nove seta pore sfecto deine Sinembargo ls tscon recs ence por osm de resteei de soap terol feta de oats ae moses RRR = 2h = RR= Ihe Ari de (145) se coe ef) =f. fi= Ey f= fo ques de scuendy conel saatcaphao 1 oovccén 27 (©) Poesto qe en Ia seal musts slo ein presents ls componentes de rcucnca a 1 AE y 2 KH, Ia seal anagic que polemos rcuperares (= 130,200 —Ssen 40000 lau, cbviameate cs ferent de asf orignal xy) Bt dstorsin del seal analigica eign se debe a festa dl aliasing lel aparece debido a In aj frecenca de mucieo empl Aunque el aliasing €s un incoveniente que tiene que evitase,existen dos aplicaciones prctica tiles basadas en la explotcién del efecto de aliasing. Dichas aplicaciones son el esroboscopio y el osciloscopio ‘muestrealor. Ambos instrumentos estén dseliados para @abajar como dispostivs con aliasing con el fin de representar ls alts ybajas frecuencia CConsideremos un Seal coa las componentes de frecuencia confinadas en una band de freevencias dada 2B, 28, pero F; << Bj, entonces todas ls componentes, dd frecuencia contenias en la seal sern alias de las frecuencia comprendidas en el rango 0 < F< F,/2 En consccuencia, st observamos el contenido en frecuencia dela seal en el rango fundamental O < F< F,/2, ‘eanoceremos de forma precisa el contenido en frecuencia de la sei anl6ica, ya que conocemos Ia banda de frecvencias B, < F< Bz que se estéconsiderando. Por tanto, sin seal es una sefial de banda estrecha (paso ‘anda), pademosrecensruirla sell original a partir de las muesiras obtenidas cuando la efile ha muestreado 1 una frecuencia F, > 2B, sind B el ancho de bana, Est airmacién es otra forma de enunciar e teorema ‘de muestzeo la cul se dewomiina forma pasobenda para diferencari dela forma anterior del teorema, que se aplica en general a tos los tipos de sefales y a la que a veces se hace referencia como forma en banda base Laforma en banda bese de! eorema de muestre se describe en dealle en la Seccisn 6.4 1.4.3 Cuantificacién de sefiales continuas en amplitud Como hemes visto, wa seta digital es una scuencia de mimes (estan) en la que cada nero ex ‘resend por un imero fnto de cgtos (pein Sit). Elprocesodecomerir nasal issretaene impo conamplitd continua nna sel distal expesendo ada yor de mest emo an numero fit (en hs de info) de digits se denoina cancion. Fl torneo al representa last contnsa meant un conjent fit denveles ier es ler de ‘uonifcacino rude de cuanificecin. 1a operacdn de uamifcacin de las mucstras x) la denotamos metiante Qin] y empleamos x(n) para nda Ia secede las moet uantfcads ans del evnfcador. or ano ofr) = Qhr(n}] LLuego el error de cuantfcacién es una secuencia¢y() dfinida como la diferencia etre el valor cuansifcado yl valor de la muesta real, Por tanto, x(a) = y(n) —xt0) (1425) ‘Vamos a lustrarel proceso de cvantficseén mediante un ejemplo. Consideremos a seal disreta ene lempo aay af 0% 220 0, n Osuna frecuencia se muestrea de F,~ 1 Hz (ase la Figura | .7()) Si nos fiamos en la Tabla I.2, que especifca los valores de ls 10 primeras mvestras28 Teasamieno cgtal de sero : mee Sti cumiiaur et ; e 7 igura 147. Hlusteaci dela cuaniicacisn, ‘de x(n), vemos que la descripciin del valor dela muestra x(n) requiere dgitos significaivos. Es evidente gue ‘esta sfial no puede procesarse uilizando uma caleuladora 0 una computadora digital, ya que s6o las primeras muestras pueden almacenarse y manipularse. Por ejemplo, la mayor de las ealculadoras procesan nimeros «om slo ocho Ugitos significative. Sin embargo, vamos a suponer que slo deseamos emplear un digitosignificativo, Para eliminar el resto {e los dgitos, podemos simplementemente cescartarlos (rincamiento) o descartaris redondeando el nimero resullane(redandeo) Las sales cuantiicadas resultanes.(n) se indican en la Tabla I.2, Vamos acentramos en la cuantificacién mediante redondeo, aunque la cuantficacion mediante truncamiento es igual de sencilla, Et proceso de redondoseilusta giticameaté en la Figura 1.4.7(b), Los valores permitidos en a sel digital son los niveles de cuantifcwcién, mientras que la distancia & entre dos nveles de cuantiicacién sucesivos define el tamato det escalén de cuantfcacién o resolucidn. 2 cuanificador pox redondeo asigna cada muestra dd x(n) al nivel de euantiicacién mis prdximo. Por el contario, un cuansiicador que relice una operaci6n de trineamiento asignard cada muestra de x(n) al nivel de euantifcacisn iamediatamente inferior. El error de cuantficacién ¢g(n) en el edondeo esti limitado enol rango comprendido entte -A/2y 8/2, es decit, a a FSelS5 (1426) En otras palabras, el enor de cuanti ‘cuantiicaci6n (véase la Tabla 1.2). savin instantineo no puede ser mayor que la mitad del escaln de(capo inseduesién 20 x(n) a(n) ay(0) ala) agin) ale) Sefaldiscretaenel dempo_Cruncanien) (Redondeo) _(Redondeo) aa 10 10 00 1 og os 09 00 2 oat 08 os oo. 2 ons 07 or =0029 06561 06 07 00839 5 oso 05 06 0.00951 6 osttasi 95 os 0031481 7 oTe2069 oa 0s oat $ — oaaode721 oa 04 = 003046721 9 oae7anoss9 03 os 012579511 ‘Tabla 12, llustraccn numésica de la cuantiticacién con un digo significative utlizando truncamiento y redondeo ‘Sia ¥ Sua Ffeesentan[os valores minimo y méximo dex(n)y Leselmimerodeniveles decuaniieac6n, centonces / oe = tesa aan Definimos el rango dindmice de la sel Come Xaax ~ Zain EN Duero ejemplo, tenemos gag = 1. Xia =O To que nos leva an vl de A = 0.1, Observe que si se elablece el rage dinduive ausientando el ‘mero de niveles de cuantficacinL, el tamato del escal6n de cuanifcaciin se reduce. Por tanto, el err de ‘cuanifieacign disminaye y la precsign del cuaatificador sumenta, En la prctica, podemos reducir el error ‘de cuantifcaciona una cand insignificanteseleecionando un admero suiciente de niveles de cuantificacién Fi teori, la cuanificacin de sefales analégicas siempre produce pérdidas de informacién. Este es un resultado de a ambiguedadintoucids porel proceso de cuantifeacin. Adems,lacuanlificaciénes un proceso ‘nrevesible ono invertible (es deer, una relacién muchos-2-uno). ya que todas as muestas que se eneventan ‘una distancia 4/2 de un determinado nivel de cuantificacin reciben el mismo valor. Esta ambiguedad hace que realizar un anlisis cuantitativo exacto de a cuaniticacién sea extremadamente comple. Est tema se aborda ‘ms en deal ene! Capitulo 6, donde emplearemes el andisis estaisic. 1.4.4 Cuantificacién de sefiales sinusoidales La Figura 1.48 iustra los procesos de muestreo y cuantifiacién de la sefal analégica sinusoidal x(t) = ‘Acos Of, wiizande una cuaricula rectangular. Las Iineas horizontales dentro del rango del euaniieador indian los niveles de cuantiticacin permilides. Las lineas vercales indcan los instantes de muestreo. De ‘este modo, a partir dela seal analégica original x(¢) obtenemos, al muestea, una seal dseretaen el empo x(n) —%a(n) y unasefal discret en el iempo y de amplitudes discret xj(a7) después de la evanificacisn, En la prctca a seial en escalera y(t) se puede obtener uilizando un retenedor de orden cero. Este anlsis ‘es il porque se empleansinusoides como sefales de pruchs en los convertidoces A/D, Si la frecuencia de muesreo F; satisfae el teorema de muestreo el error de cuanificacion ese nico error «que se produce en el proces de conversion A/D. Por tanto, podenos evaluar el error de cusntficacién,cuantificando la seal anal6gicasg(t) en agar de la sefaldscreta en el tempo s(n) = x,(n7)-Lainspeccidn de la Figura 14.8 indica que la seal x(¢) es prctica- ‘mente linea entre niveles de cuantificacin (véase la Figura 14.9). El error de cuantifcacién corespondiente20 Tetamioto cote sere pane CS “| Eee : Bag if al “eon Bo fee oe aia wid | vden coor) - + co Figura 14.8, Muesteo y cuuntficacion de una seal sinusoidal, Figura 149. Elertede cuantifcacin ¢4(0) = x4(t) —24(0) q(t) = sa(f)—et) Se muestra en la Figura L..9. Fn esta figura, rindi el tempo que x(¢) permanece dentro {e os iveles de cuantiicacin. La potencia del error cuaditica medio Py es (1428) [(ayeus a) Si el cuantificador tiene b bits de precisi6n y eubre el rango completo 24, el escalin de cuantificacisn es A= 24/2, Portanto, f 1430)CCaphso osuasén 31 ‘La potencia media de la sefial x(t) es. faeces [lisennsy ar aan {La calidad de la sala del convertdor A/D normalmente se mide mediate la relacién seial-ruido de cuan- tilcaeiéa (SQNR, signal-to.quantizarion nose ratio), que relacion la potencia de seal con la potencia de uid: Rd ys na Expres en desis) aren SQNR es SQNR(UB) = 10} SQNR = 1.75 +6005 a2) Eso implica que la laciéa SQNR aumenia apeoximadamente 6 6B por cada bit que se aftade a 1 ongitud de palabra es decir, caca ver que se duplica el nimero de niveles de cuantficacién. ‘Aunque la formula (1.4.32) se ha obtenido para sefales sinasoidales, en el Capitulo 6 veremos que se obviene wn resultado similar para ewalquier seal cuyorango dingmico comprenda el rango del cuantifiador. Bsa relacin es extremadamente importante porque fine nimero de its que una aplicaciGn especies requiere para asegurar una dtemfnads relacién sefal-ruo, Por ejemplo, la mayor de los reproductores de diss Compactos utilizan tna frecuencia de muesteo de 44.1 KHz y una resolucién de 16-bits por muestra, 10 que Jmpica una elacin SQNR superior a 96 dB. 1.4.5. Codificacién de muestras cuantifica: [E proceso de coifcacé de un convertidor A/D signa un mimero binario univoco a cada nivel de cuantifica cin, Si tenemos Liveles, necesitaremes al menos Lraimeros binaros dstintos. Con una longitud de palabra de b bits, poclemos crear 2* nimetosbinaros distintos. Por tanto, tendeemos 2” > L, 0, lo que es lo mismo, > logy. Por tanto, el nimero debits necesaros del codificador es el entero mas pequetio mayor o igual que Jog). En nuestro ejmpa (Tabla 1.2), podemos ver fécilmente que nevestamos un eoxlfieador con b= 4 bits ay disponibles A/D comerciales que peden proporcionar una precision fnita de b= 16 0 menor. En general, ‘ouanto mayores fa frecuencia de muestreo y més ajustada es la cuantificacin, mis caro es el dispostivo. 1.4.6 Conversién digital-analégica Para convetiruna seal digital en una sefial anal6gica podemos utilizar un converidordigital-analéigico (D/A), ‘Como hemos dicho anteriormente, la area de un convertor D/A. consist en intepotar entre mucstas. El teorem de mucsteo especifica Ia interpolacién 6pima para una sefal de banda limita, Sin embargo, ‘este tipo de interpolacion es demasisado compleja y, por tanto, poco prietica, como ya hemos comentado anteriomente, Desde un punto de vista préetico, el convertor DIA mis sencilo es el retenedo de orden cero mostrado en la Figura 1.4.2, el cual simplemente conserva (etiene) el valor constate de una muestra hasta ‘ae se recibe Ia siguiente. Uslizando la interpola lineal puede obtenerse una mejor interpotaciGn, como se ‘uesra en la Figura 1.10 conectando las muestrassucesivas mediante sepmentos de linea recta, Se puede ‘consepuir ua mejor inerpolacin utlizando técncas de interpolacisn mas sofisticadas de orden superios. En general, las Senicas de interpolacion subptimas dejan pasar fecuencias por encima de a frecuencia Ae solapamiento, Tues componentes de frecuencia no son deseablesy normalmente se eliminan haciendo pasar la sada de la imerpolaign através del apropiado filtro analigico, el eual se denomina post foo fim de suavizado. Por tanto, nomalments, la conversi6n DYA implica el uso de un interpolator subiptimo segulo de un post-filtr. Los comvetidores DYA se estudian mas en detalle en el Capitulo52 Tatamionl digit! de sales Selo a Cp Figura 1.4.10, Conectorlneal de puntos (con un retardo de T segundos). 1.4.7 Andlisis de sefiales y sistemas digitales frente a sefiales y sistemas discretos en el tiempo Hemos visto que una seal digital se defite como una funcin de una variable independiente entra y sus ‘valores se toman de un conjun fnito do posbles valores. La utilidad de tales seiales es una consecuencta de las posibildaes ofrecidas por las compatadorasdigtales. Las computadorastrabajan con nimeros, ls eles se representan mediante cadenas de caracteres formadas por Os y 1s. La Jongitud de esta cadena (longi de palabra) es fay fntay, normalmente, es igual a8, 12, 16 0 32 bits. Los efectos de una longitud de pala finita en los cdlewlos causa compicacionesen el andlsis de ios sistemas de tratamiento digital de sefiles. Con el finde evita estas complicaciones,desprecicremos la natualeza cuanificada de las seals y sistemas digitales ‘on la mayor parte de nuestros anlisisy los coasideraremos com seals y sistemas dscretos en el empo, Enos Capitulo 6,9 y 10setratan as consecuencias de wilizar una longitudde palabra init. Este esun ema importante, dado que muchos de los problemas del pracesamniento digital de senales se resvelven empleando ‘computadoras pequeias 0 microprocesadores que uilizanartmetica de punto fijo, Bn consecuencia, es preciso ‘rata eon cuidado el problema de Ia arimética de precisiénfiniay tenerla en event ene dseio del software y el hardware que levan acabo ls tareas de ratamiento de la seal deseada 4.5 Resumen y referencias _Eneste capitulo de introduccién hemos imertado proporcionarla motivcién de utilizar el ratamiento digital de ‘efiles como alternativa al pracesamiento anl6gico, Hemos presentado los elementos bésicos de un sistema de procesamiento digital de seals y hemos defini las operaciones necesaras para converti una sefal analégica en una sefl digital ue pueda ser procesaia. De particular importancia es el teorema de muestreo, que fue planteado por Nygust (1928) y que mis urde, en 1949, popularia} Shannon. Fl teozemia de muestteo como ‘se ha descrito en la Secci6n 1.4.2 se demuestra en el Capitulo 6. Las sefales sinusoidal se han introducido fundamentalmente con el propésito de ilusrar el fendmeno del aliasing y para el subsiguiente desarrollo del ‘orema de muesto. ‘También se han presentado ene capitulo efectos de la euantificacién que son inherentes a la conversisn ‘AMD de una sel La cuantificacin de sefales se analiza mejor en términos estadisticos, como se veri en los Capitulos 6,9 y 10. Por timo, se ha desritohrevemente a tema de Ia reconstruccidn de la seal, o conversin DIA. En la ‘Secen 6.3 se aborda Ia reconstrucisn de seals hasada en Ia interpolacién mediante escalones Existen mumerosas aplicaciones préetcas del procesamiento digital de sefiles. E libro editado por Op- ‘enheim (1978) aborda aplicaciones com el tratamiento de vor, de imégenes, de sefiles de radar, de sonar y seoliscas.opto 1 ieucion 98 Problemas 1.1 Clasifique las siguientes seiales segtin sean (1) unidimensionales 0 multidimensionales; (2) de un solo canal o multcana, 3) continuas 0 diseretas en el tiempo y (4) analgicas 0 digitale (en amplitd) Proporcione una breve explicacéa, (a) Los precios de cierre de las acciones de la Bolsa de Nueva Yor (b) Usa pelicula en color (6) La posiién del votante de un automsvil en movimiento respecto aun sistema de referencia stuado nel automovil (@) Laposicisn del volante de un automsvil en movimiento respecto a un sistema de referencia situado cnc! scl, () Las medidas de peso altura mensuales de un ni, 112 Determine cules de ls siguientes sinusoides son peridica y ealcule su perfodo fundamental to cosotm (om (22) (a) sete ee) 1.3 Determine sla siguientes seals son periicas. En caso airmativo, especifique su frecuencia funda- mental (©) cos3an (4) 26) =3e0s(51-+4/6) ) x(n) = Scos(5n+ 2/6) (6) xin) =2espli(n/6— 2) (@) x(n) = c0s(n/8)cos(an/8) (€) xn) = c0s{ 0/2} —sen{n/8) +3eos(nn/4-+ 2/3) 14 (a) Démueste que el perfodo fundamental Np de las sefiales siguientes fn) =e, = 01,2, sti dado por Ny = N/MCD(4,W), donde MCD es el mximo comin divisor de ky N. (®) {Cuil es el perfodo Fundamental de este conjunto pata N =7? ©) jy para = 16? [LS Considere la siguiente sefialanalégica sinusoidal e(#) = 3sea(100nt) {a) Represente gificamente la seal x(1) para 0-<¢ < 30 ms, () Lasefialsy(f) se muestacon una asa de muestreodeF, dela setaldiseretaenel tempo x(n) = y(n), T = 1/F 100 mestrals, Determine la frecuencia Y demueste que es periica,4 Taint dig de smalas (©) Calcul ls valores de la muestra en un perfodo do x(n). Dibuje x(n) en la misma grética que xy) {Cua es el periodo de la seal dsreta en el tiempo en milisegundos? (@) (Puede hallar una frecuencia de muestte F, tal que la seal x(n) aleance su valor de pico en 3? {Cuil es la frecuencia minima F, aceptable para esa tarea? 116 Una sinusoid continua en el tempo (7) con un perf fundamental de Ty ~ 1/F se muestrea a una Srecuencia F; = 1/7, con fin de generar una sinusoie dseretaen el tempo x(n) = (nT), (a) Demuestr que x(n) es peisicasi T/Ty = k/N (es devi, T/T es un nimecotacional) (©) Si x(n) es perisdica, ceul es su ferfodo fundamental Tp en segundos? (©) Explique a siguiente afrmacién: x(n) es persia isu period fundamental Tp, en segundos, es igual aun admer entero de peredos de (0) 17 Una sefialanalogicacontiene frecuencia hasta 10 KE. () {Cudl es el rango de fecuencas de muestreo que permite Ia reconstruc exacta de esta seal a partir de sus muestas? (©) Suponga que muestreamos esa sl a una frecuencia de muestiso F, ‘cure con la frecuencia = 5 kHz (©) Repita el apartado () para una freewencia Fy SKE, Examine lo que kt, 4.8 Una seal analdgica de clectocardiograma (ECG) contenefrecuencias tiles hasta 100 Hz, (9) ,Cusl ests frecuencia de Nyguistde esta seal? () Suponge que muesteeamos ess sei una tsa de 250 muestras/s, {Cul es la frecuencia mis alta |que puede representarse de formavaivoea para esta tesa de nivesteo? 19 Una seal analégiea x(t) = son( 4802 + 3sen(720n?) se muestrea 600 veces por segundo. (a) Determine la frecuencia de muestic de (0), (b) Determine la frecuencia de solapaniento, (©) ;Cuiles som las fecuencas, en ratianes, dela seal discret ene tiempo resulkante xn)? (@) Six(n) se pasa através de un comeridor ideal D/A, je6mo esl seal reconsruida y(t)? 41.10 Un enlace de comonicaciones digital transport palabras codificadas en binaro que representan muestras ‘dena seal de entrada elt) = 3e0s600 nr + 200s 1800R8 enlace trabaja.a una velocidad de 10.(00 bits y cada muestra de entrada se cuantifican 1024 niveles de tension distintos, (a) Determine las frecuencias de muestreoy de solapamiento, b) {Cus es la frecuencia de Nyquist de la set g(t)? ©) (Cuiles son las frecuencias de la sefaldiseeta en el tiempo resutante (2)? (@ (Cudles a resolucn 4? 1LAT Considere el sistema de procesamiento de seiles mostradoen la Figura P11, Los perodos de muesteo de los convetidores A/D y DIA son T = S ms y "= 1 ms, respectivamente. Determine la sali y(t) el sistema si ln entrada es u(t) = 3e0s1O0at-+25en250n0 (ren segundos) 1 posciltro elimina cualquier componente de frecue ja por encima de F,/2.(Capua + Insoducsén 35 | Hints gue ate wee |_suo Pigura PAA. 1.12 (a) Obtenge 'a expresisn correspondiente sla seal disreta en el tempo x(n) del Ejemplo 1.4.2 wi zand las propiedades de periodicidad de las funcionessinusoidales. () {Cust es a sofia analégica que podemos obtener apart de x) sien el proceso de econstruccién Suponenms que F; = 10 kH2? 1.13 La sefal discret en el iempo x(n) ~ 6.3Scos(/10)n se cuantitiea con una resolucién (2) A = 0.1 0 (6) 8 =0.02. Custos bits son necesaris en el convert A/D en cada caso? 414 Determine la use debits y la resolucn para el muestreo de wna seal sismiea con un rangodinémico 42 I Volto si frecuencia de muesteo es F, = 20 muesrass, llizando un convertor A/D de it {Cuil es Ia frecuencia maxima que puede estar presente en la sefialfsmica digital esultante? 1.15 Muesteo de soles sinusoidales: aliasing. Consider la siguiente seal sinusoidal continuaen el iempo xylt) sonny, ect <= esto que sal) est seria en forma matemétice, su versi6n muestrada puede descibirse mediante ss valores eaca T segundos La seal muestreada se describe mesant la Tommulasigu a(n) =xa(n?) = ene de muestra, onde F, = 1/T es la freuen () Represeme grifcamente la sefal x(n), 0-< w < 99 para Fy =5 kHz y Fy = 05. "Explique as similitudesy diferencias entre las dstntas representaciones, (©) Supongaque Fy =2 KHz yF; = SO KH, 1. Representegrifcamente la seal x(n). ;Cuil esa frecuencia f def seta x(n)? 2. Representegréfcamente la seal y(n) obtenida romando las muestra pares de x(n). (Es una sofa sinusoidal? ;Por que? En caso afirmativo, cul es su frecuencia? LUG Error de cuawificacién en la conversion A/D de una seal sinusoidal Sea x(n) Ia seal obteida a cuntficar la wal x(n) = sen2 fr. La potencia del eror de cuantficacisn P se define como sigue FEES) Sle) La “calidad” ce la seal cuanificada puede medirse mediante la rela (SQNR) definida como sigue n sefa-rido de cuantificacién SQNR logo 5 P, donde Pes la potencia de fa sin euantfcar (0),{35 Tatarian dgtal de sehates (4) Para fo = 1/30y N= 200, escrbaun programaparacuantfica a sefl s(n) utilizando truncamiento rad, 128 256niveles de cuantifcacin. En cada caso, represent grficamente ls scales x(n), “o(n) y e(n),ycaleule a relacién SQNR correspondiente (©) Repit el spartado (a) utlizando redondeo en lugar de truncamient, (©) Comente ios resultados obtenigos en los apartados (a) y(b), (@) Compare la SQNR medida expetimentalmente con la obtenida (14.32) y coment as diferencia: y smilies, Sricamente mediante Ia frmSefales y sistemas discretos en el tiempo En el Capitulo | hemos presentado una serie de importantes tips de seals y hemos deserito el proceso de ‘muestreo mediante el. que una sei analgica se converte en una seal discret ene tiempo. Adem, hemos abordado con cierto detalle Ins caracteristies de las seralessinusoidales discret en e tempo. La snusoide es ‘una sefal elemental importante que sirve como blogue bisico de consruccién de seals ms complejas. Sin temmbargo,existen ots seal clementales que tabign resultan importantes en nuestro tratamiento de seis. En este capitulo varos a presenardichasseiales diseretas en el tempo y vamos a emplearlas como Tunciones Iniscas para dseribirseales mis complejas. Este capitulo hace hincapié en la caraterizaciOn de los sistemas dscretos en el tempo en general y de los sistemas lineales imvariantes en el tiempo (LT, linear time-invariant) en particular. Se definen y desarrolan una sere de importntes propiedades en el dominio del tiempo de los sistemas LT y se deduce una frmula fundamental, conoekda como formula de la convolucién, que nos permit determinar Ia sida de un sistema LET para cualguier sefal de entrada arbitaria dada. Adem dela frmula de la convoluci6n, se presentan las ccuaciones en diferencias como métado alterativo para describir la relacin de enrada/salia de wn sistema ET, asf como implenentaciones recursivas y no recusivas de los sistemas LTH ‘Nuestra motivacsn para centraros en el estudio de los sistemas LTI es doble. En primer lugar, existe una largalista de téenicasmatemsticas que pueden aplicarse al andliss de los sistemas TI. En segundo higar, muchos sistemas prcticos son sistemas LTT 0 pueden aproximarse mediante sistemas LTT, Debido a su importancia en las aplicaciones de traamiento digital de sedales y a su gran semejanza con la frmula de la convolucin, también vamos a ven eorelacin entre dos seals. Se definen las sefales de autocorrelacin y correlacion ‘eruzada y se presentn sus propiedades 2.1 Sefiales discretas en el tiempo ‘Como hemos visto en el Capitulo 1, una sei discreta en el tempo x(2) es una fancin de una variable independiente que es un entero, En la Figura 2.1.1 se muesta su represenacion gréfica, Es importante observar ‘ve tuna sel diserta en el tempo no esta definida en los instantes entre dos mvestrassucesivas. Ades, no ‘escomecto pensar que s(n) es igual cero sin noes un entero, Simplemente, la seal () no est definida para valores no enteros dm38 Tatarint gt do soos Figura 2.1. Representicion gréfica de na seal disereta en el iempo, En Io sucesivo supondremos que una seal disereta en el iempo esti defnid para todo valor entero m del Imervalo =» 0) sly s6lo si x(a$N)=2(n) para todo n @120) EL yaks ais posuc de para el que (2.1.20) se cample se denomina periodo (Fundamootal, Si no exite ningin valor de NV que satisfaga Ia expresion (2.1.20), se dice que la sefial es no peiddica 0 aperiddica "Ya hemos mencionude que la sefial sinusoidal dela forma x(n) =Asen2 fon e121 periica cuando fy €s un aero racional, es dev, si fo puede expresatse como k nok 1.22) donde ky N son enteros Lacnergin de una sel periddica x(n) en un solo perfodo es devi, en el intervaloO es {nfinita Por el conrzio, la potencia media de la seal periédica es fntae igual ala potencia media en un solo periodo. Por tanto si x(n) es una seal periddia de perfodo fundamental Ny tome valores fnitos, su potencia viene dada por 7 2S moe e129 En consecuenci, las seiles periieas son sefiales de potencia, ‘Siales simétricas (pares) y asimétrieas(impares)- Una sefal eal x(n) se dice que es una seal simetrica (par) si x(n) =a(n) ei Porel contraro, unasofil x(n) se dice que es asimétrica(impar si x(n) = —x(n) 128)44 “Talamiont cigtl de cafes 10) “aaderasa * Oo 0 5-43-01 Jo} ‘Observe que six) es impar,entonces.x(0) =0. En la Figura 2.1.8 se muestran ejemplos de sefales com simetsia pare imps. ‘Vamos a ver ahora que cualouiersefal arbitraria puede expresarse como la suma de dos componentes de sofia una de las cuales es par y la otra impar. La componente de sefal par se define sumanda s(n) a a(n) y Aividiendo entre 2, es decir, 1 2) = Fn) +x(=n)] 2.126) Evidentemente, x(n) satisfae la condicin de simetra (21.24), De la misma manera, se define la componente de seal impar s(n) sega la rela siguiente (0) = Mista) — x(n soln) = 3a) —a(—)] e129 De mucvo, es evidente que x(n) stistace la expresin (21.25): por tanto, es impar Si ahora sumamos las dos ‘componentes de la sefaldefnidas po (2.1.26) y (2.1.27), obtenemos x(n), que es x(n en) xan) 2.128) Por tanto, cualquier seal arbitraria puede expresarse como indie Ia Bova (21.28) 2.1.3 Manipulaciones simples de las sefiales discretas en el tiempo En esta secvin vamos a abordar algunas moditicaciones 0 manipulaciones simples que implican a le variable independiente y la umplitud de a arable dependiente,Capito 2 Senales y sistemas dscrtos onl orpo 45 ‘Transformacién de la variable Independiente (tiempo). Una sefal x(n) se puede desplazar en el tiempo reemplacando Ia variable independiente m por n —, donde kes un entero. Si kes un entero positiva el des- plazamiento de tiempo produce un retard de la seal en & unidades de tempo, Sif €s un entero negative, ek no, y que deseamos determinar la salida y(n) d este sistema para > np. Para n= ng, no-+ yy ka Beuscion (2.2.8) nos proporciona (na) = yng — 1) +4(00) y(ra 41) = yng) +2000 + 1) xyasi sucesivamente. Observe que tenemos in problem ala hora de calcula yin), yaque depen de (9 ~1). Sin embargo, DEC) v4am=1) 1s decir, y(ng ~ 1) “resume” el efecto del stems de todas las entradas que han sido apicadas al sistema antes el instante mp, Por tanto a respuesta del sistema para n > np la entrada x(n) que seaplica ene instante mo {ese resulta combinado de esta entrada ytods as entradas que se han apicado amteriormente al sistema, En ‘conseeuencia, yn), > mp no esté determina Gnivoeamente por la entrada x(n) para > ny 1a informacin adicional necesaria para determinar y(n) para n> ny es la condicinincial yng ~ 1). Este valor resume el efecto de todas las entradasanterires a sistema, Por tanto, la condiciéa nical y(ng — 1) junto coma seouencia de entada.x(n) para > np determina de forma univocal seeueneia de said y(1)paran > no, Sil acunulador no ha sido excitadoaateriormente al instante ng, lu condicinincil es y(ng~ 1) ~ 0. tal easo,decimos que el sistema estaba inicalmente en eposo. Dado que y(ng ~ 1) = 0, la secueneta de sida _(n) slo depend de la seeuencia de enraca x(n) para m > no ‘Se suelesuponer que td sistema est en reposo en n = —==, En est caso, si se aplica una entrada x(n) en ‘=, lacorrespondliente salida y(n) qua inca y exclusivamentedeterminada por la entrada dada.cepts? Seis y sistemas dsroos on el tempo 5t EJEMPLO 2.22 El acumar desert yor ta expres (2.2.30) cada una dels condones signs excita mean la souencia x) = mun). Determine s aida bso (a) Incialment est en repose fs deci») » 1 Solucin, La side dl sea se define cone eo(-1) xo) = Sa) S xt14 Sa) +30) aint) 2 (a) Sil sistem iniikmemt est en eps, y(—1) =Oy por tanto alot) in) = (©) Porc conti, sls coca incites y(—1) ~ 1, entonses mins) wae? og 2 2 7 2.2.2 Diagrama de bloques de los sistemas discretos en el tiempo Resula ten este momento presenta un dagrama de loques para los sistemas diseretosenel empo. Para elo, necesitamos definir algunos de los blogues hsicos que pueden interconectarse para formar sistemas complejo, Sumador. La Figura 2.2.2 ilustra un sistema (sumador) que realiza la suma de dos secuencias de seal para ormar otra secuenea (a suma), que denotamos median yn). Observe que no es necessioalmacense ninguna se las secuencis para evar @ cabo la suma. En otras palabras, Ia operacion de suma es una operacin sin “Multipicador por una constante, Esta operacia se describe en a Figura 2.2.3, y lo que hace simplemente es aplicarun factor de escalaa la entrada x(n). Observe que esta operacién también es una operacin si Hoye) +400) 7) Figura 2.22. Representacin grea de un sumador.52 ‘atamiento dal de stiles x) ha) = axe) Figura 2.2.3. Representacion gréfica de un multiplicador por una constant, 24) _rini=atninto 1) Figura 22.4, Represeatacidn gritiea de un mulkplicador de sefales “Multplicador de sefiles, La Figura 2.24 ilustra la mullplicacién de dos secuencias de sefial para formar otra secuencia (el producto), designada en la figura por y(n). Como en los dos casos anteriores, se trata de una ‘operacisn sin memoria Elemento de retardo unitario. El sistema de retardo unitario es un sistema especial que simplemente retards en una muesta Ia sei que pasta su raves La Figura 2.25 ilusra este sistema, Sia sefal de entrada es x(n), la salida ser. ~ 1), De ecto, la muesirax(n—1) se almacena en memoriaen el instante a ~1 y selaextre tde memoria enc instante n para formar vn) =x) Por tanto, este blogue requiere memoria. Eluso del simbolo 2 para indicar la unidad de retardo ser evidente ‘cuando abordemos a ransformada-zen el Capitulo 3 Elemento de adelanto unitario. En contaste con el retardador unitario, un sistema de adelanto unitaio esplaza la entrada ¥(n) una muestra hacia adelante en el instante que sleanza x(n 1}.La Figura 22.6 iustra cesta operacién, empleando el operadorz para designar el bloque de adelantounitarfo, Observe que eusiquier vance de este tpo es fisicamente imposible en tempo rea, ya que implica conocer el comportamiento futuro {e asefal Pore contraro, si almacenamosla seal en la memoria de una computadora, podemos saber el valor de cualquier muestra en cualquier instant. Zn aplicaciones que ao sonen tiempo real, es posible adelantat las ‘seal x(a) en el temp, EJEMPLO 223 ‘sian ox logues isons qu aeabamos de presenta, ibe el grams de bloques del sistema discret enim desert pr I elaeindeenra-saida ate) = ton) + Soon) + Bal) es) donde x(n) 5a eta ey) sl sida dt sister, Solucién, De acuerdo com (2.2.5) sla y(n) se obiene mulipicand aera x(a) pe 0.3, mupicndo Ia cnsada ante (41) poe 0, sumando ls dos prot ysunando a coninucia asada anterior (0 — 1) matpiada poe 2 Taper Figura 2.25. Representcingrifica de un elemento de rtardo nitro,Capito 2 Seales y sistemas dszretos one empo 59 vl pepe Figura 22.6, Representacién grética del elemento de adelanto unitaio 4. La Figura 2.7) is sta reaizacin dl dagrama de bques del sisema, Una simple eordenacin de la expresion 223), post xo) (0-2) 226) cual nos lev aa ealizacié dl dagrama de logue mostra en In Figuea22.7b). Observe que tates el sista” desde el puato de ist de una deserpcn de enraa-saia own descrip extema, no tenemos que reocupernos por esmo simplementae! sistema, Porelcontarosaoptamos wa descrip intra de sistema, sabre exactamente ‘smo tienen que configure los bloques isicosde construc del sistema. nesta ealzaciéa poems Ver que unset ston mporoe el instimie n= nas aids detdos los vecardas que exison en el sistema som ceo ea n= ny (x deci, sito la memoria st ena de cer), 1 Leg Jin) + bine 22.3 Clasificacién de los sistemas discretos en el tiempo ‘Tanto en el andlisis como en el disefo de sistemas, resulta emo clasifca ls sistemas de acuerdo eon las propiedades generates que stisacen, De hecho, ls tenicas matemiticas que se desarollan en este capitulo ¥en capa posterioos para analizary disetar sistemas diseretos en el tempo dapenden en extrem de le ‘caracteristicas genercies de los sistemas que se estén considerando. Por ello, es necesario que desarvollemos una serie de propiedades o catezorias que podamos emplear para descriir las carateistics generals de los aia ear x) ® x) os a‘54 Tataniant dtl do settes Debemos destaear que para que un sistema posea una determinada propiedad, es preciso que dich propiedad se satsfaga para cualquier posible sefal de entrada que se aplique al sistema. Si a propiedad solo se cumple para algunas seiles de entrada pero no para otras, quiere decir que el sistema no poses dicha propiedad. Por ‘anto, un nico contacjemplo es suficiente para demostrar que un sistema no posee una propiedad dada. Sin embargo, para demostrar que el sistema tiene determinada propiedad, habré que demostrar que'se stisface para csualoer seal de entrada posible Sistemas estticos y dinimicos. Se dice qe un sistema disereto en el tempo es estdicoo sin memoria si su salidsen cualquier instante n depende a o stmo de la mvestra de entradaen dicho instante, pero no de muestas asada 0 fuuras de I entrada En cualquier oto caso, se dice que el sstoma es dindmico o que tiene memoria, Sila sala de un sistema en ef instante» eté completamente determinada por ls muestas de entrada en el intervalo de —N hasta (N > 0), se dice que el sistema tiene memoria de duracién N. Si N =0, el sistema ex esttica, $1 0. [La Figura 2.29 propereiona una lustracién del principio de superposicién, El principio de stperposicién dado por la relsci6n (2.2.26) puede separarseen dos partes. En primer lugar, suponemos que ap =I. Luego (2.2.26) se reduce a Flarxs(n)] = a1 Ffeu(n)] |, z seosin-| = FW 150-4) e318) oe Evidentemente, la expresin (2.3.14) cumple propiedad de superposicion de los sistemas lineales y se conoce como sumatorio de superposicion. Observe que (2.3.14) es una expresin para la respuesta de un sistema lineal @ cualyuier secuencia de entrada arbtraria x(n). Esta expresin es una funei6n tanto de x(1) com de las respuestas hk) de sistema 8 tos impulsos unitarios 5(r —X) para = < & <-, Para obtener la Eeuacida (2.3.14) hemos wilizado la propiedad de linaldad del sistema pero ao sx propiedad de invarianza en el tiempo, yz que dicha expresion [ede aplicarse a cualquier sistema lineal iavarianteen el tiempo) en repos. ‘Siadomssel sistema es invarianteenel tiempo la frmula dads por (23.14) se simplifica considesablemente De tccho, sla respuesta dl sistema LT al inpulso unitaro 5(n) se denota como hin). es dect, hin) = F(8(m)) 23.15) entonces apicando la propiedad de invarianzaen el tiempo, la respuesta del sistema a la secuencia de impulsos tnitarios desplazados 3(n—k) es Ha 2) = F[8(0—¥) 23.16) Por tanto Ia férmula dada por (2.3.14) se reduce a Exam e319 y(n = (Queda claro entonces que el sistema ITT en repose queda completamente caracterizado por wna vniva funcién ‘in, es decir, su respuesta al impalso unitaria 8). Por el contraro, la caracterizacin gencal de la sada de tun sistema lineal invariante en el tiempo reyiere un mero infinito de funciones de respuesta al impulso ‘unitario, rn, ), una para cada posible desplazamiento, La frmuta dads por (2.3.17) que propotciona la respuesta y(n) del sistema LTT como una funcion dela seiial de entrada x(n) y de la respuesta al impulso h(n) se denomina suma de convolucin, Decimos que la entrada x(n) se convolaciona con a respuesta al impulse i(n) para proporcionar la sala y(n). A continaacion vamos expliear el procedimiento para calcul la respuesta y(n), tanto por medio matemiticos como gros, ‘conocidas la entrada x(n) y la respuesta al impalso h(n de sistema, ‘Supongamos que deseamos calcula a alia del sistema enun determinadoinstantede tiempo, por ejemplo, pra n =n, De acuerdo con (2.3.17), Ja respuesta en n = ny esté dada por v0; = 3 (h(n) 23.18)CCaptso 2 Setalesy sistemas dates on olorpo 67 La primera observacién que tenemos que hacer es que el indice del sumatoro es fy, en eonseeueneia, tanto ta sedal de entrada xP) como fa respuesta al impulso (ap ~4) son funciones de f. En segundo lugar, observe {que las seeuenciasx(e) and hing —£) mulipican para formar una secueacia produto. La sala y(na) es ‘Timplemente la sumade todos los valores de la secvencia product. La secuencia h(ny~ k) se obtiene a pati ‘Ge h(,reflejand primero i(k) respecto de k = 0 el origen de tiempos), 1o que da como resultado la secvencia 1-4), La secuencia reflec se desplara entonces ng para proporciona h(mg—f)- En resomen, el proceso de calcularla convoluci entre x(F) y h(E) implica los pasos siguientes: 1. Reflevion, Se relejah(R)respecto de k= 0 para obtener h(~R) 2. Desplazamiento. Se desplaza h{—R) una cantidad ng hacia la derecha (ota izquierda) si noes positive ‘egativo), parc obiener hap —B) |3. Muliplicacién.Se multplica x(K) por (iy~) para obtener lasecuenca producto vg( E) = x1K)h(%0—K), “4. Sumo. Se sumas todos los valores dela secvencia producto Yj (X) para obtener el valor de la sida en el instante n= ‘Observe que este procedimientoproporsionala respuesta del sistema en un determinado instante de tempo, por ejemplo, en nn, En gener, estamos interesados en evalua la respuesta del sistema en toes los Instantes de tetapo el intervalo —=> 8,tenemes qo x(n) = 0 poraie Tes secuencias roc coninn caenteceos, Por tnt, Kemos eben la respuesta yn) parm > 8. “AcontinsaiGn deearos evar yn) pra n <0, Corenramos con n= —1. lego ye= & stat-1- 8) 2325) [Akors fa secuencia (1) 6 simpemsate la sscuensiarefejads (-H) desplzada una unidad de tempo hac ta inguin. La sceuecic restate se sta en la Figura 23.240), La secueneta producto corespondiene tambien ist en a Figura 2.6), Pr tm, sumando todos os valores de ln secbenia product, cbenernos vep=1 Si observamos as grits I Figura 2.32, os evidente que culguerdesparaento ulterior de i(—t—R) hacia Ia inguin sempre da sao resultado una eeveneiaprodets cuyes vars son tos igual a cero, pr tanto x(n} 0 para <2 ‘Ahora eins a respuesta completa dl sistema para < w-< fa cual esuminos como sigue fn) = {6014 883,210.05.) 2326) En el Ejemplo 23.2 hemos ilustrado el edlculo dela convotucién, empleando grficas de las secvencias para ayudamos vistilizando los pasos del procedimiento de cdleulo. ‘Antes de abordar otra ejemplo, vamos a demostrar que la convolucin es una operaciin conmutativaen el seat de que es irtelevante cual de las dos companentes se refleje y desplae. Sicomenzamos con la fem G1 tacemos an cambio de variable en el sumatro, de Fam, defincado el mivo Ine t= 0k tionces k= nm (23.17) puede eseribise como sie in) = xin nin) a2 Puesto que’mes.un nde ftco, podemos simplemente reomplzat m por kde mado que ylay= Extn) 2328) Laexpresién dads por (2.3.28) implica no modifiar la respuesta al impulso h(t), mientras que la seouencia de entrada se reRljay desplza, Aunque la salida y(n) en (2.3.28) es identica a Ta dada en (2.3.17), as secuencias producto en las dos ‘ormas de I férmula de la convotuciéa no son idénticas. De hecho, si detiimos las dos Secuencias productocomo * valk) =n =8) walt) = ain BH)70 “Taarint digtl de sealos fil demostrar ue n(k) = wa(—8) 9, por tanto, Dme)= Ewan) xe) _yaque ambas secuencias contenen los misms valores de impulso en wna disposicisn diferente Ieetor a repatr ef Ejomplo 23.2 uilzando laconvolucion dada por (2.3.28) EJEMPLO 2.33. Determine a sald) de un sistema lina intarane cn tempo en repo con una respuesta lipase (a) =a (a, jot ‘cuando la entrada os on esa und x decir tn) = a(n) Solucién, En este cas, tanto Mn) coms s(n) son sevens de rc init, Utlizamos la formula ela eonolucia ‘dada por (2.3.28) en la que s(t) es J secvenia que se ees Las secuencias Ak) (8) ya) se masa en a agora 2.33, Las secuencias producto (4), 12) y v2) comespondertos a {-E)M(), 12M) y 32H) easton nas Figuas 23.3) ()y(),respetvamente, D6enesoe ai as aides x0) =F aubaene 9Q) = Lata Evidentemente, param > Ola sais ye) = Leet boat eo 2.325) Port contro, pars <0 is seeuecias produc Son too eros, Por tanto, ya=0, neo En a Figur 23.20 se muestra ua ria de la alia y(n, para caso 0 Oy n— K=O 0 portant. 0. or oto lad, param < 0, tenemos gue vk) = 0 para to ky in) =0.n <0 Param > BO la suid fos valores de a secuenca producto v(t) para odo Kes Hon = BOG z ange = dye) et eta = re-Gr, x2076 TTatamiento digi de esales Es posible genealizar la ley asociatva a mis de dos sistemas conectados en cascada ficilmente a patir de lt exposiciin anterior. Ast, si tenemos U sistemas lineales invariants en el iempo conectados en cascada ‘on respuesta il impulso hy (1), (n,m), existe un sistem lineal invarianteen el tiempo que tene una respuesta al impulso igual a (L—~ 1) convoliciones sucesivas de las respuesta impulso, Es decir, Hr} = y(n) eal)» fn) (2338) 1a ley conmutativa implica que el orden n que se efectien las convoluciones es indiferente A a invers cualquier sistema lineal invariate en el Cempo puede descomponerse en una interconexiGn en cascada de subsistemas. Mas adelante deserbiremos un método para llevar a cabo esta deseomposicion, (tr propiedad que satisfac la operacisn de convolucién esl ley istrbutiva, que enuncianos a continua~ Ley distributiva, xn) han) +o] = x00) «an b(n) +a) 0336) Interpretindota fisicamente, esta ley implica que i tenemos dos sistemas linealesinvariantes en el tiempo con respuesta alimpulso y(n) a(n) excitadss con a misma seal de entrada. x(n), ta suma de las dos respuesta idnticaa la respuesta de un sistema global con la respuesta al impulso Hn) hn) +ha(n) Por tanto, el sistema completo es una combinacion en paraelo de los dos sistemas lineal invariants en el tiempo, como se ilustraen la Figura 2.3.6, La generalizacion dela expresin (2.3.36)a msde dos sistemas linealesinvariantes enc tiempo conectados ‘en paralelo puede obtenerse facilmente por deduccion matemstica. Por tanto, la iaterconexin def sistemas lineales invariantes en el iempo en paraelo con respuests al impulso hy (n), a(t)... yh) y exetados por 1s misma seal de entrada x(n) es equivalertea un sistema global con una respuesta al impulso Hn) = Dhyl0) ean Inversamente, cualquier sistem lineal imvariante en el tiompo se puede descomponer en una interconexi6n paralelo de subsistemas 23.5 Sistemas En la Secciin 2.2.3 hemos definido un sistema causal como aque euya slid en el instante n solo depend de las entradas actual y pasadas, pero no deperde de las entradas fatuas. En otras palabras, la alia del sistema en un determinado instante, por ejemplo r = ng, slo depende de os valores de x) para n= no jeales invariantes en el tiempo causales =— n't hn wn Figura 2.3.6. Interprecacin de la propiedad distributiva de la convelucin: dos sistemas LTT conectados en Paralelo pueden reemplazarse por un tico sistema con h(n) = h(n) a(n).Ccapuio2 Setalesy sistemas discretas en eiterpo 75 nel caso de un sienna lineal invariante enc iempo, la causalidad se puede traducira una condicién que debe satisfac la respuesta al impulso, Para determinar esta celacién,consideremos un sistent linea invariante fen el tempo con una sada en ef instante n = np dada por la formula de convoluc vm) =F bi8)s(no —&) ‘Suponga que subdividinos la yuma en dos conjuntos de términos, un conjunto que incluye Ios valores actual y pasados dela entrada [es decir, x) paran = no] y ot Conjunto que especifica los Valores futuros del entrada [x(n), > mol- Por tanto, tenemos y(n) =F h(e)aly—)-+ YMC —8) = [h(O}e(n0) + A(D)xQn0~ 1) + A(2}x(n9~ 2) 4+] + (h(—H)atng +1) 4 —2)eln0 +2) 42] ‘Observe que los teminos de la primera suma son x(n, (nm ~1),---, que son ls valores actualy pasados de Ia sefal de entrada, Por ott lad, los términos de la segunda suma son las eomponentes de la seal de entrada A(no+ I), x(n +2), Aor, sla sida en el iastante 2 =p sélo depende de fas entradas actual y pasadas, “entonees, de manera enidente, la espusta al mmpulso del sistema debe satisfacer la siguiente condiciia Ain =0, <0 2338) Dado que h(n) es la respuesta del sistem lineal invariant ene tiempo en reposo a unimplso unitarioapicado enn 0, se deduce que h(n) = 0 pars n = 0 68 una condicion necessea y sfiiente para ly causaidad Por fanto, un sistema LTT es causal si ysl su respuesta al impulso es cero para los valores negatives de m ‘Puesto que para un sistema caus, h(n) ~ 0 para n <0, los limites del sumatorio de 1a frmula de la comvolucidn se pueden modifica para reflejar esta estrici6n, Luezo disponemos de las os formaseguivalentes yta) = Saleix(n 8) 2339) ae a ‘Como hemos mensional anterioemente a causalidad es necesaria en cualquier aplicaci6n de tratamiento de sefalesen Giempo real, ya que en cualquier instante de tiempo dado m no tenemos acceso a yares futuros {de la seal de entrada, Slo los valores actualy pasados dela seal de entrada estin disponibles en el célculo ela sala actual En ocasiones, es conveniente denominar a una Secuencia que es igual a cero para n <0, una secwencie causa, y otra que tome valores distintos de ceo para < Oy n > 0, wna secuencia no causal. Esta terminolosia indica que una secuenea as podria ser a respuesta al impulso unitario de un sistema causal oun sistema no ‘causal, respeetivament Sila entrada aun sistema lineal invariante en el tiempo causal es una Secuencia causal es decir, s() = 0 paran < 0] los limitesde la formula de la convolucién est atin mas restringidos, las dos formas equivalentes. ‘de la formula de la coxvolucisn son: v(n) = 3 natn esa = Sxtiyhin—a) (2342)76 Tataminlo dig! de sfles Observe que, en este caso, los fmites de lossumatorios para las dos formas altemativas son idéntoos, y ellie Superior aumenta con e iempo. Evidentemente la respuesta de un sistema causal a une secuencia de entrada causal es eausal ya. que y(n) =0 para < 3 BJEMPLO 238 Determine a respuesta lesan uni de iema Kine invariane ene! tempo con una respuesta al impulso Mon) =aruin), falc Solucién. Como sea de entra es un ean unidad, que es na stl casa, el item tb e cau, poxdemos ilzar una de as fers essa de la rule de como, bien aexpresion 23.41 ola 2-342), Dadoque sia 1 aan 20 ¢5 més senetloemplear la fra 2.3.41). Gracias ala splcdad de ese prblemn, podem Sires los ss de dij ls seevenias elas y deplaradas. Ens Inga, hacemos la susie diese as seh la ‘mula (2.341 y obeenemeon be ©) =O paran <0. Observe que este resulta e dtc a obtenido en el Ejemplo 2:33. Sin embargo neste sencilo «80, hemos salclad ls comvolicin alpebracamente sn recriral proedimient detallads desert anriormente 2.3.6 Estabilidad de los sistemas lineales invariantes en el iempo Como hemos dicho anterionmente, la estabilidad es una propiedad importante que hay que tener en cuenta en ‘cualquier implementacién préctica de un sitema. Hemos defnido que un sistema arbitario en Feposo es Un sistema estable BIBO (entrada y sada acotadss) iy slo si su secueneia de silida yn) ests aotad para toa entrada acotada x(n) Si n(n) estéacotada, existe una constane Me al que Ix) SM, < De forma similar, si a salidaesté acotada, existe una constante M, tal que (n)|- ny, Parademostrar est, supongamos que [x(n)| < Me para < ag y x(n) = 0 para n> ny. Lucgo, en = my +N, [a sala dl sistema es yio+N) = "S hikyaln +N) + F Ale yng +8) primer sumatori escero, yaque s(n) = O param, Parae resto de ln expresin, tomamos l valor ubsoluto de asada, que es evo ay =] 3 eo) = 3 leo 4-8) m5 m6)78 Tataninto dig! de soles Pero como tiende infin, im, & ttn] por tanto, em bina) =0. Ese resultado implica que cualquier excitain en la entrada del sistem que tenga uns draci6n Bia, produce ‘una salida de natualeza“ransitora es dec, su amplitud disminuyecon el tempo y desaparece casi totalmente ‘cuando el sistema es estab, EJEMPLO 236. Determine tango de valores del parimeto apt que el ss neal invariant ene tempo con a respuesta al impulso Mn) = ulm) crests Sotacién. Ea primer ugar observe que el sistem esas. En consscuencis, lace inferior del sunatorids laexpresion (2.3.4) seinieia con k= 0, Por ant, Set = Elet=r stars Claraeme ea seve geomdica comerze a Set siempre qu ja < 1 En caso contro, verge Poe ano, el items es estab a < 1. En cso conti, e nestle efecto, i) ene que dsminur exponeacianente hia cero cuando ende a nfino para i el sister sea estab, EJEMPLO23.7___ Deermine cl rang de valores dea y pra ls cv sistema ines invariants em tempo coal espa impulse @ n>0 wot 22s vest Solucién. Este sistema es no cast. La concn deentabiidad da por 23.9) supone Emeo|= Fears Swe Enel Ejemplo7.3.6 ya hemos detesminado gue cl priner sumatoro converge pr |<. El segundo sumatorio poder manipula del modo siguint: 2 Beal mtpe”) = HUB +Capi 2 Seas y sistemas dscns enol empo 79 ‘nde = 1) sene qu ser mance gue la unidad para gue la sere geoméca comer. En conscuenca el sistema es ‘stable ss stiff a) <1 ome > I. 2.3.7. Sistemas con respuestas al impulso de duracién finita e infinita Hasta cl momento hemos caractrizado un sistema lineal invariane enol tempo en funcién de su respuesta a mpalso h(n). Sin embargo, también es convenient subdividir la clase de sistemas Iineals invarianes en el tiempo en dos tpos: aquellos que tienen una repuesta al impulso de draci6n ita (FIR, fnte-duration impulse esponse) y aquellos que tienen una respuesta al impulso de duraciéninfinita (IR, ifiie-dration impulse response), Fs decir, sistema FIR tiene una respuesta al impulso quees cero fuera de un determinado intervalo fino, Sin perder generalided, vamos a centrar muestra atencin en los sistemas FIR causles, de modo que Nny=0, 20 y M La frmola de Ia comolucién para un sistema asi se reduce a vn) ‘Saasto-2) inner lo cam enon tins tara cuba nck ita ‘mente una combinacién lineal ponderada de las muestras de la sefhal de entrada x(7), x("—1),....«{ En otras palabras, el sistema simplemente pondera, mediante los valores de La respuesta al impulso h(K), k = 0, eatgy tf menrnae bali eins nated pode eane Eos sem ‘iid ome tna enn qusl sols f mec Se scl ets mds prema aia Doses scent bt toes is meses doenatn nero ever je Th) Portano decor ue tn stoma FIR et sa moma tae ose, Perel conmar a deuma Inala on omg I re ax ropa de ui int Sunda sac Rema ela conte y(n) = Sein A) donde se ha supuestocausalidad, aunque esta suposicién no es necesaria, Ahora, la slid del sistema es una ‘combinaci6n lineal ponderada [por Ia respuesta al impulso h() de las muestra de In seal de entrada x(n), {(n~ 1), a(¢™~2),,--, Dado que la sume ponderads implica las muestras de entrada actualy todas las pasada, decimos que el sistema tiene una memoria infin [En los siguientes capitulos estudiaremos en detall as caracteristcas de los sistemas FIR e IR. 2.4 Sistemas discretos en el tiempo descritos mediante ecuaciones en diferencias Hasta e1 momento hemos tratado los sistema Fneaes invarianes ene tiempo earacterizados po su respuesta Al impulso h(n) su vez, h(n) nos permite determinar la salda yin) del sistema para cualquier secuencia de ‘entrada dada x(n) por medio de la suma de convolucién, 0) = 5 Mayan) oan80 Tratamiento dig! de solos in [a Figura 2.41. Realizacin de un sistema recursivo para el célculo de la media acumlada, En general, hemos demostrado que cualquet sistema nel invariante ene tiempo se carscteriza por surelacién de entrada salida dada por (24.1. Ademds, a formula de la convolucion dada por (2.4.1) sagiere un medio para Ja realizacin del sistema En el caso dels sistemas FIR, una realizacign ast implica sumas, multiplicaciones y "un niimero fnito de posiciones de memoria. En consectencia, un sistema FIR se puede implementa basindose ireetamente en la convolucién Sin embargo sel sistema es IIR, su inplementacién préctca basada en la convolucion ser imposible, ya que requiere un nimeroinfinito de posiciones de memori, mukplicaciones y sums. Una cvestion que !aturalmente surge es ses no posible impkmentar sistemas IR de otra manera de la suger por la convol- dn. Afortunadament, la respuesta os afirmatva, ya que existen mediospréctcos y de eleulo eficientes que permiten implementa una familia de sstenas IIR, como veremos en esta seecién, Dentso de It clase general de fos sistemas TR, esa familia de sistemas dseretos en el tiempo se describe mejor mediante eeuaciones en diferencias. Esta fanilia 0 subelase de sistemas HR es muy stil en una gran eantidad de aplicaciones prtica, Incluyendo la implementacion de fits digas y el modelado de fendmenos y sstomas seas 2.4.1 Sistemas discretos en el tiempo recursivos y no recursivos Como hemos dicho anterionmente 1a formu dela convolucin expres asada del sistema linea nvarianteen el tiempo explcitamentey slo en funcin cela seal de entrada, Sin embargo, como vamos a demostrar aq, éste noes el caso. Existen muchos sistemas en los que es necesarioo descableexpresarlasalda dl sistema no slo en funcié de los valores atual y pasadas dela enroda, sino también en funcion de Tos valores dela sala pasados ya disponibles. El siguiente problema ilutra esta cuestén, Supongamosque queremos calcula la media acumuladade una seal x(n) enelintervalo0 < k denida 3x8), nao, 242) va)= ‘Como implica i expresin 2.4.2), elewo de y(n) require el almacenamiento de todas las muestra dela entrada »(K) para 0 < k excitado. Observe que la respuesta a Ta entrada nuta se debe a la ‘memoria del sistema,En resumen, i respuesta a Ia entrada nua se obtiene haciendo nvla la seal de entrada, to que implica ‘que es independiente de Ia entrada. Sélo depende de la natualeza del sistema y dela condicininicial. Por {anto, la respuesta a laentrada mula es una caracteritca del propio sistema y se conoce también como respuesta natural 0 libre del sistem. Por oto lado la respuesta a a entrada nua depende dela naturaleza del sistema dela sefal de entrada Dado que esta sali es una respuesta forzada por la seal de entrada, normalmente se ‘conoce como respuesta forzada del sistema. Bn general, la respuesta toal del sistema puede expresase como y(n) = yan) + ye) El sistema descrto porta ecuacién en diferencias de primer orden (24.7) es el sistema recursivo més simple posible dentro de Incase general de sistemas recutsivos deseritos mediante ccuaciones en diferencias lineales 1 coefcietes constants, La forma general para tal ecusciGn es pee setae heey ve 0, loque.es equivalents, Yavin =F oyvin-W), ap ea) [entero N define el cnien de Ia ecuaci6n en diferencias del sistema, El signo negativo del lado derecho dela ‘cuaeién 2:4.12) se introduce por conveniencia para permitimos expresar la ccuacidn en diferencias (24.13) sin ning signo negaivo. [La Beuacign (2.4.2) expresa la salida del sistema en el instante dreotamente como una suma ponderada do salidaspasadas v(n— 1). »(n—2),..-.9(n—N), ast oma las muestras de lax seater de entada pass presente, Observe que con el fin de determinar y(n} para n > O, necesitamos la entrada v(n) para todo n > 0 Y las condiciones inciaes (—1), y(~2),...,9{ IV). En ots palabes, las condiciones inicales resumen todo lo que necesitamos saber sobre a historia pasa de la respuesta del sistema para calculr las salidas actual y foturas. La solucién general de la ecuaciGn en diferencias de orden N y coefcienes constantes se borden i siguiente secicn, Ahora vamos a enanciar de nuevo las propiedades de lincaidad,invarianzaen el tiempo y esabilidad en el contexto de Ios sistemas recursos descrtos por ecuaciones en dilerencia lineales y coeticentes constants, ‘Como hemos visto, un sistema recursivo puede estar en reposo 0 no, dependiendo de las condiciones niciales, Por tanto ls definiciones de estas propiedades tienen que tener en event la presencia de las condiciones incites, ‘Vamos aempezar con a definicién de inealidad. Un sistemaes linea st satistacelstresrequisitos siguientes 1 La respuesta total es igual a la suma de las respuesta la entrada mula y en estado cero (es decir, 4) = Yale) dan) 2. Bl principio de ssperposicin se aplica ala respuesta para el estado nulo (lineal para el estado nulo) 3. Bl principio de ssperposicin se aplica ala respuesta ala entrada mula (lineal para la entrada ra) ‘Un sistema que no saisfaga los res requsitos es por definein no lineal, Obviamente, para un sistema en eposo,y3i(2) = 0, y por tanto el segundo requsio, que se corresponde con la definicign de lineslidad dada en 1a Seccidn 2.2.4, 8 sufciente ‘Vamos usar la aplicacion de estos requisitos mediante un ejemplo sencill, ENN ek SRR eee eeveee eee ee ee sneered Determine sel sistema recursive defini por la ecucin en diferencias y(n) =ay(n1)-+x(n e incl Solucién, Combinando is expresiones (2.4.9) y (24.11) obenemas la (248), que se pu expres como 0) = yt)+ Ya)6 Tatami cpl de sohaos [Lvego el pimer requisite paral inal se sce ‘ara compro el segundo quis, sponemas que x0) = (n) earn) Legos expen (2.49) proporcion yun) = Satleraiin—)+earle—B)] aa Sdnin-Ota Sdn = axl) ten) Por tanto, y(t) sisface ol rinspio de superpsici yl sstema es incl para el estado aul, ‘Sopongans ahora que (1) = yi(—1)-2y9(-1)- A ptr de (24.11), obtenemos sale) =e toma) = ea!" y(-1) +eay2(-1) sero) tone) [Lasgo el sistem slnel paral entrada mo "Ya qe el sistema satisface Is es condiciones def linalidad es un sistema line Aunque resulta algo pesado el provedimientouilizadoen el Bjemplo 2.4.2 para demostrar i inealidad del sistema deserto por la ecuacién en diferencias de primer orden nos leva directamentea los sistemas reeursivos penerales deseritos por la ecuacidn en diferencias de coefcientes constants dada por (2.4.13). Por tant, SSsiema recursivo descrto por la eewaciéa en diferencias lineal (24.13) también satisface la definicién de linealidad y, en coasecuencia es lineal La siguiente cuestin que se nos plantenes sel sistema lineal causal descrito por la ecuscimen diferencias de coetiientes constantes (2413) es invariante en el tiempo, Fste problema es fil de resolver cuando se trata de sistemas descritos por relaciones natemsticas de entrada-salida explicit. Evidentemente l sistema escrito por 24 13)es invariant en el tierapo porque los oefiientes a y By son constantes, Pore contraio i hunoo mas de estos coeficentes dependen del tiempo, e sistema es variane enel tiempo, ya que sus propiedades ‘cambian como una funn del tempo. Luego povdemos concluir que ef sistema recursive deserito por una teuacin en diferencias de coefcientescorstantes es lineal eivarianteen el tiempo. ‘La altima cuestién es la estabilida del sistema recursivo descrto por In ecuacin en diferencias de coet- cientes constants (2.413). En la Secei6n 23.6 hemos presentado el concepto de esabilidad BIBO (bounded Input-bounded onsput) par ls sistemas en reposo. En sistemas que no estin en reposo y que pueden ser n0 Tineales, la estabilidad BIRO debe considrarse con mucho cvidado. Sin embargo, en el ciso de un sistema recusivo lineal ¢ invariant en el tiempo descrito por la ecuacin en diferencias de coeficientes constantes, (2.4.13) basta con establcer que tal sistem tiene estaba BIBO sly slo si para toda entrada aeotada y toda condieién inicialacotad, Ta respuesta tot del sistema esté acotad. EJEMPLO 2.43—__ ‘Determine sel sistema recarsivo linc ¢ inva en! iempo desert parla ecuacin en diferencias da por (2:4.7)¢8 xe Solueién. Supongamos qv aside entra 3(n) et sata en ampli, es deci, x(n) < Mc < =» pra todo n 0 Aamir de 248). tenemos Deo < lay ay +] 3 aan 8 azo[Cope 2 Soles y sistemas dscreos on eltenpo 67 strc $i, nz0 Sle t(—1)L + Sines tno, a cota Myes fn y Ia sald est cota indepenlentement del valor dea Sin embargo, como n+ ‘ota, Se mantene Fini Sos [al <1 poral» Deuando +», Luego M~ Mf/(1~ la) Por tanto, l sistema ex etable xo O del sistema dada una entrada especiticads s(n), 10, y para un cojunio de condiciones iniciales. Fl método de la solucign directa supone que a solucin otal sla suma de dos pares y(n) = yal) + pl) La pate y(n) se condce como la solucién homogénca © complementaria, mientras queyp(n) es la soluciin particular. ‘La solucién homogénea de una ecuacion en diferencias. Abondemos el problema resolviendo la ecuacién en diferencias lineal de coeficientes constants dada por (2.4.13), obteniendo primero la solucgn la ecwacidn en diferencias homogsnea Davln-e)=0 ea El procedimiento para esolver una ecuacinen diferencias lineal de coefcientes constants directamente es my similar al procedimierto de resolver una ecuacién diferencia lineal de coeficietes constates, Bésicamente, suponemos que la solucién tiene la forma de una exponencal es deci ya(n) =a" e419) donde el subsnice dl y(n) se utiliza para designar ala solucién de la ccuscin en diferencias homogénea. sustituimos esta supoestasolueion en 24.14), obtenemos la ecuacién polinémica Soant REMAN baal ah? +o bay yh bay) =0 24.16)18 Tatamionto gta oe seFatos Fl polinomio entre paréntesis es el poinomiccaracterstico de sistema, En genera iene rafoes, que designa- ros eomo 2, Aa... Las afees pueden ser reales o complejas. nla préctica, normalmente, os coefcientes ti, d3,.--,a son fates, Larafes comple apareeen como pares de compleos conjugados. Algunas de las V aces pueden ser iguales, en cuyo caso tendremos races de orden mip Pr el momento supongamos que las ices son distinss, es deci, no existen rales de orden mikiple [Luego la solucion més general para la ecuacin en diferencias homogénea dada por (24.14) es alo CA HORE Ho OWA e4i7) onde C), C2, son coeficentes ponderados. Estos coeficentes se determingn 2 part de las condiciones iniciales especificadas par cl sistema, Dada la entrada s(n) = 0, puede uilizarse (24.17) para obtener la respuesa la entrada nul dlsistema Los siguientes ejemplos ilustran el procedimiento EJEMPLO 2.4.4 Determine a slucn homogéne dl sistem dereto por la ecuacié en diferencias de primer onden eas) ‘i sosituimos esta solveldnen (24.18) obtener fon x(n) =O 240i" a tara) d Porto, la slucidn a Ia stasis en diferencin Romogénca es nln) =€2" =C(-a)* e419) ‘La respuesta dl sistema entrada nla pce determina ptr de (24.18) y (24.19). Con x(n) =0, 2.4.18) proporsions 40) = -a1y{—1) Port ado pati de (2.4.19) enemas =e por ano a espesia la ened nla del sivemaes yan =(-ay"y-1), 20 0.420) Con a = 0c estado ex cbeente con (24.11 pra el sista de primer onn, l cal se obtuvoanterionmente po ‘tera dela ceuacin en diferencns. EJEMPLO 245. serine li repute aera nla del ssa desrito po a eevacin en diferencias de segundo one honogénea 900) 3940 =4yn—2) =0 aay(Cao? Sofas yslsemas decreas eneltiampo 89 Solucién, En primer liga, determinamos la volun para ta esuacién homogéaea, Suponernos que a soluciéa es a ‘exponencial| ato) a" Sustiuyendo esa slucgo en (2.4.21), obenemos la ccusciGn eaactertcs aeaaaetaaet 9P2G2 32-4) Poe tanto as ices son 4, lfm general dea slucisn ala ecuacin homogénes onto) 4m) “La respuesta la entrada ul del sistema se puede obtcac a pair de a solu homogénes, ean as constants de (42, ds tas codiiones ical y(=1)e (2) A ptr de a eeucia en diferencias (2-421), tenemos 0) = 391) +45(—2) (1) = 350) 449(—1) = 339(-1)-49(-2)]+4y(-1) = 13y(—1) + 29(-2) Port ah, pair de 2.422), obtenernos La solucn de estas dos cousconcs cx Por tam, la respuesta as ena nul del sistema es vale) = (-B(-0+ $-21 0" tea’ ear) s+ Say, 20 Porsompl, si y(-2) eatones €) = ~1,C = 16,y por tanto yaar, neo alo ios ejemplos ilusran el método para obtener Is solucién homiogénea y la respuesta ala entrada nua del sistema cuando la ecuacin caracteristca contiene races distintas. Po oto lado, sila ecuseign caractersica90 Titamionta gal esos ‘contcne races miltiples, la forma de Ia solucién dada en (2.4.17) ene que moxificarse. Por ejemplo, si es ‘uns riz de multipicidad m,enfonces (2.4.17) se transforma como sigue yaln) = C\Af + Conf + Can Af +--+ Gynt EAE 2.424 “Hens bg bo FG ‘Lasolucién particular de la ecuacién en diferencias, La solucién particulary p(n} es necesaria para satisfacer la eouacién en diferencias (2.4.13) para la seal de enteada especifcada x(n),m > O-En otras palabras, yp(0 es cualquierSolucién que satisfaga Sangin ¥oastn-b), a= 2425) Para resolver (2.4.25), suponemos para y(n) una formaque depend de a forma de l entrada x). El siguiente ejemplo ilysta el procedimiento EJEMPLO 2.46. Determine a slucin parca de a eeucin en diferencias de primer orden y(n) Fest) laj 0, a frm dela Sluc que vamos a supunee también esuna constant. Ya ur lasoluiénsupusta da ecuacnen diferencias. ala funcién x(n), denominada a solucion ‘articular dea cenacién en sieensas es yon) = Kiln) onde K's un factor deexcla determinado que hace que Se srsfiga Ia ecuacién (2:42), Sustituyendo esta soluion ‘spues en (24.26), tenemos Ken) +011) =u) Par determina, tnenos gue eraluar esta coun para cualquier n> 1, donde nguno els téinos se aula. Lago +a 1 1 ea Por uno, la solucida particular a a euacin en ierencis es slo haa) oun En este ejemplo, la entrada x(n), » > 0, e8 una constantey la forma supuesta para la solucin particular también es una constant. Si xn) es na exgonencial, supondremos que la soluci6n particular también es una exponencial Si-x(n) fuera un sinusoide,ertonces yp(n) también seria una sinusoid. Por tanto, Ia forma que seleccionemos para la solucién particular ser la forma bisica de la seal x(n). La Tabla 2.1 proporeiona la forma general dela solucia particular paradistintos tipos de excitacién,opto? s Sef de entrada Soluciénpatiou xn) p(n) A constante) x aM xe An Karl + Kyl ot Ruy At AMR KN bo Ry) (Acosa vee Ky cosy + Krsen ayn “Tabla 2.1, Forma general de la solucin particular para varios tipos de seiles de entrada, EJEMPLO 2.47 ‘Determine la solucin prticulr dela ccuaciGn en diferencias a Satn-t)—byn=2)400) par la facia x(n) = > 0'y cero en cual oto caso, Solucn, La forma dela solucn pater es wi) = KP, no Swsitujendo yp (en eovcin en diferencias obtenemos x)= Sein a2) Para deterinar el valordeK,podemos evalua sta ecuscién para user n> 2, donde ningun de os és seal, por que obenemos 5 ax Sen) ‘portant, = §. Lago fa solvion particular es Hiemos demostrado cémo determina las dos componentes de la solucin de una eouacin en diferencias concoefcientesconstntes, Estas dos componentes son la solcin homogénea y ls solueisn particulate. A partir {e estas dos components, construimos la solucign completa, de la que podemos obtener Ia respuesta al estado lo, ‘completa de la ecuacion en diferencias. La propiedad de linealidad de a cuacién en diferencias Tinea de coeficientes constants nos permite sumar la solucién homogénsy la slucion particular con el fin de obtener Ia solucin completa. Lego 3{n) = yutn) + ypln) Laura resultantey(r) contiene los parimetros constants {C)} dea solucisn homogénea y(n), Estas constan tes pueden determinane para satisfacer las condiciones iniciales. El siguiente ejemplo ilustra el procedimiento82 Talamiono Sigal do sfalos EJEMPLO 2.48 — Deermine a slucso completa y(n) m2 0, pa ecuacién en diferencias yabbaisin—1) =x) (2428) ano x(n) es seul unidad x(n) n(n] € 1) ea eon inca Solucin. A parr de la expresio (2.4.19) dl Ejemplo 244 tenemos que a sluca homogénea es ln) =C(-0)" ‘yp de I expres (24.26 del Bjmplo 2.66, tects qe la olin purtcuar es p(n) = hw) En consecuencia lt solu completa es yoyect-ay+ azo e429) onde la constant Cse determina pa stisficer comico inca (1) Fn concreo, suponga que deseumos obtener la respuesta para el estado aloe sistema descrt por Ia ecucion en diferencias do peimer orden dada po (24.28) Acominuacia,hacemes v1) =O. Para evalarC, evluamos (2428) en n= lyoteniende y10}4ayx-N=1 Lego, 30) = 1-0) Port lado a exprsin (2.4.29) on n =O properiona Fa Fgusland estas dos relaions,obtenemas y+ C= -ay-9+ Poel, s susttuimos este valor de C en (2.4.2), obenemos i) = Canty ou ps9 2430) vin) = Cai SS ne ¢ = val) +90) Observe que la respuesta del sistema dah por (24.30) es coberente con la respuesta y(n) dada por (24.8) para el sistema de primer orden (con a = ~e1), lo que se ha obtenido resolviendo la ecuacién en diferencias iterativamente. Ademis, observe que el valee de la constante C depende tanto de la condicin inci y(—1) ‘como de la fonein deexcitacién, En consectenci,el valor de Cinfuye en larespueste para la entrada mula y en a respuesta para e estado nul. Fijese también en que la solucién particatar de 1a ecuacién en diferencias puede obtenerse a partir de la respuesta para el estado cer del sistema, Ea efecto, si |a| < 1, que es la condicion para Ja estabilidad delCapito 2 Senses yatemas dzrtes ono ompo $3 sistema, como se detmiestra en la SeociGn 2.4.41 valor imite de yzs(n} cuando tcnde a infinite esl solueion particular, es deci, ole) 1 tin yal) = Ta, Pesto que esta componente de la respuesta del sistema no tiende a cero cuando m tende ainfnito, aoxmalmente sedenomina respuesta en régimen permanente de sistema, Esta respuesta se mantiene mientras que laenrad se mantenga. Lacomporente que desaparece cuando tende a infnito es lo que se denomina respuesta transitoria del sistema. EE siguiente jemploitusirs la valuacidn de a solucién completa de un sistema recursive de segundo orden, EJEMPLO 249 Z termine la espesta xn) > 0, det ssema desert orl cua en diferencias de segundo orden 40) —3y{0= 1) —4y(r—2) =a) +280 1) easy nando In secuenia deena es sn) =u) Solucién, Ye hemos determina la solucién pars I ecacin en diferencias homogénea de este sistema enol Ejemplo 2665. A partiedeInexpesin (2-422), tenemos mn) =C(-1+ 04)" e432) La olucn arcu 8 (24.31) se sopone que es un socoencia exponencial de a mista forma que x). Nonmalment, ares suponer una uc de a frm aol 18)" Sinembargo observe qe y(t) yaestcontenida nla slucdnboméca oro qu ex solveién particular es redundant Envu gay, selecionanos la solveign patcular paca quo sea isalmeate independiente dels tminos contenido el soli bomogénea, Ds hecho, vemos 3 rar eta situacin de a misma manera qe ys hemos tata as races maples ‘i cc earactertica, Por ato, suponeros que pln) = Kalan) 243) Sustyendo (24.33) en (2431) obtenemos (ay) —3K(0— 1(4)"Ex(a— 1) — AK (12)? Fal —2) = an) +264) 1) Para determina K,erauames eta eons pra cali n >2, en aque ningun de os rminns esean se ana. Para simpliica la artic, slecionamos = 2, yobtenemos K = §. Por ant, 6 Yolen) = Siayutn) e439 La solucdn completa ala esi on diferencias ¢obione sand (2.4.52) y (24.34). Luce, cum sciane fue", 920 eas onde as constantes Cy Case deterinan de modo que se atishngan Is condiciones inca. Para conseguir sto, volves A lnexpresin (2.4.31) de la gue obtenemos (0) = 39-1) +4(-2)41 y(t) = 3,0) +491-I) 46 = 13-4 y¥(-2)49