Académique Documents
Professionnel Documents
Culture Documents
PDS
2 de mayo de 2018
1 / 177
Agenda Introducción Vector Spaces and DSP
2 / 177
Agenda Introducción Vector Spaces and DSP
3 / 177
Agenda Introducción Vector Spaces and DSP
Señal
4 / 177
Agenda Introducción Vector Spaces and DSP
Procesamiento
Análisis
Entender una señal
Extraer caracterı́sticas
Sı́ntesis
Crear una señal (e.g. para transmitir)
5 / 177
Agenda Introducción Vector Spaces and DSP
Señales Analógicas
6 / 177
Agenda Introducción Vector Spaces and DSP
Señales Analógicas
7 / 177
Agenda Introducción Vector Spaces and DSP
Señales Digitales
Tiempo Discreto
Amplitud Discreta
8 / 177
Agenda Introducción Vector Spaces and DSP
9 / 177
Agenda Introducción Vector Spaces and DSP
10 / 177
Agenda Introducción Vector Spaces and DSP
Muestreo
11 / 177
Agenda Introducción Vector Spaces and DSP
Muestreo
12 / 177
Agenda Introducción Vector Spaces and DSP
Interpolación
13 / 177
Agenda Introducción Vector Spaces and DSP
Interpolación
1.2
0.8
0.6
Senial
0.4
0.2
-0.2 Muestras
Interpolado
-0.4
-5 0 5 10 15
Tiempo 14 / 177
Agenda Introducción Vector Spaces and DSP
Señales Digitales
Tiempo Discreto
Amplitud Discreta
15 / 177
Agenda Introducción Vector Spaces and DSP
Discretización en Amplitud
16 / 177
Agenda Introducción Vector Spaces and DSP
Almacenamiento
dispositivos de propósito general (e.g. computador)
Procesamiento
No requiere dispositivos especı́ficos (e.g. ecualizadores de audio en hardware,
termostato analógicos)
Todo se realiza en software (e.g Software Defined Radio, Ecualizadores, termostatos
digitales)
Transmisión
17 / 177
Agenda Introducción Vector Spaces and DSP
Transmisión de datos
18 / 177
Agenda Introducción Vector Spaces and DSP
19 / 177
Agenda Introducción Vector Spaces and DSP
20 / 177
Agenda Introducción Vector Spaces and DSP
21 / 177
Agenda Introducción Vector Spaces and DSP
22 / 177
Agenda Introducción Vector Spaces and DSP
Resumen
Discretización en tiempo
Muestras reemplazan modelos ideales analógicos
Matemáticas más simples (e.g. sumatoria vs integral)
Discretización en amplitud
Almacenamiento y procesamiento de propósito general
Ruido puede ser controlado (e.g. en esquemas de Tx-Rx)
23 / 177
Agenda Introducción Vector Spaces and DSP
Discrete-time signals
24 / 177
Agenda Introducción Vector Spaces and DSP
x[n] = δ[n]
25 / 177
Agenda Introducción Vector Spaces and DSP
x[n] = u[n]
26 / 177
Agenda Introducción Vector Spaces and DSP
27 / 177
Agenda Introducción Vector Spaces and DSP
The sinusoid
x[n] = sen(ω0 n + θ)
28 / 177
Agenda Introducción Vector Spaces and DSP
finite-length
infinite-length
periodic
finite-support
29 / 177
Agenda Introducción Vector Spaces and DSP
Finite-length signals
30 / 177
Agenda Introducción Vector Spaces and DSP
Infinite-length signals
31 / 177
Agenda Introducción Vector Spaces and DSP
Periodic signals
32 / 177
Agenda Introducción Vector Spaces and DSP
Finite-support signals
33 / 177
Agenda Introducción Vector Spaces and DSP
Elementary operators
scaling:
sum:
product:
shift by k (delay):
34 / 177
Agenda Introducción Vector Spaces and DSP
35 / 177
Agenda Introducción Vector Spaces and DSP
36 / 177
Agenda Introducción Vector Spaces and DSP
∞
X
Ex = |x [n]|2
n=−∞
N
1 X
Px = lim |x [n]|2
N→∞ 2N + 1
n=−N
37 / 177
Agenda Introducción Vector Spaces and DSP
Ex̃ = ∞
N−1
1 X
Px̃ = |x̃ [n]|2
N
n=0
38 / 177
Agenda Introducción Vector Spaces and DSP
Discrete time
n: no physical dimension (just a counter)
periodicity: how many samples before pattern repeats
Physical world
periodicity: how many seconds before pattern repeats
frequency measured in Hz
39 / 177
Agenda Introducción Vector Spaces and DSP
40 / 177
Agenda Introducción Vector Spaces and DSP
41 / 177
Agenda Introducción Vector Spaces and DSP
42 / 177
Agenda Introducción Vector Spaces and DSP
Suppose the system clock of your computer has an associated frequency of 44 kHz.
What is the period of a discrete-time sinusoid stored on your computer that
corresponds to 880 Hz?
Answer: M = 50
43 / 177
Agenda Introducción Vector Spaces and DSP
44 / 177
Agenda Introducción Vector Spaces and DSP
45 / 177
Agenda Introducción Vector Spaces and DSP
46 / 177
Agenda Introducción Vector Spaces and DSP
x [n] + x [n − 1]
y [n] =
2
47 / 177
Agenda Introducción Vector Spaces and DSP
48 / 177
Agenda Introducción Vector Spaces and DSP
x[n] = δ[n]
49 / 177
Agenda Introducción Vector Spaces and DSP
50 / 177
Agenda Introducción Vector Spaces and DSP
y [n] = x[n] + αy [n − 1]
51 / 177
Agenda Introducción Vector Spaces and DSP
52 / 177
Agenda Introducción Vector Spaces and DSP
53 / 177
Agenda Introducción Vector Spaces and DSP
54 / 177
Agenda Introducción Vector Spaces and DSP
55 / 177
Agenda Introducción Vector Spaces and DSP
An interesting generalization
y [n] = αy [n − M] + x[n]
56 / 177
Agenda Introducción Vector Spaces and DSP
Creating loops
57 / 177
Agenda Introducción Vector Spaces and DSP
Example
58 / 177
Agenda Introducción Vector Spaces and DSP
59 / 177
Agenda Introducción Vector Spaces and DSP
60 / 177
Agenda Introducción Vector Spaces and DSP
61 / 177
Agenda Introducción Vector Spaces and DSP
A proto-violin
M = 100, α = 0.95, x̄ [n] : zero-mean sawtooth wave for 0 ≤ n < 100 and zero
elsewhere.
62 / 177
Agenda Introducción Vector Spaces and DSP
M = 100, α = 0.9, x̄ [n]: 100 random values between 0 and 99, zero elsewhere.
63 / 177
Agenda Introducción Vector Spaces and DSP
Complex Exponentials
e jx
Oscillations are everywhere
sustainable dynamic systems exhibit oscillatory behavior
intuitively: things that don’t move in circles can’t last:
bombs
rockets
human beings ...
64 / 177
Agenda Introducción Vector Spaces and DSP
Continuous-time oscillations
65 / 177
Agenda Introducción Vector Spaces and DSP
Continuous-time oscillations
66 / 177
Agenda Introducción Vector Spaces and DSP
Discrete-time oscillations
67 / 177
Agenda Introducción Vector Spaces and DSP
68 / 177
Agenda Introducción Vector Spaces and DSP
69 / 177
Agenda Introducción Vector Spaces and DSP
70 / 177
Agenda Introducción Vector Spaces and DSP
e jα = cos(α) + j sen(α)
71 / 177
Agenda Introducción Vector Spaces and DSP
rotation: z0 = ze jα
72 / 177
Agenda Introducción Vector Spaces and DSP
73 / 177
Agenda Introducción Vector Spaces and DSP
74 / 177
Agenda Introducción Vector Spaces and DSP
75 / 177
Agenda Introducción Vector Spaces and DSP
76 / 177
Agenda Introducción Vector Spaces and DSP
77 / 177
Agenda Introducción Vector Spaces and DSP
78 / 177
Agenda Introducción Vector Spaces and DSP
79 / 177
Agenda Introducción Vector Spaces and DSP
80 / 177
Agenda Introducción Vector Spaces and DSP
81 / 177
Agenda Introducción Vector Spaces and DSP
82 / 177
Agenda Introducción Vector Spaces and DSP
83 / 177
Agenda Introducción Vector Spaces and DSP
84 / 177
Agenda Introducción Vector Spaces and DSP
85 / 177
Agenda Introducción Vector Spaces and DSP
Initial phase
86 / 177
Agenda Introducción Vector Spaces and DSP
Initial phase
87 / 177
Agenda Introducción Vector Spaces and DSP
88 / 177
Agenda Introducción Vector Spaces and DSP
89 / 177
Agenda Introducción Vector Spaces and DSP
90 / 177
Agenda Introducción Vector Spaces and DSP
91 / 177
Agenda Introducción Vector Spaces and DSP
92 / 177
Agenda Introducción Vector Spaces and DSP
M
e jωn periodic in n ⇔ ω = 2π, for M, N ∈ N
N
93 / 177
Agenda Introducción Vector Spaces and DSP
2π-periodicity
e jα = e j(α+2kπ) ∀k ∈ Z
94 / 177
Agenda Introducción Vector Spaces and DSP
95 / 177
Agenda Introducción Vector Spaces and DSP
96 / 177
Agenda Introducción Vector Spaces and DSP
97 / 177
Agenda Introducción Vector Spaces and DSP
98 / 177
Agenda Introducción Vector Spaces and DSP
Wagon-wheel effect:
https://www.youtube.com/watch?v=jHS9JGkEOmA
99 / 177
Agenda Introducción Vector Spaces and DSP
100 / 177
Agenda Introducción Vector Spaces and DSP
0 ≤ ω < 2π
101 / 177
Agenda Introducción Vector Spaces and DSP
ω = 2π/12
102 / 177
Agenda Introducción Vector Spaces and DSP
ω = 2π/6
103 / 177
Agenda Introducción Vector Spaces and DSP
ω = 2π/5
104 / 177
Agenda Introducción Vector Spaces and DSP
ω = 2π/4
105 / 177
Agenda Introducción Vector Spaces and DSP
ω = 2π/2 = π
106 / 177
Agenda Introducción Vector Spaces and DSP
ω = 2π/2 = π
107 / 177
Agenda Introducción Vector Spaces and DSP
ω = 2π/2 = π
108 / 177
Agenda Introducción Vector Spaces and DSP
π < ω < 2π
109 / 177
Agenda Introducción Vector Spaces and DSP
ω = 2π − α, αsmall
110 / 177
Agenda Introducción Vector Spaces and DSP
ω = 2π − α, αsmall
111 / 177
Agenda Introducción Vector Spaces and DSP
112 / 177
Agenda Introducción Vector Spaces and DSP
Prerequisite Warning!
a0,0 a0,1 ··· a0,N−1 x0
a1,0 a1,1 ··· a1,N−1 x1
= Ax
.. .. .. .. ..
. . . . .
aM−1,0 aM−1,1 · · · aM−1,N−1 xN−1
113 / 177
Agenda Introducción Vector Spaces and DSP
Prerequisite Warning!
T
x+y = x0 + y0 x1 + y1
114 / 177
Agenda Introducción Vector Spaces and DSP
finite length?
infinite length?
periodic?
finite support?
We need a common framework: vector space
115 / 177
Agenda Introducción Vector Spaces and DSP
116 / 177
Agenda Introducción Vector Spaces and DSP
117 / 177
Agenda Introducción Vector Spaces and DSP
118 / 177
Agenda Introducción Vector Spaces and DSP
119 / 177
Agenda Introducción Vector Spaces and DSP
120 / 177
Agenda Introducción Vector Spaces and DSP
scaling (4x2):
121 / 177
Agenda Introducción Vector Spaces and DSP
adding:
122 / 177
Agenda Introducción Vector Spaces and DSP
Vector Spaces
123 / 177
Agenda Introducción Vector Spaces and DSP
Vector Spaces
124 / 177
Agenda Introducción Vector Spaces and DSP
Vector Spaces
125 / 177
Agenda Introducción Vector Spaces and DSP
T
R2 :
x= x0 x1
126 / 177
Agenda Introducción Vector Spaces and DSP
T
R3 :
x= x0 x1 x2
127 / 177
Agenda Introducción Vector Spaces and DSP
128 / 177
Agenda Introducción Vector Spaces and DSP
Others can’t
RN , for N > 3
CN , for N > 1
129 / 177
Agenda Introducción Vector Spaces and DSP
Ingredients:
the set of vector V
a set of scalars (say C)
130 / 177
Agenda Introducción Vector Spaces and DSP
Ingredients:
the set of vector V
a set of scalars (say C)
131 / 177
Agenda Introducción Vector Spaces and DSP
For x, y, z ∈ V and α, β ∈ C
x+y =y+x
(x + y) + z = x + (y + z)
α(x + y) = αx + αy
(α + β)x = αx + βx
α(βx) = (αβ)x
∃0 ∈ V | x+0=0+x=x
∀x ∈ V ∃(−x) | x + (−x) = 0
132 / 177
Agenda Introducción Vector Spaces and DSP
2
Example: scalar multiplication in R
T
αx = αx0 αx1
133 / 177
Agenda Introducción Vector Spaces and DSP
2
Example: addition in R
x + y = [ x0 + y0 x1 + y1 ]T
134 / 177
Agenda Introducción Vector Spaces and DSP
αx = αx(t)
135 / 177
Agenda Introducción Vector Spaces and DSP
x + y = x(t) + y (t)
136 / 177
Agenda Introducción Vector Spaces and DSP
x + y = x(t) + y (t)
137 / 177
Agenda Introducción Vector Spaces and DSP
138 / 177
Agenda Introducción Vector Spaces and DSP
139 / 177
Agenda Introducción Vector Spaces and DSP
Inner product
h·, ·i : V × V → C
140 / 177
Agenda Introducción Vector Spaces and DSP
For x, y, z ∈ V and α, β ∈ C
141 / 177
Agenda Introducción Vector Spaces and DSP
2
Inner product in R : the norm
142 / 177
Agenda Introducción Vector Spaces and DSP
2
Inner product in R
143 / 177
Agenda Introducción Vector Spaces and DSP
2
Inner product in R : orthogonality
144 / 177
Agenda Introducción Vector Spaces and DSP
ˆ1
hx, yi = x (t) y (t) dt
−1
145 / 177
Agenda Introducción Vector Spaces and DSP
ˆ1
2
hx, xi = kxk = sen2 (πt) dt = 1
−1
146 / 177
Agenda Introducción Vector Spaces and DSP
ˆ1
2
kyk = t 2 dt = 2/3
−1
147 / 177
Agenda Introducción Vector Spaces and DSP
ˆ1 p
hx, yi = 3/2t sen (πt) dt ≈ 0.78
−1
148 / 177
Agenda Introducción Vector Spaces and DSP
149 / 177
Agenda Introducción Vector Spaces and DSP
150 / 177
Agenda Introducción Vector Spaces and DSP
151 / 177
Agenda Introducción Vector Spaces and DSP
Norm vs Distance
p
inner product defines a norm: kxk = hx, xi
norm defines a distance: d (x, y) = kx − yk
152 / 177
Agenda Introducción Vector Spaces and DSP
Norm vs Distance
p
inner product defines a norm: kxk = hx, xi
norm defines a distance: d (x, y) = kx − yk
153 / 177
Agenda Introducción Vector Spaces and DSP
2
Norm and distance in R
q
kx − yk = (x0 − y0 )2 + (x1 − y1 )2
154 / 177
Agenda Introducción Vector Spaces and DSP
ˆ1
kx − yk = |x (t) − y (t)|2 dt
−1
155 / 177
Agenda Introducción Vector Spaces and DSP
ˆ1
kx − yk = |x (t) − y (t)|2 dt = 2
−1
156 / 177
Agenda Introducción Vector Spaces and DSP
Finite-Length Signals
157 / 177
Agenda Introducción Vector Spaces and DSP
N−1
X
hx, yi = x ∗ [n] y [n]
n=0
158 / 177
Agenda Introducción Vector Spaces and DSP
∞
X
hx, yi = x ∗ [n] y [n]
n=−∞
159 / 177
Agenda Introducción Vector Spaces and DSP
∞
X
hx, yi = x ∗ [n] y [n]
n=−∞
|x [n]|2 < ∞
P
We require sequences to be square-summable:
160 / 177
Agenda Introducción Vector Spaces and DSP
Infinite-Length Signals
T
vector notation: x = . . . x−2 x−1 x0 x1 x2 . . .
many interesting signals not in `2 (Z) unfortunately (x[n] = 1, x[n] = cos(ωn), etc)
161 / 177
Agenda Introducción Vector Spaces and DSP
Bases
g = αx + βy
can we find a set of vectors {w(k) } so that we can write any vector as a linear
combination of {w(k) }?
162 / 177
Agenda Introducción Vector Spaces and DSP
Bases
g = αx + βy
can we find a set of vectors {w(k) } so that we can write any vector as a linear
combination of {w(k) }?
163 / 177
Agenda Introducción Vector Spaces and DSP
2
The canonical R basis
1 0
e(0) = e(1) =
0 1
x0 1 0
= x0 + x1
x1 0 1
164 / 177
Agenda Introducción Vector Spaces and DSP
2
The canonical R basis
1 0
e(0) = e(1) =
0 1
x0 1 0
= x0 + x1
x1 0 1
165 / 177
Agenda Introducción Vector Spaces and DSP
2
The canonical R basis
2
x= = 2e(0) + e(1)
1
166 / 177
Agenda Introducción Vector Spaces and DSP
2
Another R basis
1 1
v(0) = v(1) =
0 1
2
x= = v(0) + v(1)
1
167 / 177
Agenda Introducción Vector Spaces and DSP
2
But this is not a basis for R
1 −1
g(0) = g(1) =
0 0
2
x 6= = α1 g(0) + α2 g(1)
1
168 / 177
Agenda Introducción Vector Spaces and DSP
∞
X
x= αk w(k)
k=0
169 / 177
Agenda Introducción Vector Spaces and DSP
..
.
0
0
1
e(k)
= k-th position, k ∈ Z
0
0
0
..
.
170 / 177
Agenda Introducción Vector Spaces and DSP
X
f (t) = αk h(k) (t)
k
171 / 177
Agenda Introducción Vector Spaces and DSP
1
√ , cos (πt) , sen (πt) , cos (2πt) , sen (2πt) , cos (3πt) , sen (3πt) , . . .
2
172 / 177
Agenda Introducción Vector Spaces and DSP
N
X sen (2k + 1) πt
2k + 1
k=0
173 / 177
Agenda Introducción Vector Spaces and DSP
N
X sen (2k + 1) πt
2k + 1
k=0
174 / 177
Agenda Introducción Vector Spaces and DSP
N
X sen (2k + 1) πt
2k + 1
k=0
175 / 177
Agenda Introducción Vector Spaces and DSP
N
X sen (2k + 1) πt
2k + 1
k=0
176 / 177
Agenda Introducción Vector Spaces and DSP
References I
177 / 177