Académique Documents
Professionnel Documents
Culture Documents
Señales y Espectros
En los sistemas de comunicación se trasmiten señales que portan información. Las mismas son modificadas por las
características del canal, y deben ser procesadas por el receptor para recuperar la señal transmitida; de allí que el estudio
de las señales es fundamental en un sistema de comunicación. En este capítulo, se desarrollan los conceptos más
importantes sobre las señales y sus representaciones en los dominios del tiempo y de la frecuencia, los cuales son
necesarios para una mejor comprensión de los sistemas de comunicación.
El estudio sobre señales se inicia con las definiciones de señal y sistema, y los conceptos de energía y potencia como
medidas adecuadas para una señal. También, se tratan algunas características de las señales que permiten su
clasificación de acuerdo a varios criterios; se definen ciertas formas de onda de pulso de gran importancia en el estudio
de los sistemas de comunicación; se estudia la representación de una señal dada por medio de un conjunto ortonormal
de señales, tanto en el dominio del tiempo como de la frecuencia; y se desarrollan los conceptos de densidad espectral y
correlación. Además, se presentan los conceptos de modulación y señales pasa-banda, y también se incluye un breve
estudio sobre señales discretas.
Si queremos modificar o manipular las señales, utilizamos los sistemas. Un sistema es una entidad que procesa un
conjunto de señales (entrada) para producir otro conjunto de señales (salida), las cuales difieren, pero están relacionadas
de alguna forma con las primeras. En general, los sistemas están constituidos por componentes físicos (hardware) y
algoritmos (software).
Una medida adecuada de una señal x(t) podría ser el área bajo la curva de x(t), porque nótese que toma en consideración
no sólo la amplitud, sino también la duración. Sin embargo, esta medida tiene algunos inconvenientes como la
cancelación de áreas positivas y negativas. Para corregir esto, se puede considerar x2(t), lo que resulta en la energía de
la señal Ex, definida como
20
+∞
Ex = ∫ x (t )dt para una señal real, y
2
−∞
+∞
(2.1)
Ex = ∫ x (t ) dt para una señal compleja
2
−∞
A pesar de que pueden definirse otras medidas para una señal, la energía Ex resulta más significativa en el sentido de
que es un indicativo de la cantidad de energía que puede extraerse de la señal. Para que tenga significado, la energía de
una señal debe ser finita. Una condición necesaria para esto es que la amplitud tiende a 0 a medida que ⏐t⏐ tiende a ∞.
De lo contrario la integral en la expresión (2.1) no convergerá. Si la amplitud de la señal x(t) no tiende 0 a medida que
⏐t⏐ tiende ∞, la energía de la señal es infinita. Para este caso, una medida más significativa del tamaño de la señal sería
el promedio en el tiempo de la energía (si existe), el cual es la potencia promedio Px definida por
1 +T / 2 2
Px = lim
T →∞ T
∫ x (t )dt para una señal real, y
−T / 2
(2.2)
1 +T / 2 2
Px = lim
T →∞ T
∫ x (t ) dt para una señal compleja.
−T / 2
La media de una entidad promediada sobre un intervalo largo de tiempo que se aproxime a infinito, existe si la entidad
es periódica o tiene una regularidad estadística. Si tal condición no se satisface, el promedio no existe. Considere, por
ejemplo, el caso de una función rampa, x(t) = t. En este caso, no existe Ex ni Px.
Es importante indicar que las definiciones (2.1) y (2.2) no son una medida real de la energía ni de la potencia de la
señal, ya que la energía y la potencia dependen no sólo de la señal, sino también de la carga. Sin embargo, las
ecuaciones (2.1) y (2.2) pueden interpretarse como la energía o potencia promedio disipada en una carga normalizada de
un resistor de 1Ω. También debe notar que las dimensiones de las ecuaciones (2.1) y (2.2) no son correctas, ya que el
término energía (o potencia promedio) no se utiliza en el sentido convencional, sino como un indicativo del tamaño de
la señal. Así, las dimensiones de Ex y Px en (2.1) y (2.2), respectivamente, dependen de la naturaleza de la señal. Por
ejemplo, si x(t) es una señal de voltaje, entonces Ex tiene dimensiones [(voltios)2 segundos] y Px se mide en [(voltios)2].
No se deben confundir los conceptos de tiempo continuo y analógico, ya que ambos no son iguales. Esto también
ocurre con los conceptos de tiempo discreto y digital. Los términos de tiempo continuo y de tiempo discreto clasifican
la naturaleza de la señal a lo largo del tiempo, mientras que los términos analógico y digital clasifican la naturaleza de la
amplitud de la señal.
x (t ) = x (t + To ) ∀ t . (2.3)
El menor valor de To que satisface la condición de periodicidad es el periodo de x(t). Una señal es no-periódica si no es
una señal periódica.
Una señal periódica, por definición, debe iniciar en – ∞ y continuar por siempre. Otra propiedad importante de una
señal periódica x(t) es que la misma puede ser generada por una extensión periódica de cualquier segmento de x(t) de
duración To (el periodo).
22
2.3.4 Señales de Energía y de Potencia
Una señal de energía es aquella que tiene energía finita, i.e., para una señal x(t), si
∞
E x = ∫ x(t ) dt < ∞
2
(2.4)
−∞
De forma similar, se tiene que una señal de potencia es aquella que tiene potencia finita y diferente de cero. Si x(t) es
una señal de potencia, entonces
1 T /2
∫ x(t ) dt < ∞ .
2
0 < Px = lim (2.5)
T →∞ T
−T / 2
Una señal de energía tiene potencia cero, y una señal de potencia tiene energía infinita, por lo tanto, una señal no puede
ser de potencia y de energía al mismo tiempo! Sin embargo, una señal puede no ser de energía ni de potencia, e.g., la
señal rampa.
Ejemplo 2.1 (Clasificación de señales): Clasifique la señal x(t) que se muestra en la Figura 2.4.
∞
5
Ex = ∫ x (t )dt = 2 A
2 2
.
−∞
Además, la señal x(t) es una señal de tiempo continuo, digital, no-periódica y determinística.
■
La función impulso unitario δ (t) es una de las funciones más importantes en el estudio de las señales y los sistemas.
Esta función fue definida por P. Dirac como:
24
δ (t ) = 0 t≠0
∞
(2.6)
∫ δ (t )dt = 1 .
−∞
La Figura 2.6 muestra una imagen del impulso. Este puede considerarse como un pulso rectangular con un ancho
infinitamente pequeño, una altura infinitamente grande, y un área que es igual a la unidad.
Esta definición de la función impulso unitario, ecuación (2.6), conduce a una función que no es única. Más aún, δ(t) no
es una función verdadera en el sentido ordinario, ya que una función verdadera está especificada por sus valores para
todo tiempo t. Esta función impulso es cero en todos lados, excepto en t = 0, y aún en este punto, no está definida.
En un sentido más riguroso, la función impulso se define, no como una función ordinaria, sino como una función
generalizada, donde δ (t) está definida por la siguiente relación:
∞ ∞
donde x(t) es una función continua en el instante donde existe el impulso, t = T. Esta ecuación significa que el área
debajo del producto de una función con un impulso es igual al valor de la función en el instante donde el impulso
unitario está localizado. Esta propiedad, tan importante y útil, se conoce como propiedad de muestreo del impulso
unitario.
Note que de la ecuación (2.7), la definición del impulso unitario no dice nada sobre qué es o cómo es, sino que se define
en términos del efecto que tiene sobre una función de prueba x(t). La propiedad de muestreo es una consecuencia de la
definición clásica de Dirac.
Otra función importante en el estudio de las señales y los sistemas, es la función escalón unitario u(t), definida por la
expresión (2.8) y cuya forma de onda se muestra en la Figura 2.7.
⎧1 t≥0
u (t ) = ⎨ (2.8)
⎩0 t<0
La función escalón unitario es muy útil cuando se quiere que una señal inicie en t = 0. Para esto sólo se multiplica la
señal con u(t). Una señal que no inicia antes de t = 0 se denomina causal, i.e., que una señal x(t) es causal si
du (t )
= δ (t ) . (2.9)
dt
Ejemplo 2.2 (operaciones con señales): Considere una señal x(t) dada por la función 2cos(40πt), que existe sólo en el
intervalo de tiempo [0.0,0.1]. Grafique esta señal junto con las señales correspondientes a i) un retraso de 0.05 s, ii)
una expansión en un factor de 2, y iii) la inversión en el tiempo.
Solución:
La señal x(t) se puede expresar como x(t) = 2cos(20πt) [u(t) – u(t – 0.1)] utilizando la función escalón.
A continuación se incluye un script en MATLAB que permite obtener las gráficas deseadas.
% Gráficas
subplot(4,1,1); plot(t,s);grid; legend(‘x(t)’);
subplot(4,1,2); plot(t,sd);grid; legend(‘x(t-0.05)’);
subplot(4,1,3); plot(t,se);grid; legend(‘x(0.5t)’);
subplot(4,1,4); plot(t,si);grid; legend(‘x(-t)’);
⎧0 x> 1
2
⎪
rect ( x ) = ⎨ 12 x= 1
2
(2.10)
⎪1 x< 1
⎩ 2
El pulso rectangular rect(x/τ) que se muestra, también, en la Figura 2.9 es el pulso rectangular expandido por un factor
τ. Observe que este factor indica el ancho del pulso.
Una función triángulo unitario ∆(x) se define como un pulso triangular de amplitud unitaria y ancho unitario, centrado
en el origen como se indica a continuación y se muestra en la Figura 2.10.
⎧ 0 x> 1
∆( x ) = ⎨ 2 (2.11)
⎩1 − 2 x x< 1
2
Como en el caso del pulso rectangular, el pulso triangular se puede expandir por un factor τ, obteniéndose ∆(x/τ), que se
muestra, también, en la Figura 2.10.
sin (πx )
sinc (x ) = , (2.12)
πx
y se muestra en la Figura 2.11. En la literatura, esta función también se denota como Sa(x), y algunos autores la definen
como
sin (x )
sinc (x ) = . (2.13)
x
En el resto del texto, usaremos la definición dada por la ecuación (2.12). Algunas características de esta función son las
siguientes:
s = cx + e . (2.14)
Sin embargo, existen infinidad de posibilidades para expresar s en función de x, si consideramos cualquier valor de c, y
del otro vector e. Este vector e, se denomina vector de error y está dado por
e = s − cx , (2.15)
al considerar la aproximación s ≈ cx .
Por conveniencia, se define el producto punto (escalar) entre dos vectores s y x como
s ⋅ x = s x cosθ (2.16)
donde θ es el ángulo entre los dos vectores. Utilizando esta definición, se puede determinar la componente de s a lo
largo de x, que es |s|cosθ = c|x|. Multiplicando ambos lados de la expresión anterior por |x|, resulta
1
c= 2
s⋅x . (2.17)
x
De la ecuación (2.16) se puede observar que cuando s y x son perpendiculares, u ortogonales, entonces c = 0, i.e., la
proyección de s sobre x es cero!
2.6.2 Señales
Los mismos conceptos anteriores se pueden aplicar a las señales. Considere ahora el problema de aproximar una señal
real s(t) en términos de otra señal real x(t) sobre un intervalo [t1,t2]:
⎧s(t ) − cx(t ) t1 ≤ t ≤ t 2
e(t ) = ⎨ (2.19)
⎩ 0 de lo contrario.
Así, si queremos la mejor aproximación, es necesario minimizar el error. Ya que la energía de una señal es una medida
del tamaño de la señal, entonces minimizar el tamaño del error, implicaría minimizar su energía Ee sobre el intervalo
[t1,t2]:
t2 t2
E e = ∫ e 2 (t )dt = ∫ [s (t ) − cx(t )] dt .
2
(2.20)
t1 t1
2. Señales y Espectros 29
Note que Ee depende de c y no de t, y que el mínimo de Ee se logra para un valor dado de c. Una condición necesaria
para minimizar Ee es
dEe
=0 (2.21)
dc
de lo que resulta
t2
1
c=
Ex ∫ s(t )x(t )dt .
t1
(2.22)
Las expresiones (2.22) y (2.17) muestran claramente la estrecha relación entre las señales y los vectores, y más aún, que
el área bajo el producto de dos señales corresponde al producto escalar de dos vectores.
Tomando la terminología de los vectores, podemos decir que cx(t) es la proyección de s(t) sobre x(t), y que si la
componente de una señal s(t) de la forma de x(t) es cero, i.e., c = 0, entonces las señales son ortogonales sobre el
intervalo [t1,t2]. Así, se define que las señales reales s(t) y x(t) son ortogonales si
t2
Estos resultados se pueden generalizar a funciones complejas de t. De esta forma resultan expresiones muy similares.
Considere el mismo problema: aproximar una función s(t) por medio de otra función x(t) sobre un intervalo [t1,t2].
s(t ) ≈ cx(t ) t1 ≤ t ≤ t 2 ,
t2
1
∫ s(t )x (t )dt (2.24)
∗
c=
Ex t1
donde
t2
E x = ∫ x(t ) dt .
2
t1
De este resultado, ecuación (2.24), se redefine la ortogonalidad. Dos funciones s(t) y x((t) sobre un intervalo [t1,t2] son
ortogonales si
t2 t2
Ejemplo 2.3 (señales ortogonales) Muestre que dos señales exponenciales exp(jmω0t) y exp(jkω0t) para cualesquiera
m y k enteros, m≠ k, son ortogonales en cualquier intervalo sobre un periodo T0, donde T0 = 2π/ω0.
30
Solución:
Para cualquier intervalo t0, usando la ecuación (2.25) que define la ortogonalidad, se tiene
t0 t 0 0 t 0
1
= exp[ j (m − k )ω 0 t 0 ]{exp[ j (m − k )2π ] − 1}
j (m − k )ω 0
=0
2 2 2
z =x +y
Así, en forma similar para dos señales complejas (reales) ortogonales x(t) y y(t) en un intervalo [t1,t2], si z(t) = x(t) +
y(t), entonces
Ez = Ex + E y (2.26)
Ejemplo 2.4 (ortogonalidad y energía) Considere las siguientes señales x(t) = sinωot y y(t) = cosωot, verifique que son
señales ortogonales en el intervalo [τ,τ + To], donde ωo = 2π/To. Además, considere una señal z(t) = x(t) + y(t),
verifique la ecuación (2.26), y determine la energía de z(t).
Solución:
Las señales x(t) y y(t) son señales reales y periódicas, ambas con periodo To. Aplicando la ecuación (2.23) se puede
verificar la ortogonalidad,
τ +To τ +To
τ +To
1
=
2 ∫ (sin 2ω t )dt
τ
o
=0
τ +To τ +To
Ez = ∫ (z (t ))2 dt = ∫ (x(t ) + y (t ))2 dt
τ τ
τ +To τ +To τ +To
= ∫ (x(t ))2 dt + 2 ∫ x(t )y (t )dt + ∫ ( y (t ))2 dt
τ τ τ
= Ex + Ey
= To
En la segunda línea de la expresión anterior se observa que el primero y el tercer término del lado derecho
corresponden a las energías de las señales x(t) y y(t), respectivamente; y que el segundo término es cero ya que las
señales x(t) y y(t) son ortogonales.
■
2. Señales y Espectros 31
2.7 La Correlación: Comparación de Señales
En los sistemas de comunicación es de gran interés comparar señales y obtener información de este proceso, por lo que
en esta sección se discute un índice que indica la similitud entre dos señales. Para este estudio es conveniente iniciar
con la comparación de vectores y luego extender los resultados a las señales, como se hizo en la sección anterior.
s⋅x
cn = cosθ = − 1 ≤ cn ≤ 1 . (2.27)
sx
Utilizando el mismo argumento para definir un índice de similitud (coeficiente de correlación) para señales, deberíamos
considerar las señales sobre el intervalo de tiempo completo, de –∞ a +∞. Además, el coeficiente debe ser
independiente de los tamaños (energías) de las señales, por lo que debe normalizarse. Así, resulta el coeficiente de
correlación para señales (complejas) cn:
∞
1
∫ s(t )x (t )dt
∗
cn = − 1 ≤ cn ≤ 1 . (2.28)
Es E x −∞
• cn = + 1 para k > 0;
• cn = – 1 para k < 0;
• cn = 0 si s(t) y x(t) son ortogonales.
Utilizar directamente el coeficiente de correlación, ecuación (2.28), en una aplicación real puede resultar en errores, ya
que si en un sistema se transmite un pulso, x(t), con ancho T, y éste se recibe en un tiempo distinto t – τ, para τ ≥ T, el
coeficiente de correlación de estos pulsos idénticos, pero que ocurren en tiempos diferentes, es cero! Esto se debe
justamente a que los pulsos no ocurren al mismo tiempo.
Para evitar esta dificultad, se debe comparar el pulso transmitido x(t) con el pulso recibido x(t – τ) considerando un
corrimiento de τ seg. De esta forma, si para algún τ existe una fuerte correlación, no sólo se detecta la presencia del
pulso, sino que también ¡se detecta el retraso de tiempo relativo de x(t – τ) con respecto a x(t)!
Así, se utiliza la integral modificada Rx(τ), denominada función de autocorrelación dada por
∞
R x (τ ) ≡ ∫ x(t )x (t − τ )dt
∗
−∞ <τ < ∞ (2.29)
−∞
Rx (τ ) = Rx (− τ ) (2.31a)
R xy (τ ) = R ∗
yx (− τ ) (2.31b)
Ejemplo 2.5 (función de correlación) Determine la función de autocorrelación Rx(τ) para la señal real
Solución:
De la definición de función de autocorrelación dada en la ecuación (2.29), se tiene
∞
R x (τ ) = ∫ x(t )x(t − τ )dt
−∞
∞
= exp (− at )u (t ) exp (− a (t − τ ))u (t − τ )dt
∫
−∞
∞
= exp (aτ ) exp (− 2at )u (t )u (t − τ )dt
∫
−∞
∞
1
R x (τ ) = exp (aτ ) exp (− 2 at )dt =
∫ exp (− aτ ) .
τ
2a
Como la función Rx(τ) es una función par, ecuación (2.32a), se tiene que
exp (− a τ )
1
R x (τ ) =
2a
Ejemplo 2.6 (detección de una señal) En este ejemplo se considera la transmisión de un pulso rectangular x(t) a
través de un canal con ruido aditivo blanco Gaussiano (AWGN). La propagación de la señal a través del canal
presenta un retraso de 2 segundos. En el receptor, para determinar la presencia del pulso transmitido, se realiza la
correlación de la señal recibida r(t) con la señal transmitida (conocida) x(t). En la Figura 2.14 se muestran: la señal
transmitida x(t), la señal recibida r(t) = x(t – 2) + n(t), donde n(t) es una señal AWGN, y la función de correlación
Rrx(τ), la cual indica claramente que la señal recibida es efectivamente x(t) y que tiene un retraso de 2 s. Note el alto
valor de la función Rrx(τ) en τ = 2.
Del análisis geométrico y lo estudiado en la Sección 2.6.1, se sabe que la longitud de e es mínima cuando e es
perpendicular al plano x1-x2, y c1x1 y c2x2 son las proyecciones o componentes de s sobre x1 y x2, respectivamente.
34
Ahora, considere una mejor aproximación de s en términos de los tres vectores mutuamente ortogonales x1, x2, x3:
s ≈ c1x1 + c2 x 2 + c3x3 .
De la Figura 2.15 se puede observar que existe una selección única de c1, c2, c3 tal que la expresión anterior ya no es más
una aproximación sino una igualdad:
s = c1x1 + c2 x 2 + c3x3 , (2.33)
en cuyo caso, c1x1, c2x2 y c3x3 son las proyecciones de s sobre x1, x2, x3, respectivamente. El error en este caso es cero,
porque el vector s es tridimensional y los vectores x1, x2, x3 representan un conjunto completo de vectores ortogonales
en un espacio tridimensional. El ser completo significa que es imposible hallar en este espacio otro vector x4 , que sea
ortogonal a los tres vectores x1, x2, x3. Siendo así, cualquier vector en este espacio puede representarse (con cero error)
en términos de estos tres vectores. Estos vectores se conocen como vectores base.
La selección de los vectores base no es única. Es más, un conjunto de vectores base corresponde a una selección
particular de un sistema de coordenadas. Así, un vector tridimensional puede representarse en múltiples formas,
dependiendo del sistema de coordenadas escogido. Un ejemplo de esto, es la representación de un mismo vector en los
sistemas de coordenadas cartesianas, esféricas y cilíndricas.
Resumiendo
Si un conjunto de vectores {xi} n-dimensional es mutuamente ortogonal, esto es, si
⎧⎪ 0 j≠k
x j ⋅ xk = ⎨ 2 (2.34)
⎪⎩ x j j=k
y si este conjunto base es completo, un vector s en este espacio se puede expresar como
1
ci = 2
s ⋅ xi i = 1,2,..., n. (2.36)
xi
t2
⎧0 m≠n
∫ xm (t )xn (t ) = ⎨ E
∗
(2.37)
t1 ⎩ n m=n .
2. Señales y Espectros 35
Si las energías son unitarias, i.e., En = 1 para toda n, entonces el conjunto se denomina conjunto ortonormal. Un
conjunto ortogonal se puede normalizar dividiendo xn (t) por √(En) para toda n.
Ahora, aproximemos una señal s(t) sobre el intervalo [t1,t2] por medio de un conjunto de N señales mutuamente
ortogonales:
s (t ) ≅ c1 x1 (t ) + c 2 x 2 (t ) + L + c N x N (t )
N (2.38)
s (t ) ≅ ∑ c n x n (t ) t1 ≤ t ≤ t 2 .
n =1
Se puede verificar que la energía Ee de la señal de error e(t), en la ecuación (2.38), es mínima si se escoge
∫t s(t )x n (t )dt
t
2 ∗
1
∫t s(t )x n (t )dt
t ∗
n = 1, 2, ..., N . (2.39)
2
cn = 1
=
(t )dt
t2
∫t x n2 En 1
Más aún, si el conjunto ortogonal es completo, ¡la energía del error tiende a cero!, y la representación en la expresión
(2.38) se convierte en una igualdad,
s (t ) = c1 x1 (t ) + c 2 x 2 (t ) + L + c n x n (t ) + L
∞ (2.40)
s (t ) = ∑ c n x n (t ) t1 ≤ t ≤ t 2
n =1
con los coeficientes cn dados por la ecuación (2.39). Ya que la energía del error se aproxima a cero, entonces la energía
de s(t) es igual a la suma de las energías de sus componentes ortogonales.
La serie del lado derecho de la ecuación (2.40) se denomina serie generalizada de Fourier de s(t) con respecto al
conjunto {xn(t)}. Cuando este conjunto es tal que la energía del error Ee tiende a cero a medida que N tiende a ∞ para
cada miembro de alguna clase particular, se dice que el conjunto {xn(t)} es completo en [t1,t2] para esa clase de s(t), y el
conjunto {xn(t)} se denomina conjunto de funciones base o señales base.
Recuerde que la energía de la suma de señales ortogonales es igual a la suma de sus energías. Por lo tanto, la energía
del lado derecho de la ecuación (2.40) es la suma de las energías de las componentes ortogonales individuales. La
energía de un componente cn xn(t) es cn2 En . Por lo tanto, la energía calculada para la ecuación (2.40) resulta,
Es = c12 E1 + c22 E2 + L
(2.41)
Es = ∑ cn2 En
n
s1 (t )
φ1 (t ) = (2.42)
E1
s1 (t ) = E1 φ1 (t ) (2.43)
= s11φ1 (t )
36
donde el coeficiente s11 = √(E1) y φ1(t) tiene energía unitaria, como se requiere. A continuación, utilizando la señal s2(t),
se define el coeficiente s21 como
T
s 21 = ∫ s 2 (t )φ1 (t )dt . (2.44)
0
g 2 (t ) = s2 (t ) − s21φ1 (t ) , (2.45)
la cual es ortogonal a φ1(t) sobre el intervalo 0 ≤ t ≤ T por virtud de la ecuación (2.44) y el hecho de que la función base
φ1(t) tiene energía unitaria. Ahora, se define la segunda función base como
g 2 (t ) s 2 (t ) − s 21φ1 (t ) (2.46)
φ 2 (t ) = → φ 2 (t ) =
2
T
E2 − s 21
∫ g 2 (t )dt
2
∫ φ (t )dt = 1 ∫ φ (t )φ (t )dt = 0 .
2
2 y 1 2
0 0
i −1
g i (t ) = si (t ) − ∑ sij φ j (t ) (2.47)
j =1
T
sij = ∫ si (t )φ j1 (t )dt , i = 1,2,..., N (2.48)
0
lo que forma un conjunto ortonormal. La dimensión N es menor que o igual al número de señales dadas, M,
dependiendo de dos posibilidades:
• Las señales s1(t), s2(t), ..., sM(t) forman un conjunto linealmente independiente, en cuyo caso N = M.
• Las señales s1(t), s2(t), ..., sM(t) no son linealmente independientes, en cuyo caso N < M, y la función intermedia
gi(t) es cero para i > N.
Ejemplo 2.7 (procedimiento de ortogonalización) Considere el conjunto de señales con duración T de la Figura 2.16.
Use el método de ortogonalización de Gram-Schmidt para encontrar un conjunto de señales base y construya el
correspondiente diagrama de espacio de señales.
s1 (t ) 1 3
φ1 (t ) =
T
= = , 0≤t≤
E1 T /3 T 3
∫ dt
0
2T
g 2 (t ) = s2 (t ) − s21φ1 (t ) = 1,
T
≤t≤
3 3
g 2 (t ) 3 2T .
φ 2 (t ) =
T
= , ≤t≤
T T 3 3
∫ g (t )dt
2
2
0
De igual forma se determinan ahora los coeficientes s31 y s32 de la proyección de s3(t) en φ1(t) y φ2(t),
T T
s 31 = ∫ s 3 (t )φ1 (t )dt = 0, s 32 = ∫ s 3 (t )φ 2 (t )dt =
T
0 0
3
2T
g3 (t ) = s3 (t ) − s31φ1 (t ) − s32φ2 (t ) = 1, ≤t ≤T
3
g 3 (t ) 3 2T
φ 3 (t ) = = , ≤t ≤T
T T 3
∫ g (t )dt
2
3
0
Ahora se calculan los coeficientes s41, s42 y s43 de la proyección de s4(t) en φ1(t), φ2(t) y φ3(t),
T T T
s 41 = ∫ s 4 (t )φ1 (t )dt = s 42 = ∫ s 4 (t )φ 2 (t )dt = s 43 = ∫ s 4 (t )φ 3 (t )dt =
T T T
, ,
0
3 0
3 0
3
y se tiene que
con lo cual hemos terminado el proceso de ortogonalización. En la Figura 2.17 se muestra el correspondiente
diagrama de espacio de señales.
38
Las tres funciones base forman un conjunto ortonormal. Observe que cualquiera de las señales si(t) se puede expresar
como una combinación lineal de las tres funciones base. En este ejemplo, M = 4 y N= 3 lo cual indica que el conjunto
de señales si(t) no forman un conjunto linealmente independiente. Claramente, s4(t) = s1(t) + s3(t).
■
Ejemplo 2.8 (representación vectorial de una señal) Se tiene un código cuaternario, llamado 2B1Q, para representar
señales digitales, cuyas señales son versiones de diferente amplitud de un mismo pulso. Sea este pulso básico φ1(t) para
0 ≤ t ≤ T, y las cuatro posibles señales del código: s1(t) = –3φ1(t), s2(t) = –φ1(t), s3(t) = +φ1(t), y s4(t) = +3φ1(t). Note
que este conjunto de señales no son linealmente independientes, y por lo tanto, se tiene N = 1, M = 4. Este ejemplo es
bastante simple y se puede resolver por inspección. Así, se tiene que φ1(t), el pulso básico, normalizado para tener una
energía unitaria, es la única función base del conjunto ortonormal del código; y la representación vectorial del código
consiste de cuatro vectores señales s1, s2, s3, s4, los cuales se localizan en el eje-φ1 como se muestra en la Figura 2.18.
Esta figura se denomina diagrama de señal-espacio. En este ejemplo en particular, el diagrama de señal-espacio del
código 2B1Q es el de una señal de pulso cuaternaria modulada en amplitud, y el mismo corresponde a un diagrama
unidimensional (N = 1), con cuatro puntos (M = 4) distribuidos sobre un único eje.
{1, cos ω0t , cos 2ω0t ,K, cos nω0t ,K, sin ω0t , sin 2ω0t ,K, sin nω0t ,K} (2.49)
2. Señales y Espectros 39
donde n es un entero y ω0 = 2πf0, es la frecuencia medida en radianes/segundo y f0 es la frecuencia medida en hertz1.
Una señal sinusoidal de frecuencia nω0 se denomina el n-ésimo armónico de la sinusoide de frecuencia ω0 [rad/s ] ó f0
[Hz]. La señal sinusoidal de frecuencia ω0 sirve como base de este conjunto, y se denomina fundamental, siendo el
resto de los términos, armónicos de esta señal. Este conjunto es ortogonal sobre cualquier intervalo de duración T0 = 1/f0
= 2π/ω0 [s] que corresponde al periodo de la fundamental.
Este es el conjunto trigonométrico, que es un conjunto completo. Por lo tanto, cualquier señal s(t) se puede expresar por
una serie trigonométrica de Fourier sobre cualquier intervalo de duración T0 segundos como
o
∞
x(t ) = a 0 + ∑ (a n cos nω 0 t + bn sin nω 0 t ) t 1 ≤ t ≤ t 1 + T0 , (2.50b)
n =1
1 t1 +T0
a0 = ∫ x(t )dt (2.51a)
T0 t1
2 t1 +T0
an = ∫ x (t ) cos nω 0 tdt n = 1,2,3, K (2.51b)
T0 t1
2 t1 +T0
bn = ∫ x(t )sin nω 0 tdt n = 1,2,3, K (2.51c)
T0 t1
La serie trigonométrica, ecuación (2.50), contiene términos senos y cosenos de la misma frecuencia, por lo que estos
términos se pueden combinar utilizando la identidad trigonométrica
Por conveniencia, si denotamos el término a0 por C0, podemos escribir la serie trigonométrica de Fourier en su forma
compacta:
∞
x(t ) = C 0 + ∑ C n cos(nω 0 t + θ n ) t 1 ≤ t ≤ t 1 + T0 (2.54)
n =1
Es importante notar que una señal arbitraria x(t) puede expresarse como una serie trigonométrica de Fourier sobre
cualquier intervalo de T0 segundos. Así, la serie de Fourier es igual a x(t) sobre ese intervalo solamente. Fuera de este
intervalo, la serie no es necesariamente igual a x(t).
Periodicidad
La serie trigonométrica de Fourier es una función periódica de periodo T0 (periodo de la fundamental). Siendo así, si la
función s(t) fuese periódica también con periodo T0, entonces una serie de Fourier que represente a x(t) sobre un
intervalo T0, representaría también a x(t) para todo t (no sólo en el intervalo T0).
1
Por conveniencia (simplificación de escritura) en la mayoría de las expresiones se usa ω, pero los análisis, gráficas y algunas
expresiones finales se dan en función de f. Recuerde que ambas son frecuencias y están relacionadas por ω = 2πf.
40
Espectro de Fourier
La serie trigonométrica compacta de Fourier en la ecuación (2.54) indica que una señal periódica x(t) puede
representarse como la suma de funciones sinusoidales de frecuencias 0 (dc), ω0, 2ω0, ... , nω0, ... , cuyas amplitudes son
C0, C1, C2, ..., Cn, ... y cuyas fases son 0, θ1, θ2, ..., θn, .... A partir de esto, se puede graficar fácilmente la amplitud Cn
vs. f (o ω) (espectro de amplitud) y θn, vs. f (o ω) (espectro de fase). Estas dos gráficas conforman el espectro de
frecuencia de x(t).
El espectro de frecuencia provee una descripción alternativa en el dominio de la frecuencia de la señal x(t). Por lo tanto,
una señal tiene una identidad dual: la identidad en el dominio del tiempo s(t) y una identidad en el dominio de la
frecuencia (espectro de Fourier). Las dos identidades se complementan y juntas proveen una mejor comprensión de la
señal.
Existen dos condiciones básicas para la existencia de la serie de Fourier, las cuales se conocen como condición débil de
Dirichlet y las condiciones fuertes de Dirichlet.
La primera condición establece que para que la serie exista, los coeficientes a0, an y bn deben ser finitos. Esta condición
se garantiza si x(t) es absolutamente integrable sobre un periodo, esto es,
∫T x(t ) dt < ∞ .
0
(2.55)
Si una función x(t) satisface la condición débil de Dirichlet, se garantiza la existencia de una serie de Fourier, pero
puede que la serie no converja en todos los puntos.
Las condiciones fuertes de Dirichlet requieren que la función x(t) tenga solamente un número finito de máximos y
mínimos en un periodo, y pueda tener solamente un número finito de discontinuidades finitas en un periodo.
Considere un conjunto de exponenciales exp(jnωot) para n = 0, ±1, ±2, .... Este conjunto es ortogonal sobre cualquier
intervalo de duración T0 = 1/f0 = 2π/ω0 [segundos], esto es,
⎧0 m≠n
exp( jmω 0 t ) exp( jnω 0 t ) dt = ∫T exp[ j (m − n )ω 0 t ]dt = ⎨
∗
∫T m=n .
(2.56)
0 0
⎩T0
Más aún, este conjunto es un conjunto completo. De las ecuaciones (2.40) y (2.39) se tiene que una señal x(t) puede
expresarse sobre un intervalo de duración T0 segundos como una serie exponencial de Fourier
∞
x(t ) = ∑D n exp( jnω 0 t ) (2.57)
n = −∞
donde
1
Dn =
T0 ∫ x(t )exp(− jnω t )dt .
T0
0 (2.58)
Los coeficientes Dn son complejos y, más aún, los coeficientes Dn y D-n son conjugados.
Esta serie es básicamente otra forma de la serie trigonométrica de Fourier, pero con la ventaja de que su forma es más
compacta y que la expresión matemática para derivar los coeficientes de la serie también es compacta. La serie
exponencial de Fourier es periódica con periodo T0.
Dn = D − n y ∠Dn = −∠D− n .
Es importante que se entienda que los espectros exponenciales son una representación gráfica de los coeficientes Dn
como funciones de f (o ω), y que por lo tanto la existencia del espectro en f = –nf0 (una frecuencia negativa que
físicamente no existe), es sólo una indicación del hecho de que una componente exponencial exp(–j2πnf0) existe en la
serie.
Teorema de Parseval
Una señal periódica x(t) es una señal de potencia, y cada término de su serie de Fourier es también una señal de
potencia. La potencia Px de x(t) es igual a la potencia de su serie de Fourier, y como la serie consiste de términos
mutuamente ortogonales sobre un periodo, entonces la potencia Px es igual a la suma de las potencias de las
componentes de Fourier. Esto resulta del teorema de Parseval. Así, se tiene para la serie trigonométrica de Fourier,
ecuación (2.54), que la potencia Px de x(t) está dada por
1 ∞ 2
Px = C 02 + ∑ Cn
2 n =1
(2.59)
∞ ∞
∑ Dn = D02 + 2∑ Dn
2 2
Px = (2.60)
n = −∞ n =1
Ejemplo 2.9 (series de Fourier y espectros) Para la siguiente señal periódica de voltaje, encuentre la serie
trigonométrica, la serie trigonométrica compacta y la serie exponencial de Fourier. Grafique sus espectros y verifique
el teorema de Parseval.
Solución
La señal es periódica por lo que se puede tomar cualquier intervalo con T0 = 4 s (periodo) para realizar el análisis,
e.g., el intervalo [0,4]. La señal es, además, simétrica, por lo que algunos términos de la serie son cero y el valor
promedio de la señal es cero, por consiguiente el término dc en las series es cero.
a0 = 0
an = 0
2⎛ 2 1
⎜ ∫0 sin nω 0 t dt − ∫2 sin nω 0 t dt ⎞⎟ = {1 − 2 cos(nπ ) + cos(2nπ )} = 4
4
bn = para n = 1,3,5,7,...
4⎝ ⎠ nπ nπ
∞ ∞
4
∴ x(t ) = ∑ bn sin nω 0 t = ∑ sin nω 0 t para n impar
n =1 n =1 nπ
Forma compacta:
⎛ − bn ⎞ π
C n = a n2 + bn2 = bn y θ n = tan −1 ⎜⎜ ⎟=−
⎟
⎝ an ⎠ 2
∞ ∞
⎛ π⎞ 4
∴ x(t ) = ∑ C n cos⎜⎝ nω 0 t − 2 ⎟⎠ = ∑ nπ sin nω 0 t n impar
n =1 n =1
Serie exponencial:
1 ⎛⎜ ⎞
2 4
1
Dn = ∫ exp(− jnω 0 t )dt − exp(− jnω 0 t )dt ⎟ =
∫ (1 + exp(− j 4nω 0 ) − 2 exp(− j 2nω 0 )); ω0 = π / 2
4⎝0⎜ ⎟ j 4 nω 0
2 ⎠
Dn =
1
(1 + cos(2nπ ) − 2 cos(nπ )) = − j 2 = 2 exp⎛⎜ − j π ⎞⎟ n impar
j 2 nπ nπ nπ ⎝ 2⎠
∞ ∞
2
x(t ) = ∑D exp( jnω 0 t ) = − j ∑ exp( jnω 0 t ) para n impar
n = −∞ π
n
n = −∞ n
∞
4
⇒ x(t ) = ∑ sin (nω 0 t ) para n impar.
n =1 nπ
1 2 ⎛ π⎞
Dn = C n exp( jθ n ) = exp⎜ − j ⎟ n = 1, 3, 5, 7, ...
2 nπ ⎝ 2⎠
1 2 ⎛ π⎞
D− n = C n exp(− jθ n ) = exp⎜ j ⎟ n = −1, − 3, − 5, − 7, ...
2 nπ ⎝ 2⎠
Teorema de Parseval
2
1 ∞ 2 1 ∞⎛ 4 ⎞ 8 ∞ 1
Px = C02 + ∑ Cn = ∑ ⎜ ⎟ = 2 ∑ n impar
2 n =1 2 n =1 ⎝ nπ ⎠ π n =1 n2
o
2
∞ 2 ∞ 2 8 ∞ 1
Px = D02 + 2 ∑ D n = 2∑ = ∑ n impar
n =1 n =1 nπ π 2
n =1 n2
2. Señales y Espectros 43
Espectros de amplitud
Figura 2.20: Espectros de amplitud de x(t) de la: a) serie compacta, b) serie exponencial.
Es importante notar que los espectros a partir de la serie trigonométrica son unilaterales (f ≥ 0), mientras que a partir
de la serie exponencial son bilaterales (⏐f⏐≥ 0).
■
Para una señal cualquiera no-periódica x(t), como la que se muestra en la siguiente figura, sería posible construir una
nueva señal periódica xTo(t) a partir de la repetición de x(t) cada T0 segundos.
Figura 2.21: Construcción de una señal periódica a partir de una señal no-periódica de duración finita.
44
Si el periodo T0 se hace lo suficientemente grande para evitar la sobreposición de las formas de onda repetidas, la señal
periódica xTo(t) puede representarse por una serie exponencial de Fourier como en la Sección 2.8.2. Si hacemos que T0
→ ∞, las formas de onda en la señal periódica se repetirán después de un intervalo infinito, y por lo tanto
De esta forma, la serie de Fourier que representa la señal xTo(t) también representará la señal x(t) en el límite T0 → ∞.
Ya se sabe que la serie exponencial de Fourier para xTo(t) esta dada por
∞
xT0 (t ) = ∑ Dn exp( jnω 0 t ) (2.62)
n = −∞
donde
T0 / 2
1 2π
Dn =
T0 ∫ xT (t ) exp(− jnω 0 t )dt
0
y ω 0 = 2πf 0 =
T0
. (2.63)
−T0 / 2
Note que xTo(t) sobre el intervalo (–½T0, ½T0) es lo mismo que la integral de x(t) sobre ( –∞, ∞), por lo que la ecuación
(2.63) puede expresarse como
∞
1
Dn =
T0 ∫ x(t ) exp(− jn 2πf 0 t )dt (2.64)
−∞
La naturaleza del espectro cambia, y resulta un espectro continuo, donde en el límite a medida que T0 → ∞ , f0 → 0 y
Dn → 0. Esto significa que el espectro resultante es tan denso que las componentes están espaciadas a un intervalo cero
(infinitesimal), al tiempo que la amplitud de cada componente es cero (infinitesimal). Esto resulta un poco extraño como
se indica en [Lat98], es como tener nada de todo, y sin embargo tener algo! Para aclarar esto, se puede definir una
función X(f) como una función continua de f, tal que
∞
X(f )= ∫ x(t ) exp(− j 2πft )dt , (2.65)
−∞
de lo que resulta
1
Dn = X (nf 0 ) . (2.66)
T0
De la ecuación (2.62),
∞
X (nf 0 )
xT0 (t ) = ∑ exp( jn 2πf 0 t ) (2.67)
n = −∞ T0
∞
xT0 (t ) = ∑ X (n∆f )∆f exp( jn2π∆ft ) (2.68)
n = −∞
∞
x(t ) = lim xT0 (t ) = lim ∑ X (n∆f ) exp( jn2π∆ft )∆f (2.69)
T0 →∞ ∆f →0
n = −∞
resultando
∞
x(t ) = ∫ X ( f )exp( j 2πft )df , (2.70)
−∞
2. Señales y Espectros 45
o en términos de ω,
∞
1
x(t ) = ∫ X (ω ) exp( jωt )dω. (2.71)
2π −∞
En la ecuación (2.70) o en la (2.71), la integral de la derecha se denomina integral de Fourier. De esta forma es posible
representar una señal no-periódica x(t) por una integral de Fourier (en lugar de una serie de Fourier). Esta integral es
básicamente una serie (en el límite) con frecuencia fundamental ∆f → 0. La cantidad del exponencial exp(jn2π∆f t) es
X(n2π∆f)∆f, por lo que X(f) dada por la ecuación (2.65) actúa como una función espectral.
X(f) se llama transformada directa de Fourier de x(t), y x(t) es la transformada inversa de Fourier de X(f). La relación
entre ellas se expresa como
x(t ) = F −1 [X ( f )] ↔ X ( f ) = F[x(t )]
∞ ∞
(2.72)
x(t ) = ∫ X ( f )exp( j 2πft )df ↔ X(f )= ∫ x(t )exp(− j 2πft )dt
−∞ −∞
Se puede graficar el espectro X(f) como una función de f. Ya que X(f) es complejo, se tienen los espectros de amplitud y
de fase directamente de X(f),
X ( f ) = X ( f ) exp( jθ ( f )) . (2.73)
y considerando esta expresión y la ecuación (2.65), resulta entonces que X(f) y X(–f) son complejos conjugados, esto es,
X (− f ) = X ∗ ( f ) , (2.75)
de lo cual resulta que el espectro de amplitud tiene simetría par y el de fase tiene simetría impar.
Para concluir, es importante notar que el espectro de Fourier de una señal periódica tiene amplitudes y fases finitas y
existe en frecuencias discretas (f0 y sus múltiplos); mientras que el espectro de Fourier de una señal no-periódica es
continuo y existe en todas las frecuencias.
Ejemplo 2.10 (transformada de Fourier y espectros) Para las siguientes señales x(t) y xp(t), donde x(t) = rect(2t) y
xp(t) corresponde a la repetición periódica de x(t), con periodo T0 = 1 s, determine y grafique los espectros de amplitud
de ambas señales.
Transformada de Fourier:
+T / 4
1 ⎛ ⎛ T⎞ ⎛ T ⎞⎞ 1 ⎛π ⎞
X(f )= ∫ exp(− j 2πft )dt = − j 2πf ⎜⎜⎝ exp⎜⎝ − j 2πf ⎟ − exp⎜ + j 2πf ⎟ ⎟⎟ = sin ⎜ f ⎟
−T / 4
4⎠ ⎝ 4 ⎠ ⎠ πf ⎝2 ⎠
1 ⎛ f ⎞
= sinc ⎜ ⎟
2 ⎝2⎠
+T / 4
1 1 ⎛ ⎛ T⎞ ⎛ T ⎞⎞ 1 ⎛ π⎞
Dn =
T ∫ exp(− jn2πft )dt = − jn2πf ⎜⎜⎝ exp⎜⎝ − jn2πf
−T / 4
⎟ − exp⎜ + jn 2πf ⎟ ⎟⎟ =
4⎠ ⎝ 4 ⎠⎠ nπ
sin ⎜ n ⎟
⎝ 2⎠
1 ⎛n⎞
= sinc ⎜ ⎟
2 ⎝2⎠
Espectros de magnitud
Observe el espectro continuo del pulso, y el espectro discreto del tren de pulsos.
■
Al igual que para la serie de Fourier, para que exista la transformada de Fourier de una señal x(t) es suficiente, pero no
necesario, que x(t) satisfaga las condiciones de Dirichlet. Cuando una función de tiempo x(t) corresponde a una
descripción específica precisa de una señal realizable físicamente (e.g., señal de voz, señal de video), podemos ignorar
la pregunta de la existencia de la transformada de Fourier, porque el hecho de que la función sea físicamente realizable
es una condición suficiente para la existencia de la transformada de Fourier. Por lo tanto, todas las señales de energía
tienen transformada de Fourier.
Observe que sólo hay una diferencia menor en estas operaciones: el signo de los índices exponenciales. Esta
observación conduce al principio de dualidad, obtenido al intercambiar los roles de x(t) y X(f) en el resultado original
(con la modificación del signo).
A continuación se indican algunas propiedades importantes, sin incluir las pruebas, y se aplica el principio de dualidad
como ejemplo al caso de la propiedad de corrimiento en el tiempo.
a1 x1 (t ) + a 2 x 2 (t ) ↔ a1 X 1 ( f ) + a 2 X 2 ( f ) (2.76)
Propiedad de Escalamiento
Si x(t) ↔ X(f) entonces, para cualquier constante real a,
1 ⎛f⎞
x(at ) ↔ X⎜ ⎟ . (2.77)
a ⎝a⎠
Esta propiedad establece que la compresión de una señal en el tiempo resulta en su expansión espectral, y viceversa.
Esto implica que si x(t) es ancha, su espectro será angosto, y viceversa. Esto sugiere que el ancho de banda de una señal
es inversamente proporcional a la duración o ancho (en segundos) de la señal (ver Sección 2.10 Ancho de banda de
rect(x/τ)).
Propiedad de Conjugación
Si x(t) ↔ X(f) entonces, para una función x(t) compleja,
x ∗ (t ) ↔ X ∗ (− f ) (2.78)
x ∗ (− t ) ↔ X ∗( f ) , (2.79)
X (t ) ↔ x(− f ) (2.82)
Si aplicamos a esta ecuación el principio de dualidad, se puede obtener directamente la propiedad de corrimiento en la
frecuencia:
Un retraso en el tiempo en una señal, produce un cambio de fase lineal en su espectro. Por lo tanto, un retraso de
tiempo t0 en una señal sinusoidal de frecuencia f se manifiesta como un retraso de fase de 2πf t0, lo cual es una función
lineal de f.
Diferenciación en el Tiempo
Si x(t) ↔ X(f), entonces,
x(t ) j 2πf X ( f )
d
↔ (2.85)
dt
y en general,
dn
x(t ) ↔ ( j 2πf )n X ( f ) (2.86)
dt n
Integración en el Tiempo
Si x(t) ↔ X(f), entonces,
t
1 1
∫ x(τ )dτ ↔
j 2πf
X ( f ) + X (0)δ ( f )
2
(2.87)
−∞
x1 (t ) ∗ x 2 (t ) ↔ X 1 ( f )X 2 ( f ) . (2.89)
x1 (t )x 2 (t ) ↔ X1( f )∗ X 2 ( f ) (2.90)
Una propiedad relacionada a éstas es la propiedad del ancho de la Convolución. Esta propiedad establece que el ancho
de s∗ x es la suma de los anchos de s y x. En consecuencia, si aplicamos esta propiedad a la ecuación (2.90) resulta que
2. Señales y Espectros 49
si el ancho de banda de una señal x(t) es B Hz, entonces el ancho de x2(t) es 2B Hz, y el ancho de banda de xn(t) es nB
Hz, y en general, si las señales x1(t) y x2(t) tienen anchos de banda B1 y B2 Hz, respectivamente, entonces el ancho de
banda de x1(t) x2(t) es (B1 + B2) Hz.
Propiedad de la Correlación
Si x1(t) ↔ X1(f), y x2(t) ↔ X2(f), entonces
+∞
∫ x (t )x (t − τ )dt X 1 ( f )X 2∗ ( f ) .
∗
1 2 ↔ (2.91)
−∞
+∞ +∞
x(t ) dt = ∫ X(f )
2 2
∫ df = E x , (2.92)
−∞ −∞
Ejemplo 2.11 (propiedades de la transformada de Fourier) Determine la energía del pulso x(t) dado por
x(t ) = A sinc(t / τ ) .
Solución:
La energía del pulso está dada por
∞
Ex = ∫A
2
sinc 2 (t / τ )dt
−∞
Pero, la integral de esta ecuación es algo difícil de evaluar. Sin embargo, del Ejemplo 2.10 se observa que el pulso
rectangular y el pulso sinc forman un par de transformadas de Fourier, por lo que usando el resultado de ese ejemplo y
aplicando las propiedades de simetría y escalamiento, y observando que la función rectangular es una función par del
tiempo, se tiene lo siguiente:
Para
x(t ) = rect (t / T ) ↔ X ( f ) = T sinc(Tf )
entonces
A sinc(t / τ ) ↔ Aτ rect (τ f )
Ahora, aplicando el teorema de Rayleigh, se tiene que la energía del pulso sinc es
+1 / (2τ )
∫ ( Aτ ) rect 2 (τ f ) df = A 2τ
2
Ex =
−1 / (2τ )
La Tabla 2.1 contiene algunas transformadas de Fourier para las señales que comúnmente se utilizan en el estudio de los
sistemas de comunicación.
50
x(t ) X(f )
1 δ(f )
δ (t ) 1
δ (t − t 0 ) exp(− j 2πft 0 )
exp( j 2πf 0 t ) δ ( f − f0 )
1
exp(− at ) u (t ) a>0
a + j 2πf
2a
exp(− a t ) a>0
a + (2πf )
2 2
⎡ ⎛ t ⎞2 ⎤
exp ⎢− π ⎜ ⎟ ⎥ (
T exp − π ( fT )
2
)
⎢⎣ ⎝ T ⎠ ⎥⎦
1
t exp(− at ) u (t ) a>0
(a + j 2πf )
2
1 1
u (t ) δ(f )+
2 j 2πf
1
cos(2πf 0 t ) [δ ( f − f 0 ) + δ ( f + f 0 )]
2
1
sin (2πf 0 t ) [δ ( f − f 0 ) − δ ( f + f 0 )]
2j
⎛t ⎞
rect ⎜ ⎟ T sinc( fT )
⎝T ⎠
1 ⎛ f ⎞
sinc (2Wt ) rect ⎜ ⎟
2W ⎝ 2W ⎠
⎛t⎞
cos(2πf 0 t ) rect ⎜ ⎟ [sinc( f − f 0 )T + sinc( f + f 0 )T ]
T
⎝T ⎠ 2
⎛t ⎞
∆⎜ ⎟ T sinc 2 ( fT )
⎝T ⎠
∞
1 ∞ ⎛ ⎞
∑ δ (t − mT0 )
n
∑ δ ⎜⎜ f − ⎟
⎟
m = −∞ T0 n = −∞ ⎝ T0 ⎠
1
sgn (t )
jπf
1
− j sgn ( f )
πt
2. Señales y Espectros 51
Relación entre la Convolución y la Correlación
Si comparamos las definiciones de la convolución y la correlación, y también, las propiedades de la transformada de
Fourier de la convolución en el tiempo y de la correlación, se observa que existe una relación estrecha entre ambas
operaciones. Considere la convolución en el tiempo de dos señales reales x(t) y y(t); de la ecuación (2.88), se tiene que
∞
x(t ) ∗ y(t ) = ∫ x(τ ) y(t − τ )dτ .
−∞
∞
x(τ ) ∗ y(τ ) = ∫ x(t )y(τ − t )dt .
−∞
∞
x(τ ) ∗ y(− τ ) = ∫ x(t )y(t − τ )dt .
−∞
R xy (τ ) = x (τ ) ∗ y (− τ ) . (2.93)
Esta relación de gran interés cuando se dispone de alguna forma para calcular la convolución de dos secuencias, y que
ahora sabemos, también se puede usarse para calcular la correlación entre las secuencias, calculando la convolución de
la primera señal con, simplemente, la versión invertida de la segunda señal.
Sea xTo(t) una señal periódica con period To. Esta señal se puede representar en términos de una serie exponencial
compleja de Fourier dada por la ecuación (2.57) y que se vuelve a repetir por conveniencia:
∞
xT0 (t ) = ∑ Dn exp( j 2π nf 0 t ) (2.94)
n = −∞
donde
Dn =
1
T0 ∫T
0
(
xT0 (t ) exp − j 2π nf 0t dt . ) (2.95)
Sea x(t) una función pulso, igual a xTo(t) sobre un periodo y cero en todos los otros lados, i.e.,
⎧
⎪ x (t ),
T T
− 0 ≤t≤ 0
x(t ) = ⎨ T0 2 2 (2.96)
⎪⎩ 0, cualquier otro lado
Además, la señal periódica xTo(t) se puede expresar en términos de x(t) como una sumatoria infinita
52
∞
xT0 (t ) = ∑ x(t − mT0 ) . (2.97)
m = −∞
Basados en esta representación, x(t) se puede ver como una función generadora. Además, esta señal tiene energía finita
y por lo tanto tiene una transformada de Fourier, por lo que los coeficientes complejos Dn de la serie de Fourier se
pueden expresar como
∞
(
Dn = f 0 ∫ x(t )exp − j 2π nf 0 t dt ) . (2.98)
−∞
= f 0 X (nf 0 )
donde X(nf0) es la transformada de Fourier de x(t), evaluada en la frecuencia f = nf0. Así, la señal periódica se puede
expresar como
∞ ∞
xT0 (t ) = ∑ x(t − mT0 ) = f 0 ∑ X (nf 0 )exp( j 2πnf 0t ) . (2.99)
m = −∞ n = −∞
Usando la expresión de la transformada de Fourier de la función exponencial compleja (ver Tabla 2.1), se encuentra la
transformada de Fourier para la señal periódica xTo(t),
∞ ∞
xT0 (t ) = ∑ x(t − mT0 ) ↔ f0 ∑ X (nf 0 )δ ( f − nf 0 ) . (2.100)
m = −∞ n = −∞
La ecuación (2.100) indica que la transformada de Fourier de una señal periódica consiste de funciones delta que
ocurren en múltiplos enteros de la frecuencia fundamental f0 = 1/T0, incluyendo el origen, y que cada función delta está
ponderada por un factor igual al valor correspondiente de X(nf0) – ver Ejemplo 2.10.
i) Si la descripción en el dominio del tiempo de una señal se cambia, entonces la descripción de la señal en el
dominio de la frecuencia se cambia de una manera inversa, y viceversa. Esta relación inversa previene
especificaciones arbitrarias de una señal en ambos dominios. Es decir, que sólo se puede especificar una
función arbitraria del tiempo o un espectro arbitrario, pero no ambos a la vez, ya que uno y otro están
íntimamente relacionados, y al especificar uno de ellos, el otro queda determinado automáticamente.
ii) Si una señal es estrictamente limitada en frecuencia, la descripción en el dominio del tiempo de la señal será
infinita, aún cuando su amplitud pueda tomar valores progresivamente cada vez más pequeños. Una señal se
dice que es estrictamente limitada en frecuencia o estrictamente de banda limitada si su transformada de
Fourier es exactamente cero fuera de una banda finita de frecuencias. Un ejemplo claro de este tipo de señal es
el pulso sinc (en el tiempo) cuya transformada de Fourier es la función rect. Note que el pulso sinc es sólo
asintóticamente limitado en el tiempo. De forma inversa, si una señal es estrictamente limitada en el tiempo, es
decir, que es exactamente cero fuera de un intervalo finito de tiempo, entonces su espectro se extenderá al
infinito, aún cuando el espectro de amplitud tome valores progresivamente pequeños. Este caso queda
ejemplificado por una señal rect (en el tiempo) cuya transformada de Fourier es la función sinc. De esto se
concluye que una señal no puede ser estrictamente limitada tanto en tiempo como en frecuencia,
simultáneamente.
2. Señales y Espectros 53
2.11.1 Ancho de Banda
El ancho de banda de una señal provee una medida de la extensión del contenido espectral significativo de la señal para
frecuencias positivas. Así, se puede definir el ancho de banda de una señal como la diferencia entre la frecuencia más
alta (significativa) y la frecuencia más baja (significativa) en el espectro (positivo) de la señal. Cuando una señal es de
banda estrictamente limitada, el ancho de banda queda bien definido, pero cuando la señal no tiene una banda
estrictamente limitada, como ocurre generalmente, es necesario considerar algún tipo de definición de ancho de banda.
En la Sección 2.16 se discuten varias definiciones prácticas de ancho de banda.
Ejemplo 2.12 (ancho de banda de rect(t/τ)) Ya vimos que la trasformada de Fourier de una señal x(t) = rect(t/τ)
corresponde a X(f) = τ sinc(f τ). Note que x(t) es una señal estrictamente limitada en el tiempo, pero su espectro se
extiende de forma infinita. El espectro X(f) tiene su máximo en f = 0 y decae a frecuencias mayores; por lo tanto,
rect(x/τ) es una señal pasa-bajas con casi toda su energía en las componentes de baja frecuencia. Estrictamente, el
espectro de rect(x/τ) se extiende de 0 a ∞, por lo que el ancho de banda es, en este caso, ∞. Sin embargo, la mayor
parte de la energía está concentrada dentro del primer lóbulo (de f = 0 a f = 1/τ), y se podría considerar f = 1/τ la
frecuencia mayor significativa en el espectro, resultando un ancho de banda aproximado de 1/τ [Hz]. Observe la
relación recíproca entre el ancho del pulso rectangular y su ancho de banda aproximado.
■
Este producto se llama producto tiempo-ancho de banda o producto ancho de banda-duración; y es otra manifestación
de la relación inversa entre las descripciones en el dominio del tiempo y el dominio de la frecuencia de una señal. En
particular, se puede observar de la relación del producto, que si la duración de una señal se aumenta o se reduce por un
factor a (expansión o compresión, respectivamente); entonces, la escala de frecuencia del espectro de la señal, y por
consiguiente, su ancho de banda, se reducirá o aumentará, respectivamente, por el mismo factor a; de forma que el
producto tiempo-ancho de banda permanece constante. Esto se ilustra en el problema 17 de la Sección 2.18.
La densidad espectral, ESD o PSD, es una función real positiva de una variable de frecuencia asociada con un proceso
estocástico estacionario, o una función determinística del tiempo, que tiene dimensiones de energía por Hz, o de
potencia por Hz. Se denomina simplemente espectro de la señal o densidad espectral, y básicamente captura el
contenido de un proceso estocástico y ayuda a identificar periodicidades.
La PSD se expresa comúnmente en watts por hertz [W/Hz] o en dBm/Hz. Para señales de voltaje, es común usar
unidades de V2/Hz para la PSD, y V2s/Hz para la ESD o dBµV/Hz.
∫ x (t )dt = ∫ X ( f )
2
Ex = 2
df . (2.101)
−∞ −∞
donde X(f) es la transformada continua de Fourier de la señal no periódica x(t). Sea Sx(f) el cuadrado del espectro de
magnitud, definido como,
Sx ( f ) = X ( f ) .
2
(2.102)
La cantidad Sx(f) es la densidad espectral de energía de la señal x(t). Por lo tanto, de la ecuación (2.101), la energía
total de x(t) se puede expresar como,
∞
E s = ∫ S x ( f )df . (2.103)
−∞
∞
E x = 2 ∫ S x ( f )df . (2.104)
0
La potencia promedio Px de una señal de potencia de valor real s(t) se define por la ecuación (2.2). Si x(t) es una señal
periódica con periodo T0, ésta se clasifica como una señal de potencia. Aplicando el teorema de Parseval a una señal
periódica de valor real, la potencia promedio de la señal x(t) está dada por
T0
∞
1 2
∫ x (t )dt = ∑ c n
2
Px = 2
. (2.105)
T0 −T0 2 n = −∞
donde los términos |cn| son los coeficientes complejos de la serie de Fourier de la señal periódica. La función de
densidad espectral de potencia (PSD – power spectral density) medida en [W/Hz] de una señal periódica x(t) es una
función real, par y no-negativa de la frecuencia que indica la distribución de la potencia de x(t) en el dominio de la
frecuencia, y esta definida como
∞
Sx ( f )= ∑c δ ( f − nf 0 ) .
2
n
(2.106)
n = −∞
IMPORTANTE: Se ha utilizado el mismo símbolo Sx(f) para la PSD y la ESD ya que ambas son densidades y sus
definiciones son similares, diferenciándose en base a la naturaleza de la señal, si esta es de potencia o de energía, lo
que debe estar claro en el contexto o situación particular en que se usen.
La ecuación (2.106) define la PSD de una señal periódica como una sucesión de funciones delta ponderadas. Por lo
tanto, la PSD de una señal periódica es una función discreta de la frecuencia. Utilizando la definición en la ecuación
(2.80), la potencia normalizada promedio de una señal de valor real se puede escribir como
∞ ∞
Px = ∫ S x ( f )df =2 ∫ S x ( f )df . (2.107)
−∞ 0
La ecuación (2.106) describe la PSD de señales periódicas (de potencia) solamente. Si x(t) es una señal no-periódica, la
misma no se expresa como una serie de Fourier, y si es una señal no-periódica de potencia (tiene energía infinita) puede
que no tenga una transformada de Fourier. Sin embargo, la PSD de dichas señales se puede expresar en un sentido de
límite. Si se forma una versión truncada xT(t) de una señal de potencia no-periódica x(t) observando solamente la señal
2. Señales y Espectros 55
en el intervalo (–T/2, T/2), entonces xT(t) tiene energía finita y tiene una transformada apropiada de Fourier XT(f). Así,
se puede definir entonces la PSD de una señal no-peródica x(t) en el límite como
1
S x ( f ) = lim XT ( f ) .
2
(2.108)
T →∞ T
Por otro lado, como una señal con potencia promedio distinta de cero no es cuadrado-integrable, la transformada de
Fourier no existe; pero el teorema de Wiener-Khintchine provee una alternativa: la PSD es la transformada de Fourier
de la función de autocorrelación de la señal si la señal se puede tratar como un proceso aleatorio estacionario en
sentido amplio.
∞
R x (τ ) ≡ ∫ x(t )x(t + τ )dt −∞ <τ < ∞ . (2.109)
−∞
La función de autocorrelación Rx(τ) provee una medida de que tanto la señal coincide con una copia de sí misma que
está desplazada τ unidades de tiempo. Note que Rx(τ) no es una función del tiempo, es solamente una función de la
diferencia de tiempo τ entre la forma de onda y su copia retrasada.
La función de autocorrelación Rx(τ) de una señal de energía de valor real tiene las siguientes propiedades:
Si las propiedades i, ii y iii se satisfacen, Rx(τ) satisface las propiedades de una función de autocorrelación. La
propiedad iv se puede derivar de la propiedad iii y no es necesario incluirla en una prueba básica para verificar si una
función puede o no, ser una función de autocorrelación.
La función de autocorrelación de una señal de potencia x(t) de valor real está definida como
T0
1 2
Cuando la señal de potencia x(t) es periódica con periodo T0, el promedio en el tiempo en la ecuación (2.110) se puede
tomar sobre un único periodo T0, y la función de autocorrelación se puede expresar como
T0
1 2
La función de autocorrelación Rx(τ) de una señal periódica de valor real tiene las siguientes propiedades, similares a las
de una señal de energía:
Ejemplo 2.13 (propiedades de la función de autocorrelación) Dada la siguiente función x(τ), determine si cumple las
propiedades de una función de autocorrelación. Si x(τ) resulta ser una función de autocorrelación, entonces, determine
la señal x(t), si la misma es de energía o de potencia, y calcule su energía o potencia promedio.
Solución:
La siguiente figura muestra la señal x(τ).
0.8
0.6
0.4
0.2
0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
De la figura se puede verificar que la función x(τ) es simétrica en τ alrededor de cero, x(τ) = x(-τ), y que el máximo
valor ocurre en el origen, x(τ) ≤ x(0) ∀ τ. La transformada de Fourier de x(τ) está dada por
De lo anterior, queda verificado que la función x(τ) satisface las propiedades de una función de autocorrelación. Así,
tenemos que x(τ) = Rx(τ).
A partir de la transformada de Rx(τ), que ahora sabemos que corresponde a la densidad espectral de una señal x(t), se
puede determinar la señal por medio de la transformada inversa de Fourier,
X ( f ) = 2sinc 2 (2 f )
2
1 ⎛t ⎞.
⇒ X ( f ) = 2sinc(2 f ) ↔ x(t ) = rect⎜ ⎟
2 ⎝2⎠
La señal x(t) es una señal de energía, cuya energía promedio, se puede determinar a partir de la función de
autocorrelación,
Rx(0) = 1.
■
2. Señales y Espectros 57
2.14 Señal Modulada
Considere la propiedad de corrimiento en la frecuencia,
Esta propiedad indica que la multiplicación de una señal por un factor exp(j2πf0t) produce el corrimiento del espectro de
la señal por f = f0. Si cambia f0 por –f0 en la ecuación anterior se obtiene,
En la práctica, no se puede generar la función exp(j2πf0t) (no es una función real), por lo que el corrimiento de
frecuencia se logra multiplicando la señal x(t) por una señal sinusoidal. Considere el producto de una señal x(t) y una
señal cosω0t. Aplicando la identidad de Euler se puede verificar que,
1
x (t ) cos (2πf 0 t ) = [x(t ) exp ( j 2πf 0 t ) + x(t ) exp (− j 2πf 0 t )] (2.112)
2
1
x (t ) cos (2πf 0 t ) ↔ [X ( f − f 0 ) + X ( f + f 0 )] . (2.113)
2
Esto muestra claramente que la multiplicación de una señal x(t) por una señal sinusoidal de frecuencia f0 desplaza el
espectro X(f) por ±f0.
La multiplicación de un cosω0t por x(t) resulta en la modulación de la amplitud de la señal sinusoidal. Este tipo de
modulación se denomina modulación de amplitud y se estudiará en detalle en el Capítulo 4. La señal sinusoidal cosω0t
se llama portadora, la señal x(t) es la señal moduladora, y la señal x(t) cosω0t es la señal modulada. Si se utiliza una
portadora cos(ω0 t + θ0) en lugar de cosω0t, se puede cambiar la fase de cada componente espectral de una señal
modulada por la cantidad constante θ0.
La modulación resulta muy importante porque permite mover el espectro de una señal. Esto puede ser necesario:
• si varias señales, que ocupan la misma banda de frecuencia, se quieren transmitir simultáneamente sobre el
mismo medio de transmisión.
• para la radiación efectiva de señales de audio (baja frecuencia – gran longitud de onda) por medio de un enlace
de radio. Recuerde que el tamaño de la antena debe estar en el orden de la longitud de onda de la señal
radiada, por lo que es conveniente cambiar el espectro de la señal original a una alta frecuencia (pequeña
longitud de onda).
Ejemplo 2.14 (modulación de amplitud) Considere la modulación de amplitud de una portadora c(t) con amplitud 1 y
frecuencia 10 Hz, por un pulso rectangular m(t) de amplitud 1 y duración 0.5 segundos. Determine las expresiones en
el dominio del tiempo y de la frecuencia de la señal modulada, y grafique todas las señales y sus espectros.
Solución:
A continuación se indican las señales involucradas en el proceso de modulación y sus transformadas de Fourier,
1
Señal portadora c(t ) = cos(20πt ) ↔ [δ ( f − 10) + δ ( f + 10)] ,
C( f ) =
2
1 ⎛ f ⎞
Señal moduladora m(t ) = rect (2t ) ↔ M ( f ) = sinc⎜ ⎟ ,
2 ⎝2⎠
1
Señal modulada s (t ) = m(t )c(t ) = rect (2t ) cos(20πt ) ↔ S ( f ) = {sinc[ 21 ( f − 10 )] + sinc[ 12 ( f + 10 )]},
4
58
Señales y sus espectros de amplitud
Observe que el espectro de la señal original m(t), señal pasa-bajas (espectro a bajas frecuencias), se trasladó a la
frecuencia de la portadora, resultando una señal pasa-banda con un ancho de banda que es el doble del ancho de
banda de la señal moduladora.
■
a1e jθ + a2 e jθ ≠ (a1 + a2 )e j (θ +θ ) .
1 2 1 2
La señal pasa-banda x(t), también se puede expresar (aplicando una identidad trigonométrica) como
donde
⎡ x s (t ) ⎤
E (t ) = x c2 (t ) + x s2 (t ), y ϕ (t ) = tan −1 ⎢ ⎥. (2.116)
⎣ x c (t ) ⎦
2. Señales y Espectros 59
Observe que tanto E(t) como ϕ(t) son señales pasa-bajas, ya que xc(t) y xs(t) son señales pasa-bajas, y que la señal pasa-
banda x(t) aparece como una señal sinusoidal cuya amplitud varía lentamente en el tiempo y cuya frecuencia oscila
lentamente con el tiempo alrededor de f0.
La siguiente figura ilustra las definiciones de anchos de banda de una señal o un sistema: (a) pasa-bajas o banda-base
con ancho de banda de B Hz, y (b) pasa-banda con ancho de banda 2B Hz.
z (t ) = x(t ) + jx h (t ) ↔ Z ( f ) = 2 X ( f )u ( f ) (2.117)
donde xh(t) denota la transformada de Hilbert de x(t) definida, en el dominio del tiempo y de la frecuencia, como
1
x h (t ) = x(t ) ∗ ↔ X h ( f ) = − jX ( f ) sgn ( f ) . (2.118)
πt
La señal pasa-bajas equivalente de la señal x(t), denotada xLP(t), se expresa en términos de z(t) como
X LP ( f ) = Z ( f + f 0 ) = 2 X ( f + f 0 )u ( f + f 0 )
(2.121)
= X ( f − f 0 ) + X ∗ (− f − f 0 )
La señal pasa-bajas equivalente de una señal pasa-banda real es, en general, una señal compleja. Su parte real, denotada
por xc(t), es llamada componente en-fase de x(t), y su parte imaginaria denotada por xs(t), es llamada componente en-
cuadratura de x(t) – ver ecuación (2.114). Así, la señal pasa-bajas equivalente se puede expresar, en función de las
componentes en-fase y en-cuadratura, como
x LP (t ) = x c (t ) + jx s (t ) , (2.122)
x LP (t ) = E (t ) exp( jϕ (t )) , (2.124)
donde E(t) y ϕ(t) son la envolvente y la fase, respectivamente, de la señal x(t) – ecuación (2.115). La envolvente y la
fase se pueden expresar como en la ecuación (2.116), o en forma equivalente, como
E (t ) = x 2 (t ) + x h2 (t )
⎡ x h (t ) ⎤ . (2.125)
ϕ (t ) = tan −1 ⎢ ⎥ − 2πf 0 t
⎣⎢ x (t ) ⎦⎥
La envolvente es independiente del valor de f0, mientras que la fase sí depende de f0.
Ejemplo 2.15 (señal pasa-bajas equivalente de una señal pasa-banda) Sea x(t) una señal pasa-banda dada por
Solución:
Las gráficas se obtendrán usando MATLAB.
1
x(t ) = rect (10t ) cos(400πt ) ↔ S( f ) = {sinc[12 ( f − 200)] + sinc[12 ( f + 200)]}
20
b. Para determinar la señal pasa-bajas equivalente se necesita la transformada de Hilbert de la señal x(t), la
cual está dada por (ver Tabla A1.5),
Ahora se puede calcular la envolvente y la fase de la señal pasa-bajas equivalente, ecuación (2.125),
2. Señales y Espectros 61
E (t ) = rect 2 (10t ) cos 2 (400πt ) + rect 2 (10t )sin 2 (400πt ) = rect (10t )
⎡ rect (10t )sin (400πt ) ⎤
ϕ (t ) = tan −1 ⎢ ⎥ − 400πt = 0
⎣ rect (10t ) cos(400πt ) ⎦
x LP (t ) = rect (10t ) .
c. Las componentes en fase y en cuadratura de la señal pasa-bajas equivalente están dadas por,
⎧ x c (t ) = rec(10t )
⎨
⎩ x s (t ) = 0
En MATLAB se dispone de la función hilbert.m, la cual genera la señal analítica z(t), cuya parte real es x(t) y cuya
parte imaginaria es la transformada de Hilbert de x(t). A continuación, se muestra un script en MATLAB para graficar
las señales deseadas, las cuales se muestran en la Figura 2.28.
NOTA: los espectros se obtiene usando la Transformada rápida de Fourier con la función fft, la cual se explica en la
Sección 2.17.3 y en el Anexo D.
%espectros
N = round(tf/dt);
NFFT=2^(ceil(log2(N))); % Número de puntos para la FFT
f=(Fs/2)*linspace(-1,1,NFFT); % Vector de frecuencias en Hz
X=fft(x,NFFT)/NFFT; % Señal pasa-banda
XLP=fft(xLP,NFFT)/NFFT; % Señal banda-base equivalente
%gráficas
figure(1)
subplot(1,2,1);plot(t,x);grid;axis([-tf tf min(x) max(x)]);xlabel('t [seg]');
subplot(1,2,2);plot(f,fftshift(abs(X)));grid;axis([-350 350 0 max(abs(X))]);
xlabel('f [Hz]');
figure(2)
subplot(1,2,1);plot(t,xLP);grid;axis([-tf tf min(xLP) max(xLP)]);xlabel('t [seg]');
subplot(1,2,2);plot(f,fftshift(abs(XLP)));grid;axis([-350 350 0 max(abs(XLP))]);xlabel('f [Hz]');
figure(3)
subplot(1,2,1);plot(t,xc);grid;axis([-tf tf min(xc) max(xc)]);xlabel('t [seg]');
subplot(1,2,2);plot(t,xs);grid;axis([-tf tf min(xs) max(xs)]);xlabel('t [seg]');
figure(4)
subplot(1,2,1);plot(t,env);grid;axis([-tf tf min(env) max(env)]);xlabel('t [seg]');
subplot(1,2,2);plot(t,fase);grid;axis([-tf tf min(fase) max(fase)]);xlabel('t [seg]');
62
Señal pasa banda x(t) Espectro de amplitud X(f)
1
0.2
0.5
0.15
0
0.1
-0.5
0.05
-1 0
-0.1 -0.05 0 0.05 0.1 0.15 -300 -200 -100 0 100 200 300
t [seg] f [Hz]
Señal pasa bajas equivalente xLP(t) Espectro de Amplitud |XLP(f)|
0.8 0.4
0.6 0.3
0.4 0.2
0.2 0.1
0 0
-0.1 -0.05 0 0.05 0.1 0.15 -300 -200 -100 0 100 200 300
t [seg] f [Hz]
1.2 3500
1 3000
2500
0.8
2000
0.6
1500
0.4
1000
0.2 500
-0.1 -0.05 0 0.05 0.1 0.15 -0.1 -0.05 0 0.05 0.1 0.15
t [seg] t [seg]
Ancho de banda absoluto: corresponde al tamaño del intervalo de frecuencias f1 < f < f2 que contiene todo el espectro
de la señal, es decir, f2 – f1, donde el espectro es cero fuera del intervalo f1 < f < f2.
Ancho de banda esencial: es el ancho del intervalo de frecuencias f1 < f < f2 que contiene el 95% de la energía de la
señal.
Ancho de banda de media potencia o 3 dB: es el ancho del intervalo de frecuencias f1 < f < f2, donde el espectro de
magnitud |H(f)| es mayor o igual a 1/√2 del valor máximo de |H(f)| que ocurre a una frecuencia dentro de la banda
considerada.
Ancho de banda de ruido equivalente: es el ancho de un espectro rectangular con ancho y amplitud tales que la
potencia en esa banda rectangular es igual a la potencia asociada con el espectro real de la señal (a frecuencias
positivas). Para esto, se considera la densidad espectral de potencia que es proporcional al cuadrado de la magnitud del
espectro. Sea f0 la frecuencia a la que el espectro de magnitud |H(f)| de la señal es máximo, entonces la potencia de una
banda rectangular con ancho Beq sería proporcional a
Peq = Beq H ( f 0 )
2
(2.126)
mientras que la potencia real de la señal considerando las frecuencias positivas es proporcional a
∞
Preal = ∫ H ( f ) df
2
(2.127)
0
por lo que igualando ambas ecuaciones resulta que el ancho de banda de ruido equivalente Beq está dado por
∞
1
∫ H(f )
2
Beq = df (3.128)
H ( f0 ) 0
2
Ancho de banda nulo a nulo, también llamado ancho de banda de cruce por cero: cuando el espectro de una señal es
simétrico con un lóbulo principal (e.g., función sinc) determinado claramente por nulos (i.e., frecuencias a las cuales el
espectro es cero), se utiliza el ancho del lóbulo principal como el ancho de banda de la señal. Esto es así, porque el
lóbulo principal contiene una porción significativa de la energía de la señal. Para señales banda-base, el ancho de banda
se define como la mitad del ancho total del lóbulo principal (ya que sólo la mitad del lóbulo yace en las frecuencias
positivas). En sistemas pasa-banda, donde lóbulo principal está centrado alrededor de f0, y los nulos ocurren en f1 y f2,
para f1 < f0 < f2, el ancho de banda corresponde al tamaño del intervalo definido por f2 – f1.
Ancho de banda del espectro acotado: corresponde al tamaño f2 – f1, de un intervalo de frecuencias f1 < f < f2, donde
fuera de esa banda de frecuencias, la densidad espectral de potencia, que es proporcional a |H(f)|2, se reduce por lo
menos una cantidad, digamos 50dB (60dB, 70dB, ...), por debajo de su valor máximo.
Ancho de banda de potencia: corresponde al tamaño f2 – f1, del intervalo de frecuencias f1 < f < f2, en el cual reside el
99% (95%, 90%, …) de la potencia total de la señal.
El término ancho de banda tiene otro significado asociado en computación o transmisión de datos, en el cual el término
se refiere a la razón de transferencia de datos, o razón de bit, y está medido en bits por segundo (b/s). La relación del
término existe porque para aumentar la velocidad de transmisión de un sistema que utiliza señales de pulso (para
64
representar bits), se debe reducir la duración T de los mismos y por consiguiente, se aumenta o expande su
correspondiente espectro (ver Sección 2.11). Por lo tanto, la velocidad, que es función del inverso de la duración T de
los pulsos, está asociada al ancho de banda espectral.
⎛ t ⎞
( )
x(t ) = rect ⎜ − 4 ⎟ exp j 2π 10 6 t .
⎝ 10 ⎠
Solución:
a. Espectro de la señal
⎛t ⎞
rect ⎜ ⎟ exp( j2πf c t ) ↔ Tsinc[T ( f − f c )]
⎝T ⎠
⎛ t ⎞
(
rect ⎜ − 4 ⎟ exp j2πf10 6 t ) ↔ 10 -4 ⎨
[ ( )]
⎧ sin π × 10 − 4 f − 10 6 ⎫
⎝ 10 ⎠ (
⎩ π × 10 f − 10
−4
)
6 ⎬
⎭
i) Ancho de banda absoluto: para cualquier valor finito de prueba f, el espectro X(f) tiene un valor más allá
de este, por lo que el ancho de banda absoluto es infinito. Note que la señal x(t) es una señal
absolutamente limitada en el tiempo, por lo que resulta ser infinita en la frecuencia.
ii) Ancho de banda de 3 dB o de media potencia: para señales pasa-banda el mismo corresponde a 2f3dB
donde f3dB es la frecuencia a la cual la magnitud del espectro es igual a 1/√2 del valor máximo, o la
densidad espectral de potencia normalizada de la señal es igual a 1/2
2. Señales y Espectros 65
1
X ( f 3dB ) =
2
(
sin π × 10 f 3dB
−4
=
1 ) → f 3dB = 4.46 kHz
π × 10 −4 f 3dB 2
∞
(
⎡ sin π × 10 − 4 f ⎤
Beq = 2 ∫ ⎢
) 2
⎥ df
0⎣ π × 10 −4 f ⎦
2 ∞
(
⎛ sin π × 10 − 4 f ⎞ ) 2
= ∫ ⎜⎜ ⎟⎟ df
(π × 10 ) −4 2
0⎝ f ⎠
=
2
⎜⎜
(
⎛ π π × 10 − 4 ) ⎞⎟
(π × 10 ) −4 2
⎝ 2 ⎟
⎠
= 10 kHz
iv) Ancho de banda de nulo a nulo: corresponde a 2f0 donde f0 es la frecuencia donde el espectro se hace
cero,
(
sin π × 10 −4 f 0 )
= 0 → π × 10 − 4 f 0 = π
π × 10 − 4 f 0
f 0 = 10 kHz
Así, el ancho de banda de nulo a nulo es 20 kHz. De la Figura 2.30 se puede determinar este ancho de
banda directamente.
v) ancho de banda de 99% de potencia: corresponde a 2f0 donde f0 es la frecuencia donde la densidad de
potencia normalizada es 0.995,
f0
(
⎡ sin π × 10 −4 f ⎤ ) 2
∫ ⎢ π × 10 −4 f ⎥ df
0⎣ ⎦ = 0.995
∞
(
⎡ sin π × 10 f ⎤
−4
2
)
∫ ⎢ π × 10 −4 f ⎥ df
0⎣ ⎦
S = @(f) (sinc(1e-4*f)).^2;
Q = quadl(S,0,300e3);
for i=100e3:1e3:300e3
Q99=quadl(F,0,i);
if Q99 >= 0.995*Q
break
end
end
>>
Ancho de banda de 99% [Hz]
246000
>>
El ancho de banda de 99% se aproxima a 246 kHz.
66
vi) ancho de banda de 35dB: ya que sin2x es unitario para x = (π/2)(2k + 1), para k = 0, 1, …, el lóbulo más
allá del cual el criterio de atenuación se satisface es el mínimo k para el cual
1
≤ 10 −3.5
[(π / 2)(2k + 1)]2
(π / 2)(2k + 1) ≥ 10 3.5
k ≥ 17.4
Entonces se tiene que k = 18, es decir que el lóbulo lateral 18 satisface el criterio de atenuación de 35dB,
y el punto de 35dB estará en la lado decreciente del lóbulo 17. Así, el ancho de banda de 35 dB es 2f0,
donde f0 es la frecuencia mínima para la cual se cumple
π × 10 -4 f 0 >
π
(35) ( )
⎡ sin π × 10 -4 f 0 ⎤
2
− 3 .5
y ⎢ ⎥ = 10
2 ⎣ π × 10 -4
f 0 ⎦
Resolviendo la primera expresión se tiene f0 = 175×103. Partiendo de este valor en la segunda expresión,
se encuentra, en forma iterativa, que f0 ≈ 175615 Hz. Así, el ancho de banda de 35dB es 351.23 kHz.
■
Una clase muy importante de señales discretas surge del muestreo de señales continuas. En este caso, la señal discreta
x[n] representa muestras sucesivas de un fenómeno subyacente para el cual la variable independiente es continua. Sin
importar el origen de los datos, la señal x[n] está definida solamente para valores enteros de n.
Representación
Las señales discretas x[n] se denotan de la siguiente forma:
{
x[n] = {x[n]} = L , x[− 1], x[0], x[1], L } (2.129)
Figura 2.31: Representación gráfica de a) una señal continua y b) una señal discreta.
A continuación se tratan varios de los conceptos discutidos a lo largo de este capítulo pero ahora, con relación a señales
discretas.
+N
∑ x[n]
2
E x = lim (2.130)
N →∞
n =− N
+N
1
∑ x[n]
2
Px = lim (2.131)
N →∞ 2 N + 1
n=− N
Para el caso de señales discretas definidas en un intervalo de tiempo finito, n1 ≤ n ≤ n2 , la energía total y la potencia
total promedio de la señal discreta x[n] se definen, respectivamente como
n2
∑ x[n]
2
Ex = (2.132)
n = n1
y
1 n2
∑ x[n]
2
Px = (2.133)
N n = n1
Ejemplo 2.17 (señales discretas) Sea la señal continua x(t) = 2 sin(20π t) en el intervalo[-0.3,0.3]. Esta señal se
muestrea a intervalos regulares de 0.02 segundos. Escriba la secuencia x[n] en el intervalo [0.0, 0.1] y su
correspondiente soporte. Grafique la señal continua, la señal muestreada y la señal discreta. Además, determine la
energía total y la potencia promedio de la señal discreta.
Solución:
A continuación se muestra un script en MATLAB para solucionar el problema propuesto, pero se sugiere al lector que
desarrolle la solución en forma analítica para comparar los resultados.
f = 10; % frecuencia en Hz
T = 1/f; % periodo en segundos
dt=T/100; % intervalo entre muestras para simular tiempo continuo
t=-3*T:dt:3*T; % vector de tiempo en el intervalo [-0.3,0.3];
Ts = 0.02; % periodo de muestreo
disp(' ')
disp('Secuencia discreta x[n] y vector soporte n correspondientes al intervalo [0.0,0.1]');
disp(' '); disp([xni;ni])
La energía normalizada de la señal continua original está dada por el producto de la energía total de la señal discreta
y el periodo de muestreo, esto es,
donde se usa la notación Ex para la energía normalizada de la señal continua y Ex[n] para la energía de la señal
discreta. Calculando la energía de la señal continua directamente de la función x(t) se tiene
− 0.3 −3T 2
2. Señales y Espectros 69
Desplazamiento en el tiempo: A partir de x[n] se tiene que la señal x[n – n0] corresponde a la señal original desplazada
n0 posiciones. Si n0 es positivo, el desplazamiento corresponde a un retraso de la señal; y si es negativo, a un adelanto de
la señal.
Cambio de escala en el tiempo: Al igual que para señales continuas, se puede utilizar un factor a para cambiar la escala
en tiempo de la secuencia original x[n]. Cuando a > 1, se tiene x[an], una versión comprimida de la señal original, y
cuando 0 < a < 1, se tiene una versión expandida de la señal original. Es importante, en ambos casos, notar que habrá
valores de n que desaparecen o no se consideran en la señal final, debido a que n tiene que ser un entero. Así, por
ejemplo, si se usa un factor a = 0.5, entonces sólo aquellos valores an que resulten enteros se considerarán en la
secuencia final.
Inversión en el tiempo: Sea x[n] una secuencia discreta, entonces x[–n] corresponde a la secuencia original invertida,
que se obtiene a partir de x[n] mediante un reflejo respecto a n = 0.
Señales Periódicas
Una señal discreta x[n] es periódica con periodo N, donde N es un entero positivo, si no cambia con un corrimiento de
tiempo de N, esto es,
x[n] = x[n + N ] (2.134)
para todos los valores de n. El periodo fundamental N0 es el valor positivo más pequeño de N para el cual la ecuación
(2.134) se satisface.
x[n] = Cα n (2.137)
donde C y α son, en general, números complejos. Esto puede expresarse de forma alterna como
Considere la ecuación (2.138), si forzamos a que β sea puramente imaginaria (de manera que ⏐α⏐ = 1), para C = 1, se
tiene
(
x[n] = exp jω0 n . ) (2.139)
( ) ( )
x[n] = exp jω0 n = cos ω0 n + j sin ω0 n , ( ) (2.140)
y
( )
A cos ω0 n + φ =
A
2
[exp( jφ )exp( jω0 n ) + exp(− jφ )exp(− jω0 n )] . (2.141)
Las señales de las ecuaciones (2.139) y (2.141) son ejemplos de señales discretas con energía total infinita pero potencia
promedio finita.
[( )] ( )
exp j ω 0 + 2π n = exp( j 2πn ) exp jω 0 n = exp jω 0 n .( ) (2.143)
De esta ecuación vemos que la exponencial con frecuencia ω0 + 2π es la misma que aquella con frecuencia ω0. De esta
manera, se tiene una situación muy diferente al caso continuo, en el que las señales exp(jω0t) son todas distintas para
distintos valores de ω0. En el caso discreto, estas señales no son todas diferentes, ya que la señal con frecuencia ω0 es
idéntica a las señales con frecuencias ω0 ± 2π, ω0 ± 4π, … Por lo tanto, al considerar las exponenciales complejas,
necesitamos tomar en cuenta solamente un intervalo de frecuencia de longitud 2π dentro del cual se escoge ω0. En la
práctica, se usa el intervalo 0 ≤ ω0 < 2π, o el intervalo –π ≤ ω0 < π.
Debido a la periodicidad que implica la ecuación (2.143), la señal exp(jω0n) no tiene un incremento continuo en la
velocidad de oscilación conforme ω0 se incremente en magnitud. A medida que ω0 se incrementa a partir de 0, se
obtienen señales que oscilan cada vez más rápido hasta alcanzar ω0 = π. Si se sigue incrementando ω0 , la velocidad de
oscilación disminuye hasta alcanzar ω0 = 2π, y así sucesivamente.
Ahora, considere la señal periódica exp(jω0n) con periodo N > 0,
[ ] ( ) ( )
exp jω0 (n + N ) = exp jω0 n exp jω0 N = exp jω0 n . ( ) (2.144)
exp(jω0N) = 1. (2.145)
2. Señales y Espectros 71
Para que se cumpla la ecuación (2.145), ω0N debe ser múltiplo de 2π. Esto es, debe haber un entero m tal que
o, en forma equivalente,
ω0 m
= .
2π N
De acuerdo a la ecuación (2.146), la señal exp(jω0n) es periódica si ω0/2π es un número racional y es no periódica en
otras circunstancias. Estas mismas observaciones también son válidas para señales sinusoidales discretas.
⎧1, n = 0
δ [n] = ⎨ (2.147)
⎩0 n ≠ 0
⎧1, n ≥ 0
u[n] = ⎨ (2.148)
⎩0 n < 0
La relación entre el impulso unitario y el escalón unitario discreto es la primera diferencia del escalón discreto, esto es,
∞
u[n] = ∑ δ [n − k ] (2.150)
k =0
+∞
Rx [n] = ∑ x[k ]x[k − n] . (2.151)
k = −∞
Ahora, considere otra señal y[n] también real discreta. La función de correlación cruzada está dada por
+∞
Rxy [n] = ∑ x[k ]y[k − n] (2.152)
k = −∞
+∞
x[n] ∗ y[n] = ∑ x[k ]y[n − k ] (2.153)
k = −∞
Y al igual que en el caso continuo, se tiene
El algoritmo de la transformada rápida de Fourier se deriva de la transformada discreta de Fourier, que como su
nombre implica, considera una representación discreta tanto del tiempo como de la frecuencia. Esta transformada
discreta provee una aproximación a la transformada de Fourier.
Para representar apropiadamente el contenido de información de una señal, se debe poner especial atención a las
operaciones de muestreo involucradas en la transformación discreta de Fourier. Como se verá en Capítulo 3, en la
Sección 3.4, para una señal de banda limitada (ver Sección 2.11), la razón de muestreo debe ser mayor que dos veces la
máxima frecuencia de la señal para poder recuperar la señal original a partir de sus muestras. Si las muestras de la señal
están espaciadas uniformemente por Ts segundos, entonces el espectro de la señal será periódico y se repetirá cada fs =
1/Ts Hz.
Ahora, sea N el número de muestras de frecuencia contenidas en un intervalo fs. Entonces, la resolución de frecuencia
∆f para el cálculo numérico de la transformada de Fourier se define por
fs 1 1 (2.155)
∆f = = =
N NTs T
Ahora, considere una señal analógica x(t) que se muestrea uniformemente con un intervalo Ts en los instantes t = 0, Ts,
..., (N – 1) Ts. La señal muestreada resultante x[n] de tiempo discreto corresponde a
x[n] = x(nTs )
Entonces, se define la transformada discreta de Fourier (DFT – Discrete Fourier Transform) de la secuencia x[n]
como
N −1
⎛ 2π ⎞
X [k ] = ∑ x[n]exp⎜ − j kn ⎟, k = 0,1, K , N − 1 . (2.156)
n =0 ⎝ N ⎠
La secuencia
De forma similar, se define la transformada discreta inversa de Fourier (IDFT – Inverse Discrete Fourier Transform)
de X[k] como
N −1
⎛ 2π ⎞
x[n] = ∑ X [k ]exp⎜⎝ j kn ⎟, n = 0,1, K , N − 1 . (2.157)
k =0 N ⎠
La DFT y la IDFT forman un par de transformadas, es decir, dada una secuencia de datos xn, se puede utilizar la DFT
para calcular la secuencia Xk, y dada la secuencia de la transformada X[k] se puede utilizar la IDFT para recuperar la
secuencia de datos x[n] original.
2. Señales y Espectros 73
En la discusión sobre la DFT y sus algoritmos para implementarla, se utilizan los términos “muestra” y “punto”
indistintamente para referirse a los valores de la secuencia. Así, una secuencia de longitud N se denomina secuencia de
N puntos y su transformada, una DFT de N puntos.
Como se mencionó, el cálculo numérico de la DFT se realiza en forma eficiente por medio de una clase de algoritmos
llamados algoritmos de la Transformada Rápida de Fourier (FFT – Fast Fourier Transform algorithms). Estos
algoritmos son computacionalmente eficientes porque utilizan un número significativamente menor de operaciones
aritméticas comparados con el cálculo directo, dado por la ecuación (2.142) de la DFT. Para esto, un algoritmo FFT
divide los cálculos originales de la DFT en cálculos sucesivos más pequeños de DFTs.
Estos algoritmos de FFT son altamente eficientes si la longitud de la secuencia de entrada, N, es una potencia de 2. En
muchos casos, si la longitud N no es una potencia de 2, se utilizan ciertas técnicas, como la adición de ceros (zero-
padding), para hacer que N sea una potencia de 2. Para una descripción más detallada de los algoritmos FFT puede
consultar [PM96] [IJ93] entre otros.
En MATLAB, la Transformada de Fourier para señales muestreadas se realiza por medio del algoritmo FFT en el caso
en que el número de muestras sea una potencia de 2, de lo contrario se utiliza DFT. Ambos se obtienen utilizando el
mismo comando, fft. Para un número pequeño de muestras N, el método utilizado es irrelevante, pero para N grande la
diferencia en tiempo de computación puede ser significativa. La transformada inversa se realiza con el comando ifft que
utiliza el mismo algoritmo que fft. Una descripción más detallada del uso de estas funciones en MATLAB aparece en el
Anexo 4.
Ejemplo 2.18 (DFT): Considere la señal continua x(t) del Ejemplo 2.17, x(t) = 2 sin(20π t) para -0.3 ≤ t ≤ 0.3. Esta
señal se muestrea a intervalos regulares de 4 mili-segundos para obtener la señal discreta x[n]. A continuación se
implementa en MATLAB un programa para calcular el espectro de la señal x(t) utilizando la DFT directamente y
también usando el algoritmo FFT por medio de la función fft de MATLAB. Además, se grafican los espectros de
amplitud resultantes de la DFT y la FFT.
Solución:
% Parámetros para la simulación
f = 10; % frecuencia en Hz de la señal
T = 1/f; % periodo en segundos
dt=T/1000; % intervalo entre muestras para simular tiempo continuo
% Secuencia discreta
x =2*sin(2*f*pi*t); % señal continua (simulada / alta frecuencia de muestreo)
xn=x(1:Ts/dt:end); % señal muestreada cada Ts segundos
tn=t(1:Ts/dt:end); % vector tiempo discreto
n =t(1)/Ts:t(end)/Ts; % vector n
2. Clasifique las siguientes señales en señales de energía o de potencia, y determine su correspondiente valor.
a. x(t) = exp(–t) cos(t) u(t)
b. x(t) = A cos(2πf1t) + Bcos(2πf2t)
c. x(t) = A exp(j(2πf0t + φ))
3. Determine si las siguientes señales son periódicas o no. Si son periódicas, encuentre su periodo.
a. x(t) = cos(1/3 t) + sin(1/5t)
b. x(t) = cos(1/3 t) + 4sin(π2t)
4. Sea la señal x(t) = 4t2/(1 + 0.5t + 0.7t3), para |t| < 3 s. Utilice MATLAB para graficar las formas de onda
correspondientes a:
a. x(t)
b. x(–t)
c. x(t +2)
d. x(2t)
e. (x(0.5(t +1)) + x(t – 2)) u(t – 1)
5. Para el conjunto de tres señales s1(t), s2(t) y s3(t) con duración t = 4, que se muestra en la siguiente figura:
a. Encuentre, usando el procedimiento de ortogonalización de Gram-Schmidt, un conjunto de funciones base
ortonormales para representar las tres señales dadas.
b. Exprese cada una de las señales dada en términos del conjunto de funciones base encontrados en la parte a.
6. Grafique la magnitud y la fase de los coeficientes de la serie compleja de Fourier, cn, de la función
⎛ π⎞ ⎛ π⎞
cos⎜ 2πf 0 t + ⎟ + sin ⎜ 6πf 0 t + ⎟
⎝ 6 ⎠ ⎝ 4⎠
7. Para la señal periódica continua x(t) = 2 + cos(2πt/3) + 4sin(5πt/3), determine la frecuencia fundamental ω0 y los
coeficientes de la serie de Fourier ak tales que:
∞
x(t ) = ∑ ak exp( jkω0t )
k = −∞
11. Utilice MATLAB para graficar la señal continua del problema 10, también obtenga y grafique una versión discreta
de la misma, y determine su espectro utilizando la DFT.
13. Utilice MATLAB para graficar la señal continua del problema 12, también obtenga y grafique una versión discreta
de la misma, y determine su espectro utilizando la DFT.
14. Determine las representaciones en serie de Fourier de las señales mostradas en la siguiente figura:
16. Asumiendo que x(t) tiene transformada de Fourier, halle la transformada de Fourier de y(t) considerando que el
símbolo ∗ representa la convolución
∞
y (t ) = x(t ) ∗ ∑ δ (t − nT )
n = −∞
2. Señales y Espectros 77
17. Considere la señal x(t) = rect(1000t).
a. Grafique su representación en el dominio del tiempo y en el dominio de la frecuencia.
b. Si la duración del pulso se recorta a la mitad, grafique nuevamente los espectros correspondientes. ¿Qué
pasa con el ancho de banda del primer nulo cuando la duración del pulso se recorta a la mitad?
c. Si la duración del pulso se duplica, grafique nuevamente los espectros correspondientes. ¿Qué pasa con el
ancho de banda del primer nulo cuando la duración del pulso se duplica?
d. Determine el producto tiempo-ancho de banda para los tres casos anteriores. ¿Qué puede concluir?
18. Una señal está definida por x(t) = 2cos(4πt) + 5cos(15πt). Encuentre la transformada de tiempo continuo de Fourier
y el corrimiento de fase resultante de cada onda sinusoidal cuando x(t – 1/40) y x(t + 1/20).
20. Encuentre la función de autocorrelación promedio de la señal sinusoidal x(t) y su potencia normalizada promedio.
⎛ 2π ⎞
x(t ) = A sin ⎜ t +ϕ⎟
⎝ T ⎠
21. Una cierta señal f(t) tiene una densidad espectral de potencia dada por
⎡ 1 ⎤
S f (ω ) = ⎢ + δ (ω − 2) + δ (ω + 2 )⎥
⎣1 + ω
2
⎦
Considere una resistencia de carga de 1Ω. Halle el contenido total de la potencia media en f(t).
22. Determine la densidad espectral de potencia de la señal f1 exp(jω0t), utilizando la función de autorrelación.
donde T > 2t1 es el periodo. Halle la función de autocorrelación y la densidad espectral de potencia.
26. Determine la función de autocorrelación a partir de la transformada inversa de Fourier de la densidad espectral de
cada señal.
a. x1(t) = exp(–at) u(t)
b. x2(t) = rect(t / t1)
c. x3(t) = sinc(Wt)
78
27. Una señal periódica discreta x[n] es de valor real y tiene un periodo fundamental N = 5. Los coeficientes de la serie
de Fourier diferentes de cero para x[n] son a0 =1, a2 = a*-2 = exp(jπ/4), a4 = a*-4 = 2exp( jπ/3). Exprese x[n] en la
forma
∞
x[n] = A0 + ∑ Ak sen(ω k n + φk )
k =1
28. Suponga que se nos proporciona la siguiente información acerca de la señal x(t).
a. x(t) es real y par.
b. x(t) es periódica con periodo T = 2 y tiene coeficientes de Fourier ak.
c. ak = 0 para |k| > 1
12
d. ∫ x(t ) dt = 1
2
20
29. Una señal periódica discreta x[n] es de valor real y tiene periodo fundamental N = 5. Los coeficientes de la serie de
Fourier diferentes de cero para x[n] son
⎛ π⎞ ⎛ π⎞
a 0 = 2, a 2 = a −* 2 = 2 exp⎜ − j ⎟, a 4 = a −* 4 = exp⎜ j ⎟.
⎝ 6⎠ ⎝ 3⎠
30. Determine los coeficientes de la serie de Fourier para la señal periódica discreta x[n], grafique la magnitud y fase
del conjunto de coeficientes ak.
31. Encuentre las señales en el domino del tiempo para las siguientes transformada de Fourier.
a. X ( jω ) =
( jω )2 − 25 −
π
δ (ω ) b. X ( jω ) =
1
( jω )([ jω )2 + 15 jω + 50] 2 9 − ω + j 3 2ω
2
32. Utilice MATLAB para graficar los espectros de las señales del problema 31 y utilice la ifft para determinar la señal
en el dominio del tiempo.