Tarea 2 Grupo 42

Tarea 2
Estudiante
Grupo: _42
Presentado a:
Camilo Arturo Lagos
Curso
203042A 614 – Señales y Sistemas
Universidad Nacional Abierta y a Distancia UNAD
Ingeniería Electrónica
2019
Introducción
Es importante tener en cuenta la diferencia que existe entre una señal analógica y una
digital para comprender mejor el procesamiento de señales, el nombre de una señal analógica
se debe a que es análoga a la señal que la representa. La magnitud de una señal analógica
pude tomar cualquier valor, esto es, la amplitud de una señal analógica muestra una variación
continua sobre su campo de actividad. Una forma alternativa de representación de señal es la
de una secuencia de números, cada uno de los cuales representa la magnitud de señal en un
instante determinado. La señal resultante se llama señal digital, está a diferencia de la señal
analógica es una señal que esta discretisada en el tiempo y cuantificada en magnitud.

Objetivos
Comprender la importancia de las series de Fourier ya que nos permite expresar señales
periódicas como una suma infinita (serie) de senos y cosenos. La importancia de esto radica
en que nos facilita el trabajo del manejo con señales, ya que para que nosotros podamos
procesar estas señales es necesario expresarlas como una combinación lineal de términos, lo
cual nos lo proporciona la serie y la trasformada de Fourier.

1. Conceptos teóricos:
a. Explique qué es Convolución continua y discreta, de 4 ejemplos de usos o
aplicaciones en la Ingeniería:
La Convolución es un concepto central al relacionar los dominios del tiempo y de la
frecuencia. En el dominio del tiempo la Convolución puede considerarse como un
método para encontrar la respuesta de estado cero de un sistema LTI relajado, se aplica a
sistemas lineales invariantes en el tiempo. La Convolución de dos funciones f(t) y h(t),
produce una tercera función g(t) que es una versión modificada de las funciones
originales.
La Convolución continua hace uso de señales continuas y viene descripta por la integral:
∞
𝑔(𝑡) = (𝑓(𝑡) ∗ ℎ(𝑡)) = ∫ 𝑓(𝜏)ℎ(𝑡 − 𝜏)𝑑𝜏
−∞
Los límites de la integral dependen de la posición de las distintas señales respecto al
tiempo.
La Convolución discreta se puede construir la salida de un sistema digital para una señal
arbitraria de entrada si se conoce la respuesta al impulso del sistema
𝑦[𝑛] = 𝑥[𝑛] ∗ ℎ[𝑛] = ∑ 𝑥[𝑘] ∗ ℎ[𝑛 − 𝑘]

𝐾= −∞
Donde x[n] es la señal de entrada, h[n] es la respuesta al impulso y y[n] es la salida.
Esta operación es una suma de productos entre la señal de entrada x [k] y términos de
h[n+k] desplazados n posiciones.

Usos o aplicaciones:
En física: en sistemas lineales con principio de superposición.
En acústica: en el eco producido por el sonido original, se produce una Convolución que
representa los objetos variados que lo reflejan.
En Ingeniería Electrónica: La salida de un sistema lineal (LTI).
En estadística: como el promedio móvil ponderado.
b. ¿Qué es estabilidad y causalidad de sistemas LTI?
A partir de la respuesta al impulso, en un sistema LTI, se puede determinar sus
propiedades de causalidad, memoria, estabilidad y encontrar el sistema inverso si existe.
Estabilidad:
Se dice que un sistema es estable para cualquier entrada acotada, la salida es acotada, en
otras palabras, debe ser absolutamente sumable para sistemas discretos y absolutamente
integrables para sistemas continuos. Esta es a la vez una condición suficiente y
necesaria, si se cumple nos asegura que el sistema es estable. Viene definido por:
+∞
∑ |ℎ[𝑛]| < ∞ ; 𝑃𝑎𝑟𝑎 𝑠𝑖𝑠𝑡𝑒𝑚𝑎𝑠 𝐿𝑇𝐼 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑜

𝐾=−∞
+∞
∫ |ℎ(𝑡)|𝑑𝑡 < ∞ ; 𝑃𝑎𝑟𝑎 𝑠𝑖𝑠𝑡𝑒𝑚𝑎𝑠 𝐿𝑇𝐼 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑜
−∞
Causalidad:
Un sistema es causal cuando su salida no anticipa valores futuros de la entrada. Podemos
asegurar que un sistema es causal si:

ℎ(𝑡) = 0, 𝑡 < 0 ; 𝑃𝑎𝑟𝑎 𝑠𝑖𝑠𝑡𝑒𝑚𝑎𝑠 𝐿𝑇𝐼 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑜𝑠
ℎ[𝑛] = 0, 𝑛 < 0 ; 𝑃𝑎𝑟𝑎 𝑠𝑖𝑠𝑡𝑒𝑚𝑎𝑠 𝐿𝑇𝐼 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑜𝑠
c. Explique que es correlación, de un ejemplo de usos o aplicaciones en la
Ingeniería:
La correlación es una operación similar a la Convolución, implica desplazar una función
más allá de otra y encontrar el área bajo el producto resultante, sin embargo, a diferencia
de la Convolución no se efectúa ninguna reflexión.
Usos en el reconocimiento de patrones, por ejemplo, la clasificación de imágenes
digitales dependiendo de sus pixeles o clasificación de los ruidos de los pájaros
dependiendo de las frecuencias.
d. Explique qué es auto correlación y de un ejemplo de uso o aplicación en la
Ingeniería:
La auto correlación puede verse como una medida de similitud o coherencia entre una
función y su versión de desplazamiento, la auto correlación implica funciones idénticas
y estas se pueden ejecutar en cualquier orden y representan una operación conmutativa.
Las aplicaciones de la auto correlación es la medida de espectros ópticos y en especial
medida de pulsos muy cortos de luz y en el procesado de señales, la auto correlación
brinda información sobre las periodicidades de la señal y sus frecuencias características
como los armónicos de una nota musical.
e. ¿Cuál es la diferencia de correlación continua y correlación discreta?

Para dos funciones Continuas diferentes la correlación continua se llama correlación
cruzada y viene definido por:
∞
𝑦(𝑡) ∗∗ 𝑥(𝑡) = ∫ 𝑦()𝑥( − 𝑡)𝑑
−∞
La variable t es frecuentemente denominada como el retraso.
Para dos funciones discretas diferentes la correlación cruzada viene definido por:
+∞ +∞
𝑥[𝑛] ∗∗ ℎ[𝑛] = ∑ 𝑥[𝑘]ℎ[𝑘 − 𝑛] = ∑ 𝑥[𝑘 + 𝑛]ℎ[𝑘]

𝐾=−∞ 𝐾=−∞
Para encontrar la correlación se alinean el último elemento de h con el primer de x y se
inicia un desplazamiento de h hasta recorrer toda x, un índice a la vez, se suman los
productos de cada par de valores que se alían para generar la correlación en cada índice.
f. ¿Qué son las series de Fourier?
Las series de Fourier describe una señal periódica 𝑥𝑝 (𝑡) como una suma (combinación
lineal), en la mezcla correcta, de armónicos (o senoides) en la frecuencia fundamental
𝑓0 de 𝑥𝑝 (𝑡) y sus múltiplos 𝑘𝑓0 . De hecho, una suma de senoides que describe una señal
periódica se conoce como serie de Fourier sólo si los coeficientes se seleccionan de
acuerdo a un esquema, viene definido en 3 formas:
+∞
𝑎0 + ∑ 𝑎𝑘 cos(2𝜋𝑘𝑓0 𝑡) + 𝑏𝑘 𝑠𝑒𝑛(2𝜋𝑘𝑓0 𝑡) ; 𝐹𝑜𝑟𝑚𝑎 𝑇𝑟𝑖𝑔𝑜𝑛𝑜𝑚é𝑡𝑟𝑖𝑐𝑎

𝐾=1
+∞
𝑐0 + ∑ 𝑐𝑘 cos(2𝜋𝑘𝑓0 𝑡 + 𝜃𝑘 ) ; 𝐹𝑜𝑟𝑚𝑎 𝑃𝑜𝑙𝑎𝑟

𝐾=1
+∞
∑ 𝑋[𝑘]𝑒 𝑗2𝑘𝑓0 𝑡 ; 𝐹𝑜𝑟𝑚𝑎 𝐸𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙

𝐾=−∞
g. ¿Qué es la Transformada Continua de Fourier?, de 2 ejemplos de uso o
aplicación en la Ingeniería:
La transformada de Fourier (FT) proporciona una descripción en el dominio de la
frecuencia de señales en el dominio del tiempo y puede considerarse como una extensión
de las series de Fourier (FS) aplicada a señales no periódicas, viene definida por:
∞
𝑥(𝑓) = ∫ 𝑥(𝑡)𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡
−∞
Y para la transformada inversa viene definida por:
∞
𝑥(𝑡) = ∫ 𝑥(𝑓)𝑒 𝑗2𝜋𝑓𝑡 𝑑𝑓
−∞
Usos en la Ingeniería se utiliza para pasar una señal al dominio de frecuencia para así
obtener información que no es evidente en el dominio temporal. Por ejemplo, es más
fácil saber sobre qué ancho de banda se concentra la energía de una señal analizándola
en el dominio de la frecuencia. La transformada también sirve para resolver ecuaciones
diferenciales con mayor facilidad y, por consiguiente, se usa para el diseño de
controladores clásicos de sistemas realimentados, si conocemos la densidad espectral de
un sistema y la entrada podemos conocer la densidad espectral de la salida. Esto es muy
útil para el diseño de filtros de radio transistores. La transformada de Fourier también se
utiliza en el ámbito del tratamiento digital de imágenes, como por ejemplo para mejorar
o definir más ciertas zonas de una imagen fotográfica o tomada con una computadora.
Ítem Grupal:
2. Ejercicio 1: Convolución Continua (Analítica):
Determine la Convolución continua entre x (t) y h (t) descripta a continuación:
𝑥(𝑡) = (3 + 𝑒 −𝑎𝑡 )𝑢(𝑡)
ℎ(𝑡) = 3 ∗ 𝑒 −𝑎𝑡 𝑢(𝑡 − 3)
Realizamos el reemplazo de la variable a, grupo 42 entonces a=2:
𝑥(𝑡) = (3 + 𝑒 −2𝑡 )𝑢(𝑡)
ℎ(𝑡) = 3 ∗ 𝑒 −2𝑡 𝑢(𝑡 − 3)
Reemplazamos en términos de landa:
𝑥(𝑡) → 𝑥(𝜆) 𝑦 ℎ(𝑡) → ℎ(𝑡 − 𝜆)
𝑥(𝑡) = (3 + 𝑒 −2𝑡 )𝑢(𝑡) → 𝑥(𝜆) = (3 + 𝑒 −2𝜆 )𝑢(𝜆)
ℎ(𝑡) = 3 ∗ 𝑒 −2𝑡 𝑢(𝑡 − 3) → ℎ(𝑡 − 𝜆) = 3 ∗ 𝑒 −2(𝑡−𝜆) 𝑢((𝑡 − 𝜆) − 3)
Tenemos la integral de Convolución continua:
∞
𝑦(𝑡) = (𝑥(𝑡) ∗ ℎ(𝑡)) = ∫ 𝑥(𝜆)ℎ(𝑡 − 𝜆)𝑑𝜆
−∞
Reemplazamos:
∞
𝑦(𝑡) = ∫ (3 + 𝑒 −2𝜆 )𝑢(𝜆) ∗ 3𝑒 −2(𝑡−𝜆) 𝑢((𝑡 − 𝜆) − 3)𝑑𝜆
−∞
Organizamos:
∞
𝑦(𝑡) = ∫ (3 + 𝑒 −2𝜆 ) ∗ 3𝑒 −2(𝑡−𝜆) 𝑢(𝜆)𝑢((𝑡 − 𝜆) − 3)𝑑𝜆
−∞
Encontramos los límites de la integral:
𝑢(𝜆) = 0 𝑢((𝑡 − 𝜆) − 3) = 0
𝜆=0 𝑡−𝜆−3=0
−𝜆 = −𝑡 + 3
𝜆 =𝑡−3
Definimos los límites en la integral:
𝑡−3
𝑦(𝑡) = ∫ (3 + 𝑒 −2𝜆 )3𝑒 −2(𝑡−𝜆) 𝑑𝜆
0
Realizamos propiedad distributiva:
𝑡−3
𝑦(𝑡) = ∫ 9𝑒 −2(𝑡−𝜆) + 3𝑒 −2𝜆 𝑒 −2(𝑡−𝜆) 𝑑𝜆
0
𝑡−3
𝑦(𝑡) = ∫ 9𝑒 −2𝑡+2𝜆 + 3𝑒 −2𝜆 𝑒 −2𝑡+2𝜆 𝑑𝜆
0
Realizamos la separación de integrales:
𝑡−3 𝑡−3
𝑦(𝑡) = ∫ 9𝑒 −2𝑡+2𝜆 𝑑𝜆 + ∫ 3𝑒 −2𝜆 𝑒 −2𝑡+2𝜆 𝑑𝜆
0 0
Sacamos las constantes de las integrales:
𝑡−3 𝑡−3
−2𝑡+2𝜆
𝑦(𝑡) = 9 ∫ 𝑒 𝑑𝜆 + 3 ∫ 𝑒 −2𝜆 𝑒 −2𝑡+2𝜆 𝑑𝜆
0 0
Aplicamos la propiedad de la exponencial y sacamos las constantes:
𝑡−3 𝑡−3
𝑦(𝑡) = 9 ∫ 𝑒 −2𝑡 𝑒 2𝜆 𝑑𝜆 + 3 ∫ 𝑒 −2𝜆 𝑒 −2𝑡 𝑒 2𝜆 𝑑𝜆
0 0
𝑡−3 𝑡−3
−2𝑡 2𝜆 −2𝑡
𝑦(𝑡) = 9𝑒 ∫ 𝑒 𝑑𝜆 + 3𝑒 ∫ 𝑒 −2𝜆 𝑒 2𝜆 𝑑𝜆
0 0
𝑡−3 𝑡−3
𝑦(𝑡) = 9𝑒 −2𝑡 ∫ 𝑒 2𝜆 𝑑𝜆 + 3𝑒 −2𝑡 ∫ 𝑒 0 𝑑𝜆
0 0
𝑡−3 𝑡−3
𝑦(𝑡) = 9𝑒 −2𝑡 ∫ 𝑒 2𝜆 𝑑𝜆 + 3𝑒 −2𝑡 ∫ 1 𝑑𝜆
0 0
Resolvemos la integral:
𝑒 2𝜆 𝑡 − 3 𝑡−3
𝑦(𝑡) = 9𝑒 −2𝑡 ∗ ( ) | + 3𝑒 −2𝑡 ∗ (𝜆) |
2 0
0
1
2(𝑡−3) 2(0)
𝑒 𝑒
𝑦(𝑡) = 9𝑒 −2𝑡 ∗ ( − ) + 3𝑒 −2𝑡 ∗ (𝑡 − 3 − 0)
2 2
𝑒 2𝑡−6 1
𝑦(𝑡) = 9𝑒 −2𝑡 ∗ ( − ) + 3𝑒 −2𝑡 ∗ (𝑡 − 3)
2 2
Aplicamos las propiedades de la exponencial:
−2𝑡
𝑒 2𝑡 𝑒 −6 1
𝑦(𝑡) = 9𝑒 ∗( − ) + 3𝑒 −2𝑡 ∗ (𝑡 − 3)
2 2
Aplicamos distributiva:
9 −2𝑡 2𝑡 −6 9 −2𝑡
𝑦(𝑡) = 𝑒 𝑒 𝑒 − 𝑒 + 3𝑒 −2𝑡 𝑡 − 9𝑒 −2𝑡
2 2
1
9 0 −6 9 −2𝑡
𝑦(𝑡) = 𝑒 𝑒 − 𝑒 + 3𝑒 −2𝑡 𝑡 − 9𝑒 −2𝑡
2 2
9 9
𝑦(𝑡) = 𝑒 −6 − 𝑒 −2𝑡 + 3𝑡𝑒 −2𝑡 − 9𝑒 −2𝑡
2 2
𝑦(𝑡) = 4,5𝑒 −6 − 4,5𝑒 −2𝑡 + 3𝑡𝑒 −2𝑡 − 9𝑒 −2𝑡
Estudiante: Javier Alejandro Ortega Paz
Ejercicio 2: Convolución Discreta (Tabular y graficar):
Determine la respuesta de un filtro FIR (h[n]), a la entrada x[n] y verifique con un
método grafico de Convolución:
̌ 𝑎, 𝑏, 4]
𝑥[𝑛] = [4, 𝑎, −2,
̌ 2.5]
ℎ[𝑛] = [0.5, 𝑏,
Reemplazamos los valores, a=2, b=9
̌ 2, 9, 4]
𝑥[𝑛] = [4, 2, −2,
̌ 2.5]
ℎ[𝑛] = [0.5, 9,
Método Tabular:
Hallamos los índices de inicio, terminación y la longitud:
̌ 2, 9, 4]
𝑥[𝑛] = [4, 2, −2, Índice de Inicio: −2 + (−1) = −3
̌ 2.5]
ℎ[𝑛] = [0.5, 9, Índice de terminación: 3 + 1 = 4
Longitud: 𝐿 = 𝐿𝑥 + 𝐿𝑦 − 1 = 6 + 3 − 1 = 8
n= -3 -2 -1 0 1 2 3 4
x[n]= 4 2 -2 2 9 4
h[n]= 0,5 9 2,5
2 1 -1 1 4,5 2 0 0
36 18 -18 18 81 36 0
10 5 -5 5 22,5 10
Y[n]= 2 37 27 -12 17,5 88 58,5 10
̌ 17.5, 88, 58.5, 10}

𝑦[𝑛] = {2, 37, 27 , −12,
Demostración grafica:
Estudiante: Edwin Mauricio Arango:
Ejercicio 2: Convolución Discreta (Tabular y graficar):
Determine la respuesta de un filtro FIR (h[n]), a la entrada x[n] y verifique con un método
grafico de Convolución:
̌ 𝑎, 𝑏, 4]
𝑥[𝑛] = [4, 𝑎, −2,
̌ 2.5]
ℎ[𝑛] = [0.5, 𝑏,
Reemplazamos los valores, a=2, b=7
̌ 2, 7, 4]
𝑥[𝑛] = [4, 2, −2,
̌ 2.5]
ℎ[𝑛] = [0.5, 7,
Método Tabular:
Hallamos los índices de inicio, terminación y la longitud:
Índice de Inicio: −2 + (−1) = −3
Índice de terminación: 3 + 1 = 4
Longitud: 𝐿 = 𝐿𝑥 + 𝐿𝑦 − 1 = 6 + 3 − 1 = 8
n= -3 -2 -1 0 1 2 3 4
x[n]= 4 2 -2 2 7 4
h[n]= 0,5 7 2,5
2 1 -1 1 3,5 2 0 0
28 14 -14 14 49 28 0
10 5 -5 5 17,5 10
Y[n]= 2 29 23 -8 12,5 56 45,5 10
Comprobación en OCTAVE
𝒄𝒐𝒏𝒗([4, 2, −2,2, 7, 4], [0.5,7,2.5])
octave:5> conv([4,2,-2,2,7,4],[0.5,7,2.5])
ans =
2.0000 29.0000 23.0000 -8.0000 12.5000 56.0000 45.5000

10.0000
Grafica:
Estudiante: Freddy Julian Tumiña:
Convolución discreta (tabular y gráfica): Usando como guía el ejemplo 7.3 de la página 173
del libro Ambardar, determine la respuesta de un filtro FIR (ℎ[𝑛]), a la entrada 𝑥[𝑛].
Posteriormente verifique su respuesta diseñando un script con el método gráfico de convolución,
en Matlab u Octave y anexe el resultado junto con el script (práctica):
𝑎 = 2, 𝑏=3
↓ ↓
𝑥[𝑛] = [4, 𝑎, , 𝑎, 𝑏, 4] = [4,2, , 2,3,4]
−2 −2
↓
ℎ[𝑛] = [0.5, , 2.5]
3
Método de tabulación
𝑥[𝑛] = 4 2 -2 2 3 4
ℎ[𝑛] = 1 3 3
2 1 -1 1 1,5 2
12 6 -6 6 9 12 0
10 5 -5 5 7,5 10
𝑦[𝑛] = 2 13 15 0 2,5 16 19,5 10
Grafica:
Código Grafica (Matlab)

Ejercicio 3: Series de Fourier:
Dibuje los 3 periodos de la señal x (t) y Calcule los coeficientes trigonometricos de la
serie de Fourier:
𝑥(𝑡) = 9 ∗ 𝑟𝑒𝑐𝑡(𝑡 − 𝑏) 𝐶𝑜𝑛 𝑇 = 6𝑠
Reemplazamos el valor de b=9:
(𝑡) = 9 ∗ 𝑟𝑒𝑐𝑡(𝑡 − 9)
3 periodos graficados de la señal x (t) en Matlab:
Coeficientes trigonometricos:
Calculamos 𝑎0 que viene definido por:
1
𝑎0 = ∫ 𝑥(𝑡)𝑑𝑡
𝑇
Reemplazamos valores y resolvemos:

8.5
1
𝑎0 = ∫ 9 ∗ 𝑟𝑒𝑐𝑡(𝑡 − 9)𝑑𝑡
6
9.5
8.5
9
𝑎0 = ∫ 𝑟𝑒𝑐𝑡(𝑡 − 9)𝑑𝑡
6
9.5
8.5
9
𝑎0 = ∫ (𝑡 − 9)𝑑𝑡
6
9.5
9 8.5
𝑎0 = ∗𝑡|
6 9.5
8.5 (1.5
𝑎0 = 1.5 ∗ 𝑡 | = ∗ 8.5) − (1.5 ∗ 9.5) = 12.75 − 14.25 = −1.5
9.5
𝑎0 = −1.5
Calculamos 𝑎𝑘 que viene definido por:
2
𝑎𝑘 = ∫ 𝑥(𝑡) cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
𝑇
8.5
2
𝑎𝑘 = ∫ 9 ∗ cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
6
9.5
8.5
18
𝑎𝑘 = ∫ cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
6
9.5
18 𝑠𝑒𝑛(2𝜋𝑘𝑓0 𝑡) 8.5 𝑠𝑒𝑛(2𝜋𝑘𝑓0 𝑡) 8.5

𝑎𝑘 = ∗ | = 3∗ |
6 (2𝜋𝑘𝑓0 ) (2𝜋𝑘𝑓0 )
9.5 9.5
𝑠𝑒𝑛(2𝜋𝑘𝑓0 (8.5) 𝑠𝑒𝑛(2𝜋𝑘𝑓0 (9.5)
𝑎𝑘 = 3 ∗ [ − ]
(2𝜋𝑘𝑓0 ) (2𝜋𝑘𝑓0 )
𝑠𝑒𝑛(17𝜋𝑘𝑓0 ) 𝑠𝑒𝑛(19𝜋𝑘𝑓0 )
𝑎𝑘 = 3 ∗ [ − ]
(2𝜋𝑘𝑓0 ) (2𝜋𝑘𝑓0 )
𝑎𝑘 = 3 ∗ [ − ]
(2𝜋𝑘𝑓0 ) (2𝜋𝑘𝑓0 )
Reemplazamos 𝑓0 que viene definido por:
1 1 1
𝑇= = 𝑓0 = = = 0.16
𝑓0 𝑇 6
𝑠𝑒𝑛(17𝜋𝑘(0.16)) 𝑠𝑒𝑛(19𝜋𝑘(0.16))
𝑎𝑘 = 3 ∗ [ − ]
(2𝜋𝑘(0.16)) (2𝜋𝑘(0.16))
𝑠𝑒𝑛(2.72𝜋𝑘) 𝑠𝑒𝑛(3.04𝜋𝑘)
𝑎𝑘 = 3 ∗ [ − ]
(0.32𝜋𝑘) (0.32𝜋𝑘)
𝑠𝑒𝑛(2.72𝜋𝑘) − 𝑠𝑒𝑛(3.04𝜋𝑘)
𝑎𝑘 = 3 ∗
0.32𝜋𝑘
Calculamos 𝑏𝑘 que viene definido por:
2
𝑏𝑘 = ∫ 𝑥(𝑡) sen(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
𝑇
8.5
2
𝑏𝑘 = ∫ 9 ∗ sen(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
6
9.5
8.5
18
𝑏𝑘 = ∫ sen(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
6
9.5
18 −𝑐𝑜𝑠(2𝜋𝑘𝑓0 𝑡) 8.5 −𝑐𝑜𝑠(2𝜋𝑘𝑓0 𝑡) 8.5
𝑏𝑘 = ∗ | =3∗ |
6 (2𝜋𝑘𝑓0 ) (2𝜋𝑘𝑓0 )
9.5 9.5
−𝑐𝑜𝑠(2𝜋𝑘𝑓0 (8.5) −𝑐𝑜𝑠(2𝜋𝑘𝑓0 (9.5)

𝑏𝑘 = 3 ∗ [ − ]
(2𝜋𝑘𝑓0 ) (2𝜋𝑘𝑓0 )
−𝑐𝑜𝑠(17𝜋𝑘𝑓0 ) −𝑐𝑜𝑠(19𝜋𝑘𝑓0 )
𝑏𝑘 = 3 ∗ [ − ]
(2𝜋𝑘𝑓0 ) (2𝜋𝑘𝑓0 )
𝑏𝑘 = 3 ∗ [ − ]
(2𝜋𝑘𝑓0 ) (2𝜋𝑘𝑓0 )
Reemplazamos 𝑓0 que viene definido por:
1 1 1
𝑇= = 𝑓0 = = = 0.16
𝑓0 𝑇 6
−𝑐𝑜𝑠(17𝜋𝑘(0.16)) −𝑐𝑜𝑠(19𝜋𝑘(0.16))
𝑏𝑘 = 3 ∗ [ − ]
(2𝜋𝑘(0.16)) (2𝜋𝑘(0.16))
−𝑐𝑜𝑠(2.72𝜋𝑘) −𝑐𝑜𝑠(3.04𝜋𝑘)
𝑏𝑘 = 3 ∗ [ − ]
(0.32𝜋𝑘) (0.32𝜋𝑘)
𝑐𝑜𝑠(3.04𝜋𝑘) − 𝑐𝑜𝑠(2.72𝜋𝑘)
𝑏𝑘 = 3 ∗
0.32𝜋𝑘
Estudiante: Edwin Mauricio Arango
Ejercicio 3: Series de Fourier:
Dibuje los 3 periodos de la señal x (t) y Calcule los coeficientes trigonometricos de la
serie de Fourier:
𝑥(𝑡) = 9 ∗ 𝑟𝑒𝑐𝑡(𝑡 − 𝑏) 𝐶𝑜𝑛 𝑇 = 6𝑠

Reemplazamos el valor de b=7:
(𝑡) = 9 ∗ 𝑟𝑒𝑐𝑡(𝑡 − 7)
Coeficientes trigonometricos:
Calculamos 𝑎0 que viene definido por:
1
𝑎0 = ∫ 𝑥(𝑡)𝑑𝑡
𝑇
6.5
1
𝑎0 = ∫ 9 ∗ 𝑟𝑒𝑐𝑡(𝑡 − 7)𝑑𝑡
6
7.5
6.5
9
6
7.5
6.5
9
𝑎0 = ∫ (𝑡 − 7)𝑑𝑡
6
7.5
9 6.5
𝑎0 = ∗𝑡|
6 7.5
6.5 (1.5
𝑎0 = 1.5 ∗ 𝑡 | = ∗ 6.5) − (1.5 ∗ 7.5) = 9.75 − 11.25 = −1.5
7.5
𝑎0 = −1.5
Calculamos 𝑎𝑘 que viene definido por:

2
𝑇
6.5
2
6
7.5
6.5
18
𝑎𝑘 = ∫ cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
6
7.5
18 𝑠𝑒𝑛(2𝜋𝑘𝑓0 𝑡) 6.5 𝑠𝑒𝑛(2𝜋𝑘𝑓0 𝑡) 6.5

𝑎𝑘 = ∗ | = 3∗ |
6 (2𝜋𝑘𝑓0 ) (2𝜋𝑘𝑓0 )
7.5 7.5
𝑠𝑒𝑛(2𝜋𝑘𝑓0 (6.5) 𝑠𝑒𝑛(2𝜋𝑘𝑓0 (7.5)

𝑎𝑘 = 3 ∗ [ − ]
(2𝜋𝑘𝑓0 ) (2𝜋𝑘𝑓0 )
𝑎𝑘 = 3 ∗ [ − ]
(2𝜋𝑘𝑓0 ) (2𝜋𝑘𝑓0 )
𝑎𝑘 = 3 ∗ [ − ]
(2𝜋𝑘𝑓0 ) (2𝜋𝑘𝑓0 )
Remplazando 𝑓0 que viene definido por:
1 1 1
𝑇= = 𝑓0 = = = 0.16
𝑓0 𝑇 6
𝑠𝑒𝑛(13𝜋𝑘(0.16)) 𝑠𝑒𝑛(15𝜋𝑘(0.16))
𝑎𝑘 = 3 ∗ [ − ]
(2𝜋𝑘(0.16)) (2𝜋𝑘(0.16))
𝑎𝑘 = 3 ∗ [ − ]
(0.32𝜋𝑘) (0.32𝜋𝑘)
𝑎𝑘 = 3 ∗
0.32𝜋𝑘
Calculamos 𝑏𝑘 que viene definido por:
2
𝑇
Remplazando tenemos:
6.5
2
6
7.5
6.5
18
𝑏𝑘 = ∫ sen(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
6
7.5
18 −𝑐𝑜𝑠(2𝜋𝑘𝑓0 𝑡) 6.5 −𝑐𝑜𝑠(2𝜋𝑘𝑓0 𝑡) 6.5

𝑏𝑘 = ∗ | =3∗ |
6 (2𝜋𝑘𝑓0 ) (2𝜋𝑘𝑓0 )
7.5 7.5
−𝑐𝑜𝑠(2𝜋𝑘𝑓0 (6.5) −𝑐𝑜𝑠(2𝜋𝑘𝑓0 (7.5)

𝑏𝑘 = 3 ∗ [ − ]
(2𝜋𝑘𝑓0 ) (2𝜋𝑘𝑓0 )
𝑏𝑘 = 3 ∗ [ − ]
(2𝜋𝑘𝑓0 ) (2𝜋𝑘𝑓0 )
𝑏𝑘 = 3 ∗ [ − ]
(2𝜋𝑘𝑓0 ) (2𝜋𝑘𝑓0 )
Remplazando 𝑓0 que viene definido por:
1 1 1
𝑇= = 𝑓0 = = = 0.16
𝑓0 𝑇 6
−𝑐𝑜𝑠(13𝜋𝑘(0.16)) −𝑐𝑜𝑠(15𝜋𝑘(0.16))
𝑏𝑘 = 3 ∗ [ − ]
(2𝜋𝑘(0.16)) (2𝜋𝑘(0.16))
𝑏𝑘 = 3 ∗ [ − ]
(0.32𝜋𝑘) (0.32𝜋𝑘)
𝑏𝑘 = 3 ∗
0.32𝜋𝑘
Estudiante: Freddy Julian Tumiña:
Ejercicio 3 – Series de Fourier: Usando como guía el capítulo 8 de la página 197 del libro
Ambardar, dibuje tres (3) periodos de la siguiente señal 𝑥(𝑡) y calcule los coeficientes
trigonométricos de la serie de Fourier.
𝑎 = 2, 𝑏=3
a) 𝑥(𝑡) = 9 ∗ 𝑟𝑒𝑐𝑒𝑡(𝑡 − 𝑏) 𝑐𝑜𝑛 𝑇 = 6𝑠
𝑥(𝑡) = 9 ∗ 𝑟𝑒𝑐𝑒𝑡(𝑡 − 3) 𝑐𝑜𝑛 𝑇 = 6𝑠
Grafica:
 Encuentre los coeficientes 𝑎0 , 𝑎𝑘 𝑦 𝑏𝑘
Formula para hallar 𝑎0

1
𝑎0 = ∫ 𝑥(𝑡)𝑑𝑡
𝑇
3.5
1
𝑎0 = ∫ 9 ∗ 𝑟𝑒𝑐𝑡(𝑡 − 3)𝑑𝑡
6
2.5
3.5
3
2
2.5
3 3.5
𝑎0 = 𝑡 |
2
2.5
3
𝑎0 = (3.5 − 2.5)
2
3
𝑎0 = (1)
2
3
𝑎0 = = 1.5
2
Formula para hallar 𝑎𝑘

2
𝑇
3.5
2
6
2.5
3.5
𝑎𝑘 = 3 ∫ cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
2.5
𝑠𝑒𝑛(2𝜋𝑘𝑓0 𝑡) 3.5
𝑎𝑘 = 3 |
(2𝜋𝑘𝑓0 )
2.5
Utilizamos el teorema de la frecuencia fundamental:
1 1 1
𝑇 = = 𝑓0 = = = 0.16
𝑓0 𝑇 6
𝑠𝑒𝑛(2𝜋𝑘(0.16)𝑡) 3.5
𝑎𝑘 = 3 |
(2𝜋𝑘(0.16))
2.5
𝑠𝑒𝑛(2𝜋𝑘(0.16)3.5) 𝑠𝑒𝑛(2𝜋𝑘(0.16)2.5)
𝑎𝑘 = 3 ( − )
(2𝜋𝑘(0.16)) (2𝜋𝑘(0.16))
𝑎𝑘 = 3 ( − )
(0.32𝜋𝑘) (0.32𝜋𝑘)
𝑎𝑘 = 3 ( )
(0.32𝜋𝑘)
Formula para hallar 𝑏𝑘
2
𝑇
3.5
2
6
2.5
3.5
𝑏𝑘 = 3 ∫ sen(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
2.5
−𝑐𝑜𝑠(2𝜋𝑘(0.16)𝑡) 3.5
𝑏𝑘 = 3 |
(2𝜋𝑘(0.16))
2.5
−𝑐𝑜𝑠(2𝜋𝑘(0.16)3.5) −𝑐𝑜𝑠(2𝜋𝑘(0.16)2.5)
𝑎𝑘 = 3 ( − )
(2𝜋𝑘(0.16)) (2𝜋𝑘(0.16))
𝑎𝑘 = 3 ( − )
(0.32𝜋𝑘) (0.32𝜋𝑘)
𝑎𝑘 = 3 ( )
(0.32𝜋𝑘)
Ejercicio 4: Transformada de Fourier:
Determine la transformada de Fourier de las señales x (t) y y(t), usando pares de
transformadas y propiedades reconocibles. Posteriormente verifique su respuesta
diseñando un script con la combinación lineal de señales usadas para obtener x (t) y y(t),
a.
La señal obtenida Del grafico es constante b=9:
𝑥(𝑡) = −2𝑢(𝑡) − 2𝑢(𝑡 − 18) + 2𝑢(𝑡 − 18) − 2𝑢(𝑡 − 36)
Aplicamos transformada de Fourier, con la entrada 12 de la tabla de transformada:

1
𝑥(𝑡) = 𝑢(𝑡) = 𝜋𝛿(𝜔) +
𝑗𝜔
1
𝑥(𝜔) = −2 (𝜋𝛿(𝜔) + ) − 2𝑢(𝑡 − 18) + 2𝑢(𝑡 − 18) − 2𝑢(𝑡 − 36)
𝑗𝜔
Aplicamos Propiedad desplazamiento en el tiempo:
𝑥(𝑡) = 𝑥(𝑡 − 𝛼) = 𝑒 −𝑗𝜔𝛼 𝑥(𝜔)
1 1 1 1
𝑥(𝜔) = −2 (𝜋𝛿(𝜔) + ) − 2 (𝑒 −𝑗18𝜔 (𝜋𝛿(𝜔) + )) + 2 (𝑒 −𝑗18𝜔 (𝜋𝛿(𝜔) + )) − 2 (𝑒 −𝑗36𝜔 (𝜋𝛿(𝜔) + ))
𝑗𝜔 𝑗𝜔 𝑗𝜔 𝑗𝜔
Verificación en Matlab:
Estudiante: Edwin Mauricio Arango
Ejercicio 4: Transformada de Fourier:
Determine la transformada de Fourier de las señales x (t) y y(t), usando pares de
transformadas y propiedades reconocibles. Posteriormente verifique su respuesta
diseñando un script con la combinación lineal de señales usadas para obtener x (t) y y(t),

b.
La señal obtenida Del grafico es constante b=7:
𝑥(𝑡) = −2𝑢(𝑡) − 2𝑢(𝑡 − 14) + 2𝑢(𝑡 − 14) − 2𝑢(𝑡 − 28)
1
𝑥(𝑡) = 𝑢(𝑡) = 𝜋𝛿(𝜔) +
𝑗𝜔
1
𝑥(𝜔) = −2 (𝜋𝛿(𝜔) + ) − 2𝑢(𝑡 − 14) + 2𝑢(𝑡 − 14) − 2𝑢(𝑡 − 28)
𝑗𝜔
Aplicamos Propiedad desplazamiento en el tiempo:
𝑥(𝑡) = 𝑥(𝑡 − 𝛼) = 𝑒 −𝑗𝜔𝛼 𝑥(𝜔)
1 1 1 1
𝑥(𝜔) = −2 (𝜋𝛿(𝜔) + ) − 2 (𝑒 −𝑗14𝜔 (𝜋𝛿(𝜔) + )) + 2 (𝑒 −𝑗14𝜔 (𝜋𝛿(𝜔) + )) − 2 (𝑒 −𝑗28𝜔 (𝜋𝛿(𝜔) + ))
𝑗𝜔 𝑗𝜔 𝑗𝜔 𝑗𝜔
Estudiante: Freddy Julian Tumiña
Ejercicio 4 – Transformada de Fourier: Usando como guía los ejemplos 9.5 de las páginas
259 del libro Ambardar y las tablas 9.1 y 9.2, determine la transformada de Fourier de las señales
𝑥(𝑡) y 𝑦(𝑡), usando pares de transformadas y propiedades reconocibles. Posteriormente verifique
su respuesta diseñando un script con la combinación lineal de señales usadas para obtener x(t)
y y(t), en Matlab u Octave y anexe el resultado junto con el script (práctica):
𝑎 = 2, 𝑏=3
a.
Del libro obtenemos que:
𝑥(𝑡) = −𝑢(𝑡) + 2𝑢(+ − 6) − 𝑢(𝑡 − 12)
1 1 1
𝑥(𝜔) = −𝜋𝛿(𝜔) + + 2 (𝑒−𝑗𝑤2 (𝜋𝛿(𝜔) + )) − 𝑒−𝑗𝑤4 (𝜋𝛿(𝜔) + )
𝑗𝜔 𝑗𝜔 𝑗𝜔
1 2𝑒−6𝑠 𝑒−12𝑠
𝑥(𝑠) = − + −
𝑠 𝑠 𝑠
Código
Item Grupal:
c.
La señal obtenida Del grafico con la constante a=2:
2𝜋𝑡 1
𝑦(𝑡) = 𝑠𝑒𝑛 ( ) ∗ 3𝑟𝑒𝑐𝑡 ( (𝑡 − 3))
12 6
𝑠𝑒𝑛(2𝜋𝛼𝑡) = 𝑗𝜋[𝛿(𝜔 + 2𝜋𝛼) − 𝛿(𝜔 + 2𝜋𝛼)
2𝜋 2𝜋 1
𝑦(𝜔) = 𝑗𝜋[𝛿 (𝜔 + ) − 𝛿(𝜔 + ) ∗ 3𝑟𝑒𝑐𝑡 ( (𝑡 − 3))
12 12 6
Aplicamos Propiedad desplazamiento en el tiempo para rect:
𝑥(𝑡) = 𝑥(𝑡 − 𝛼) = 𝑒 −𝑗𝜔𝛼 𝑥(𝜔)
2𝜋 2𝜋 2𝜔 1 −𝑗𝜔3
𝑦(𝜔) = 𝑗𝜋[𝛿 (𝜔 + ) − 𝛿(𝜔 + ) ∗ 3 [𝑠𝑒𝑛𝑐 ∗ 𝑒 ]
12 12 𝜋 6
𝟐𝝅𝒕
Verificación en Matlab: 𝒔𝒆𝒏 ( 𝟏𝟐 )
𝟏 𝟐𝝅𝒕 𝟏
𝟑𝒓𝒆𝒄𝒕 (𝟔 (𝒕 − 𝟑)) y(𝒕) = 𝒔𝒆𝒏 ( 𝟏𝟐 ) ∗ 𝟑𝒓𝒆𝒄𝒕 (𝟔 (𝒕 − 𝟑))
Conclusiones
Es fundamental el conocimiento de las series de Fourier y su transformada, para poder
trabajar con algo tan cotidiano como son las ondas, ya que sin estas herramientas
matemáticas no se podrían obtener los datos necesarios para su digitalización y su
posterior procesamiento.
Bibliografia
Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Convolución.
Cengage Learning, (2nd ed, pp. 130-155). Recuperado
de http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?resultListType=RELAT
ED_DOCUMENT&userGroupName=unad&inPS=true&contentSegment=&prodId
=GVRL&isETOC=true&docId=GALE|CX4060300056
Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Correlación.
de http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?tabID=&userGroupNam
e=unad&inPS=true&prodId=GVRL&contentSet=GALE&docId=GALE|CX406030
0067
Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Convolución
Discreta. Cengage Learning, (2nd ed, pp. 169-183). Recuperado
Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Correlación
Discreta. Cengage Learning, (2nd ed, pp. 187-188). Recuperado
de http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?tabID=&userGroupNam
e=unad&inPS=true&prodId=GVRL&contentSet=GALE&docId=GALE|CX406030
0079
Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Series de Fourier.
Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Series de Fourier.
=GVRL&isETOC=true&docId=GALE|CX4060300096#
Valderrama, F. (2016). Curso de Señales y Sistemas Unidad 2. Duitama: Universidad
Nacional Abierta y a Distancia. Recuperado de http://hdl.handle.net/10596/9572
Quiroga, J. (2007). Análisis de Fourier: Señales. (pp. 17- 80). Recuperado
de https://drive.google.com/file/d/0B7IdP8eYshy8ZHloWmxPRW8yZkE/view

Tarea 2 Grupo 42

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Tarea 2 Grupo 42

Transféré par

Droits d'auteur :

Formats disponibles

Tarea 2

Camilo Arturo Lagos

203042A 614 – Señales y Sistemas

Universidad Nacional Abierta y a Distancia UNAD

continua sobre su campo de actividad. Una forma alternativa de representación de señal es la

analógica es una señal que esta discretisada en el tiempo y cuantificada en magnitud.

cual nos lo proporciona la serie y la trasformada de Fourier.

a. Explique qué es Convolución continua y discreta, de 4 ejemplos de usos o

La Convolución es un concepto central al relacionar los dominios del tiempo y de la

frecuencia. En el dominio del tiempo la Convolución puede considerarse como un

sistemas lineales invariantes en el tiempo. La Convolución de dos funciones f(t) y h(t),

Los límites de la integral dependen de la posición de las distintas señales respecto al

arbitraria de entrada si se conoce la respuesta al impulso del sistema

𝑦[𝑛] = 𝑥[𝑛] ∗ ℎ[𝑛] = ∑ 𝑥[𝑘] ∗ ℎ[𝑛 − 𝑘]

Donde x[n] es la señal de entrada, h[n] es la respuesta al impulso y y[n] es la salida.

h[n+k] desplazados n posiciones.

En física: en sistemas lineales con principio de superposición.

representa los objetos variados que lo reflejan.

En Ingeniería Electrónica: La salida de un sistema lineal (LTI).

En estadística: como el promedio móvil ponderado.

b. ¿Qué es estabilidad y causalidad de sistemas LTI?

A partir de la respuesta al impulso, en un sistema LTI, se puede determinar sus

propiedades de causalidad, memoria, estabilidad y encontrar el sistema inverso si existe.

integrables para sistemas continuos. Esta es a la vez una condición suficiente y

∑ |ℎ[𝑛]| < ∞ ; 𝑃𝑎𝑟𝑎 𝑠𝑖𝑠𝑡𝑒𝑚𝑎𝑠 𝐿𝑇𝐼 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑜

Un sistema es causal cuando su salida no anticipa valores futuros de la entrada. Podemos

asegurar que un sistema es causal si:

ℎ[𝑛] = 0, 𝑛 < 0 ; 𝑃𝑎𝑟𝑎 𝑠𝑖𝑠𝑡𝑒𝑚𝑎𝑠 𝐿𝑇𝐼 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑜𝑠

c. Explique que es correlación, de un ejemplo de usos o aplicaciones en la

La correlación es una operación similar a la Convolución, implica desplazar una función

de la Convolución no se efectúa ninguna reflexión.

Usos en el reconocimiento de patrones, por ejemplo, la clasificación de imágenes

digitales dependiendo de sus pixeles o clasificación de los ruidos de los pájaros

dependiendo de las frecuencias.

d. Explique qué es auto correlación y de un ejemplo de uso o aplicación en la

función y su versión de desplazamiento, la auto correlación implica funciones idénticas

y estas se pueden ejecutar en cualquier orden y representan una operación conmutativa.

Las aplicaciones de la auto correlación es la medida de espectros ópticos y en especial

medida de pulsos muy cortos de luz y en el procesado de señales, la auto correlación

brinda información sobre las periodicidades de la señal y sus frecuencias características

como los armónicos de una nota musical.

e. ¿Cuál es la diferencia de correlación continua y correlación discreta?

cruzada y viene definido por:

La variable t es frecuentemente denominada como el retraso.

𝑥[𝑛] ∗∗ ℎ[𝑛] = ∑ 𝑥[𝑘]ℎ[𝑘 − 𝑛] = ∑ 𝑥[𝑘 + 𝑛]ℎ[𝑘]

Para encontrar la correlación se alinean el último elemento de h con el primer de x y se

inicia un desplazamiento de h hasta recorrer toda x, un índice a la vez, se suman los

f. ¿Qué son las series de Fourier?

lineal), en la mezcla correcta, de armónicos (o senoides) en la frecuencia fundamental

periódica se conoce como serie de Fourier sólo si los coeficientes se seleccionan de

acuerdo a un esquema, viene definido en 3 formas:

𝑎0 + ∑ 𝑎𝑘 cos(2𝜋𝑘𝑓0 𝑡) + 𝑏𝑘 𝑠𝑒𝑛(2𝜋𝑘𝑓0 𝑡) ; 𝐹𝑜𝑟𝑚𝑎 𝑇𝑟𝑖𝑔𝑜𝑛𝑜𝑚é𝑡𝑟𝑖𝑐𝑎

𝑐0 + ∑ 𝑐𝑘 cos(2𝜋𝑘𝑓0 𝑡 + 𝜃𝑘 ) ; 𝐹𝑜𝑟𝑚𝑎 𝑃𝑜𝑙𝑎𝑟

∑ 𝑋[𝑘]𝑒 𝑗2𝑘𝑓0 𝑡 ; 𝐹𝑜𝑟𝑚𝑎 𝐸𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙

g. ¿Qué es la Transformada Continua de Fourier?, de 2 ejemplos de uso o

La transformada de Fourier (FT) proporciona una descripción en el dominio de la

Y para la transformada inversa viene definida por:

obtener información que no es evidente en el dominio temporal. Por ejemplo, es más

en el dominio de la frecuencia. La transformada también sirve para resolver ecuaciones

diferenciales con mayor facilidad y, por consiguiente, se usa para el diseño de

controladores clásicos de sistemas realimentados, si conocemos la densidad espectral de

un sistema y la entrada podemos conocer la densidad espectral de la salida. Esto es muy

útil para el diseño de filtros de radio transistores. La transformada de Fourier también se