.

Intervalo T

.
= DC

.

.

1
.

Intervalo T

.

2
A
A

ω óf ωóf

Eje: Tensiones, e(v); Potencias, P (ω) ; Fase, θ (Rad)

A
3
.

. Recordar:
e+jωt + e-jωt= 2cosωt

e+jωt = cosωt+ j senωt

4
(Volvemos a la serie exponencial de Fourier ec, 1.55) [3]

5
 1)La representación en el dominio del tiempo de f(t).

 2) La representación en el dominio de la frecuencia, es decir representar las Amplitudes de las

diferentes componentes de frecuencias o armónicas en el dominio de la frecuencia.

 Se puede utilizar la serie trigonométrica o la serie exponencial para representar espectros de

funciones Periódicas.

 Utilizaremos la forma exponencial ( Recordar que para este caso las funciones exponenciales
tienen frecuencias positivas , negativas y frecuencia cero o nivel DC

6
.
.

.

Las amplitudes Fn, pueden ser complejas ( tienen magnitud y fase) en este caso tendremos el espectro de magnitud
o de lineas y el espectro de fase de la función periódica.

7
 Teníamos:

Importante

.

.

. Calculamos el espectro y graficamos

8
Teníamos:

Desarrollando:

El espectro de magnitud de cualquier función periódica es simétrico respecto al eje vertical. Es funcion par de ω.
9
Importante

.

10
Como:

.

.

Recordando la función Sa(x) es:

11
En general

12
 Ejemplos: Espectros discretos simétricos para igual ancho de pulso y diferentes períodos.

Nota:Frecuencia fundamental: ωo=2π/T

Primer cruce por cero

Cuando T tiende a infinito el espectro discreto se vuelve continuo ( existe en todas las frecuencias).
El espectro de un solo pulso de ancho δ, es un espectro continuo pues sus frecuencia fundamental tiende a cero.
Nota: El primer cruce por cero es =2π/δ.
 Nota: El numero de armónicas hasta el primer cruce por cero depende la relación: T/δ (que puede o no, ser un numero entero)
13
 Función no periódica

!Son el par de Transformadas de Fourier

14
Espectro de frecuencias de f(t), se llama también función de densidad espectral
 De Ec,1.74

Función real, un solo gráfico

15
La función impulso unitario se define
Función escalón no ideal
por:

16
.

.

17
En límite tienden a:

18
19
.

.

20
21
Por lo tanto es:

22
Se puede demostrar que :

23
Impulso en ω0

24
 .

Teníamos de serie exponencial:

.

25
Como se observa a continuación: 26
Encuentre Transformada de Fourier de Pulso rectangular de duración ζ y que se repite cada T
segundos.
de ecua.1.66b) es:

Comparar cvon
fig 1.13

27
Para encontrar la transformada es:

28
 donde

.

29
Magnitud Impulsos periódicos.

30
Ejemplos:

31
32
33
34
35
36
.
.

.
.

.

.

37

.
 Si:

Entonces::

38
Comprimir en el tiempo
Expandir en el dominio de la frecuencia.

39
40
Veamos la traslación que produce COS ωot:

41
42
El teorema de la convolución es quizás uno de los instrumentos más eficaces en el análisis armónico.

43
El teorema de la convolución es quizás uno de los instrumentos más eficaces en el análisis armónico.

44
45
46
47
48
49
50
51
52
 La misma función.

Espectro del impulso

Si:

Generalizando:

53
 La misma función.

Espectro del impulso

Si:

Generalizando:

54
 La misma función.

Espectro del impulso

Si:

Generalizando:

55
56
57
Ejemplo importante Función densidad ( espectro ) de f(t)

Tren de Funciones impulso periódica Tren de Funciones impulso periódica

Señal muestreada, cada T.

Recuperación de F(ω) con FPB.

Recuperación de f(t): cada muestra se multiplica por una función

muestreo y se suman todas las formas de onda resultantes.

58
Ejemplo importante Función densidad ( espectro ) de f(t)

Tren de Funciones impulso periódica Tren de Funciones impulso periódica

Señal muestreada, cada T.

Recuperación de F(ω) con FPB.

Recuperación de f(t): cada muestra se multiplica por una función

muestreo y se suman todas las formas de onda resultantes.

59
Ejemplo importante Función densidad ( espectro ) de f(t)

Tren de Funciones impulso periódica Tren de Funciones impulso periódica

Señal muestreada, cada T.

Recuperación de F(ω) con FPB.

Recuperación de f(t): cada muestra se multiplica por una función

muestreo y se suman todas las formas de onda resultantes.

60
IMPORTANTE Frecuencia máxima de la señal

Período de muestreo

FPB

BG=Banda de Guarda
ωo=2ωm+BG BG BG

ωo >2ωm

ωo ≥2ωm 61
 Otras formas de expresar el teorema de muestreo

Como: :
ωo = = 2πfo= 2πfs ωm =2πfm
;

ωo=2ωm+BG fs = 2fm+BG

ωo =2ωm fs = 2fm Frecuencia de Nyquist (Se recupera la señal con filtro IDEAL :

También:

≥2ωm=2(2πfm)

(Se recupera la señal con filtro IDEAL) :

62
Ejemplos: De señales muestreadas ( MATLAB)

63
64
65
 Espectro
Genérico

1
No se muestra n las frecuencias 4

Condición de Nyquist Solapamiento de

BG=0 espectros
negativas

Muestreo de señal PAM con

BG

66
 Espectro
Genérico
No se mauestrann las frecuencias negativas

1
4

Condición de Nyquist Solapamiento de

BG=0 espectros

Muestreo de señal PAM con

BG

67
 Espectro
Genérico

1
No se muestra n las frecuencias 4

Condición de Nyquist Solapamiento de

BG=0 espectros
negativas

Muestreo de señal PAM con

BG

68
 Espectro
Genérico

1
4
Facultad de Tecnología UMSA

Condición de Nyquist Solapamiento de

No se muestra n las frecuencias negativas

BG=0 espectros
Docente: Ing. Fabián Tito Luque

Muestreo de señal PAM con

BG

69