Vous êtes sur la page 1sur 122

DEFINICION

• De acuerdo a la Signal Processing Society de la IEEE:


• “The Signal Processing Society's areas of interest are
the theory and application of filtering, coding,
transmitting, estimating, detecting, analyzing,
recognizing, synthesizing, recording, and reproducing
signals by digital or analog devices or techniques. The
term signal includes audio, video, speech, image,
communication, geophysical, sonar, radar, medical,
musical, and other signals.”
• El Proceso Digital de Señales trata de la representación
de señales por secuencias de números y el posterior
proceso de tales secuencias.

Msc. Ing. Victor Hugo Rivera 2


¿Qué es DSP?
DSP: Es una disciplina identificada por el acrónimo
en Inglés de “Digital Signal Processing”.

Comprende los fundamentos matemáticos y


algorítmicos que describen como procesar, en un
ambiente de computo digital, información
asociada a señales provenientes del mundo real.

Digital: Sistema electrónico (digital) que opera con


datos discretos representados en binario y de
precisión finita.
Msc. Ing. Victor Hugo Rivera 3
Señal: Un parámetro variable por medio del cual la
información es transmitida en un sistema electrónico
Procesamiento: la realización de operaciones en los
datos mediante una secuencia de instrucciones
programadas de acuerdo a un algoritmo que
modifica dichos datos o extrae información de los
mismos.

DSP: Es el dispositivo identificado por el acrónimo


“Digital Signal Processor”.

Implementa ciertas soluciones especializadas de


hardware que aceleran la ejecución de los
algoritmos de DSP.
Msc. Ing. Victor Hugo Rivera 4
Descripción del curso

• Se pretende dar las pautas necesarias para aplicar los


conceptos del PDS en problemas de la Ingeniería
Biomédica, Telecomunicaciones, Control, Acústica, Sonar,
Procesamiento Digital de Imágenes, etc.
• Se expondrán los diferentes algoritmos para procesar
señales. Así como las herramientas de simulación usando
la computadora necesarias ara resolver los mencionados
problemas.
• Transformar la señal en otra
• Se hará uso intensivo de Matlab en los laboratorios.

Msc. Ing. Victor Hugo Rivera 5


Del ASP al DSP
• Ha habido grandes avances en los ordenadores en
los últimos años de tal manera que éstos presentan
mayor potencia (hacen más cosas), mayor fiabilidad
en los cálculos, menor tamaño, son más rápidos y
baratos, tienen menor consumo de potencia, no
presentan variación con la temperatura o la edad.
• Algunas señales son inherentemente digitales.
• Se han dado enormes desarrollos en el diseño de
circuitos integrados, MSI, LSI, VLSI.
• También ha habido grandes adelantos en el diseño de
software (FFT).
• El DSP permite realizar muchas operaciones
imposibles o difíciles de realizar en ASP (Filtrado con
desfase lineal, supresión de ecos, encriptación, etc.).
Msc. Ing. Victor Hugo Rivera 6
Del ASP al DSP
• Flexibilidad en la reconfiguración de operaciones. Si
se desea cambiar el comportamiento de un ASP hay
que rediseñar el hardware; en DSP sólo se necesita
cambiar el programa (Software).
• Reproducibilidad perfecta: Los sistemas DSP
presentan desempeño idéntico de unidad a unidad
(No hay problemas de tolerancia).
• Precisión garantizada: En ASP la tolerancia de los
componentes no permite un buen control de esta; por
el contrario en DSP se pueden especificar la precisión
de los conversores A/D, la longitud de la palabra, el
tipo de aritmética usada, etc. y estas sólo dependen
del número de bits usados en los conversores A/D y
D/A y en el procesador.

Msc. Ing. Victor Hugo Rivera 7


Del ASP al DSP
• Además con DSP se tiene fácil transportabilidad y
almacenamiento en medios magnéticos sin deterioro
o pérdida de la fiabilidad, además de procesamiento
en tiempo real (La señal digital es menos susceptible
al ruido que la señal análoga).
• Baja sensibilidad al ruido.

Msc. Ing. Victor Hugo Rivera 8


• Sistemas DSP
– Capturan señales
– Convierten A/D
– Procesan (DSP)
– Almacenan y/o
envian al exterior la
información
procesada
(generalmente en
ENTRADA FILTRO FILTRO DE SALIDA

formato analógico. A/D DSP D/A


ANALÓGICA ANTI-ALIASING RECONSTRUCCIÓN ANALÓGICA

(P.Ej. Audio ó
vídeo) 1001...0 0...1101
1101...1 1...1100
0101...0 1...0011
1000...0 1...0010
1011...1 0...1101
1011...0 1...0011
1010...1 1...0101

Msc. Ing. Victor Hugo Rivera 9


Ventajas del DSP
• Son sistemas programables y versátiles (un
mismo HW- varias aplicaciones.
• Se pueden actualizar muy fácilmente (SW
upgrades)
• Son sistemas estables y reproducibles a lo largo
del tiempo. El funcionamiento de todos los
dispositivos es idéntico.
• Algunas aplicaciones sólo pueden realizarse con
DSP. Su equivalente analógico no es posible
tecnológicamente.

Msc. Ing. Victor Hugo Rivera 10


Desventajas del DSP
• Necesita un mayor BW para transmitir señales
digitales.
• Velocidad y costo (En los conversores A/D y
D/A y en los procesadores digitales), lo que
genera problemas con señales de gran ancho
de banda.
• Tiempo de diseño: Todo diseño de DSP
consume tiempo, existiendo casos imposibles
de realizar.
• Se requiere sincronización en la transmisión
de señales digitales.

Msc. Ing. Victor Hugo Rivera 11


APLICACIONES
• Filtrado y compresión de audio y video,
cancelación de ruido:
ecualización y tratamiento alineal para mejorar
la relación señal/ruido o el uso del ancho de
banda (Ej: ADPCM, MPEG2, MP3, FAX)
• Modems:
métodos de modulación y demodulación digital
de datos sobre un canal de ancho de banda y
ruido propio dado. P.Ej:(ASK, FSK, PSK, DPSK,
QAM, TCM)

Msc. Ing. Victor Hugo Rivera 12


APLICACIONES
• Señalización:
envío y detección de información de control
sobre un canal de voz o datos (P.Ej: DTMF, R2,
CallerID)
• Cancelación de eco:
para compensar ecos en sistemas de elevado
tiempo de propagación (Ej: VOIP:Voice Over IP)
o con elevado tono local (telefonía de manos
libres)
• Cifrado:
para comunicaciones seguras

Msc. Ing. Victor Hugo Rivera 13


APLICACIONES
• Detección y corrección de errores:
agregado de datos a la información transmitida
para detectar y corregir eventuales errores de
recepción
• Telefonía celular:
manejo dinámico de frecuencias y potencias en
estaciones base
• Multiplexores T1 y Switches PBX:
T1 para uso combinado de datos y voz
PBX para centrales telefónicas digitales

Msc. Ing. Victor Hugo Rivera 14


APLICACIONES
• Síntesis digital directa:
para estaciones de broadcast totalmente
digitales
• Tratamiento de señales de RF:
telefonía celular, modulación y demodulación
digital, spread-spectrum.
• Medicina:
tomografía, MNR, ecografía, scanners,
electrocardiograma, electroencefalograma,
diagnóstico asistido
• Visión artificial y OCR: Optical Character
Recognition
Msc. Ing. Victor Hugo Rivera 15
APLICACIONES
• Telemetría:
monitoreo satelital de recursos, prospección
petrolera/minera/submarina
• Sonar y Radar:
radares de apertura sintética, arrays de antenas,
detección de blancos móviles, detección
doppler, navegación, oceanografía
• Instrumental:
analizadores de red, de espectro, etc....

Msc. Ing. Victor Hugo Rivera 16


APLICACIONES
• Control de motores:
robótica, sistemas de transporte, sistemas de
impresión, control de cabezales en sistemas de
almacenamiento masivo de datos (discos
rígidos, DVD, etc.)
• Control de procesos:
controladores PID, control adaptativo
• Análisis de vibraciones:
detección preventiva de fallas por análisis del
espectro de vibraciones

Msc. Ing. Victor Hugo Rivera 17


APLICACIONES
• Sistemas de navegación:
GPS, piloto automático, sistemas de guía de
misiles, etc
• Telefonía:
Caller ID, generación DTMF, detección de
DTMF, Call Progress y Pulsos de tarificación
(16kHz)
• Automotriz:
AirBags, control de combustión, inyección y
emisiones, ABS, etc..
• Electrodomésticos inteligentes, domótica y
sistemas de seguridad
Msc. Ing. Victor Hugo Rivera 18
Estructura interna de un DSP
CPU
UNIDAD
DE CACHÉ
CONTROL
MEMORIA

UNIDAD
COMPUTACIONAL 1

MULTIPLICADOR
PROCESADOR
DE E/S
REGISTROS ALU
INTERNOS
CONTROLADOR
DESPLAZADOR DMA

PUERTOS
UNIDAD SERIE
COMPUTACIONAL 2 SÍNCRONOS

MULTIPLICADOR
PUERTOS
DE ENLACE CON
REGISTROS ALU
OTROS DSP
INTERNOS
DESPLAZADOR
INTERFAZ
DE
BUSES

Msc. Ing. Victor Hugo Rivera 19


DSP TIPICO

Msc. Ing. Victor Hugo Rivera 20


Arquitectura DSP
ARQUITECTURA
HARVARD

Bus de direcciones Bus de direcciones


MEMORIA
DE MEMORIA
CPU DE
PROGRAMA
Bus de Datos DATOS
Bus de Datos

(a)

ARQUITECTURA VON
NEUMANN

MEMORIA Bus de direcciones


DE
DATOS CPU
Y
Bus de Datos
PROGRAMA

Msc. Ing. Victor Hugo Rivera 21


(b)
Comunicaciones y memoria en
DSPs
DSP
MEMORIA

PUERTO
CONVERTIDOR
SERIE
A/D BUS DE DIRECCIONES BUS DE DATOS
SÍNCRONO
PROCESADOR E/S PROCESADOR E/S
PROCESADOR
DMA
PROCESADOR E/S

BANCO 1 BANCO 2
Doble puerto
DE DE
MEMORIA MEMORIA

CONMUTADOR
DE
BARRAS CRUZADAS
BUS DE DIRECCIONES
MEMORIA DE CÓDIGO

BUS DE DIRECCIONES BUS DE DATOS BUS DE DATOS


MEMORIA DE DATOS MEMORIA DE DATOS MEMORIA DE CÓDIGO

Msc. Ing. Victor Hugo Rivera 22


Msc. Ing. Victor Hugo Rivera 23
CONCEPTOS BASICOS
Bases matemáticas

• Modelado de señales continuas. Series y


Transformada de Fourier, Transformada de
Laplace, filtros analógicos.
• Convolución y Correlación
• Sistemas muestreados, cuantificación de
señales: ruido de cuantificación
• Modelado de señales muestreadas: la
Transformada Z, Transformada discreta de
Fourier (DFT), transformada discreta del coseno
(DCT), otras transformaciones
(Wavelet,Hartley,..)
Msc. Ing. Victor Hugo Rivera 24
CONCEPTOS BASICOS
Métodos algorítmicos:

• Transformada rápida de Fourier (FFT)


• Otros algoritmos típicos: (Ej: Algoritmo de
Goertzel, ...)
• Diseño de filtros digitales

Msc. Ing. Victor Hugo Rivera 25


Señales
• Se entiende por señal como una cantidad física cuyo contenido
en información nos interese procesar, transmitir, mejorar, etc..
• La señal puede variar con el tiempo, el espacio o cualquier otra
variable independiente.
• Ejemplos de Señal: Audio, Voz, ECG, Imagen, Vídeo, Radio,
TV, Radar, Sonar, Microondas, Radiofrecuencia, etc..
• La señal de voz varía en función de la variable independiente
tiempo.
• La señal de imagen varía en función de dos variables
independientes que vienen a ser las coordenadas.
• Toda señal deberá pasar por un transductor que le convertirá en
una variable eléctrica la cual a su vez será llevada al formato
digital para procesarla usando PDS.

Msc. Ing. Victor Hugo Rivera 26


Señal de Voz
4
x 10

2.5
2
1.5
1
0.5
0
-0.5
-1
-1.5

1.2 1.25 1.3 1.35 1.4 1.45 1.5 1.55 1.6 1.65
4
x 10

Msc. Ing. Victor Hugo Rivera 27


Señales
• Según el rango de variabilidad de la variable
independiente, la señal puede ser:

Contínua en el tiempo f(t), t  [a,b]


Discreta en el tiempo: f(t)  {t0, t1,..., tn}

• Según el rango de variabilidad de la amplitud, la señal


puede ser:
Contínua en amplitud
Discreta en amplitud

Msc. Ing. Victor Hugo Rivera 28


TRATAMIENTO DE SEÑALES

Las señales reales son


analógicas
Transductor
Conversor a señal
eléctrica
A-D
cuantización
muestreo
DSP
Manipulación digital

Msc. Ing. Victor Hugo Rivera 29


Clasificación de Señales
• Trataremos cuatro tipos de señales:
– Analógicas, x(t) : amplitud y tiempo continuos.
– Muestreadas, xs[n] : tiempo discreto, amplitud
continua.
– Cuantificadas, xQ(t) : tiempo continuo, amplitud
discreta.
– Digitales, xQ[n] :tiempo y amplitud discretos.

Msc. Ing. Victor Hugo Rivera 30


Señal Analógica

Msc. Ing. Victor Hugo Rivera 31


Conversión Analógica Digital

Muestreo en el tiempo

T
Msc. Ing. Victor Hugo Rivera 32
CONVERSION A/D
• Muestreo temporal => Periodo TM
• Cuantificación => Número de bits N

Msc. Ing. Victor Hugo Rivera 33


Cuantificación
Niveles

n7

n3

n2
n1
TM
n0 Msc. Ing. Victor Hugo Rivera 34
Niveles de Cuantificación
• Los niveles n0, n1,n2,...,n7.
• Se le asigna a cada uno un código binario (número).
• Dependiendo de la cantidad de niveles (resolución) se
asignarán una determinada cantidad de bits.

Msc. Ing. Victor Hugo Rivera 35


Cuantificación

1000
0111
0110
0101
0100
0011
0010
0001
0000
TM
Msc. Ing. Victor Hugo Rivera 36
Señal Digitalizada

1000
0111
0110
0101
0100
0011
0010
0001
0000
T
Msc. Ing. Victor Hugo Rivera 37
Clasificación de Señales
• Clasificación de señales basada en su duración:
– Causales: se definen sólo para el eje positivo de t
– Anticausales: se definen sólo para el eje negativo de t
– No causales: se definen para ambos ejes de t.
– Periódicas: xp(t) = xp(t+-nT), T periódo n es un entero.
• Clasificación de señales basadas en simetrías
– Simetría Par: x(t) = x(-t)
– Simetría Impar: x(t) = -x(-t)
Una señal no simétrica puede siempre expresarse
como la suma de una función par y una impar

Msc. Ing. Victor Hugo Rivera 38


• Análisis de señales:
– Toda señal puede
ser descompuesta
en un conjunto de
componentes
senoidales de
diferente amplitud
, frecuencia y
fase.
• Al analizar la señal,
se puede enfocar
desde su estudio en
el dominio de la
frecuencia, ó desde
su estudio en el
dominio del
tiempo.
• La información en
ambos casos es la
misma, solo que
vista desde
diferente
perspectiva.
Msc. Ing. Victor Hugo Rivera 39
• El análisis en el
dominio de la
frecuencia permite
descubrir aspectos
casi inapreciables
desde el análisis en
el dominio del
tiempo.

Msc. Ing. Victor Hugo Rivera 40


• Ejemplos de
espectros de
frecuencia de varias
señales.
– Las periódicas puras
tienen un espectro
discreto.
– Las señales
transitorias
presentan un
espectro continuo.

Msc. Ing. Victor Hugo Rivera 41


La transformada discreta de
Fourier (DFT)

• La transformada discreta de Fourier parte de N muestras de entrada y


nos suministra N/2+1 puntos (líneas) de frecuencia, COMPLEJOS.
Msc. Ing. Victor Hugo Rivera 42
Ejemplo simple de DSP: Filtro de
promedio simple.

•Cada muestra se
recalcula como el
promedio con las M
muestras adyacentes.
•Esto permite eliminar
componentes de alta
frecuencia de la señal

Msc. Ing. Victor Hugo Rivera 43


Interpolación y reconstrucción
Entre otros usos, puede utilizarse
La función sinc (impulso amortiguado) para interpolar y reconstruir (re-
es de gran utilidad en DSP. muestrear) señales, como en la figura
Se define como: siguiente.:

Gráfica de sinc

Msc. Ing. Victor Hugo Rivera 44


Sistemas
• Un sistema físico es un conjunto de dispositivos
conectados entre sí, cuyo funcionamiento está sujeto a
leyes físicas. Desde este punto de vista, un sistema es un
proceso de señales.
• La señal o señales a ser procesada forma la excitación o
entrada del sistema. La señal procesada es la respuesta
o salida del sistema.
• El análisis de sistemas implica el estudio de la respuesta
del sistema a entradas conocidas.
• La síntesis de sistemas se realiza especificando las
salidas que deseamos para una entradas dadas y
estudiando que sistema es el más adecuado.
Msc. Ing. Victor Hugo Rivera 45
Sistemas
• Asociado a toda señal se tiene un sistema que la genera.
La señal de voz se genera al forzar el paso de aire a
través de las cuerdas vocales.
• El sistema se puede definir también como un dispositivo
que realiza una operación sobre una señal. Por ejemplo
un filtro se usa para modificar una señal a fin de reducir el
ruido y mejorar el contenido de información. Se dice que
la señal ha sido procesada por el filtro.

Msc. Ing. Victor Hugo Rivera 46


Clasificación de los Sistemas
La representación normal de un sistema (tiempo continuo)
se realiza normalmente a través de ecuaciones
diferenciales
• Lineales: los coeficientes no dependen de x o y. No hay
términos constantes.
• Nolineales: los coeficientes dependen de x o y. Hay
términos constantes.
• Invariante en el tiempo: coeficientes no dependen de t.
• Variante en el tiempo: los coeficientes son funciones
explícitas de t.

Msc. Ing. Victor Hugo Rivera 47


Clasificación de los Sistemas
• A los sistemas lineales se les puede aplicar el principio de
superposición
• Un sistema es invariante en el tiempo cuando la respuesta
y(t) depende sólo de la forma de la entrada x(t) y no del
tiempo en que se aplica.
• Los sistemas a estudiar son del tipo LTI.
• La representación normal de un sistema (tiempo discreto),
donde las señales vienen dadas por secuencias y la
ecuación del sistema por ecuaciones diferencia.
y[n] + A1y[n-1]+A2y[n-2]+…+ANy[n-N]
=B0x[n]+B1x[n-1]+…+BMx[n-M]

Msc. Ing. Victor Hugo Rivera 48


Sistemas DSP
xn DSP yn

xn  yn

4 6
n 0 1 2 3 5 7 n
0 1 2 3 4 5 6 7

ADC DSP DAC


xn  yn

xt  yt 

Msc. Ing. Victor Hugo Rivera 49


Proceso de conversión A/D
• El proceso de conversión requiere de cuatro pasos

Circuito
xt  2 n Lógico xn 
Entrada
 Código de
Análoga Fs 1 salida digital

Filtro Pasabajos Muestreo y retención Cuantizador Codificador

• La idea fundamental es que en este proceso se


conserve la información de la señal de entrada; la
herramienta que permite predecir que en efecto esto se
da se llama el teorema del muestreo el cual se enuncia
a continuación.
Msc. Ing. Victor Hugo Rivera 50
Teorema de Muestreo
• “Una señal de banda limitada, en tiempo continuo, cuya
mayor frecuencia (ancho de banda) es B Hz, puede
recuperarse de forma única a partir de sus muestras
siempre que la velocidad de muestreo Fs verifique que
Fs sea mayor o igual a 2B muestras por segundo“ .

Msc. Ing. Victor Hugo Rivera 51


Módulo 1

Teorema del muestreo.


La frecuencia más alta contenida en una señal
analógica xa(t) es Fmax = B y si la señal se muestrea
a una tasa Fs > 2Fmax ≡ 2B, entonces xa(t) puede
recuperarse exactamente a partir de los valores de
sus muestras empleando la función de interpolación
g(t) = sen2πBt / 2πBt
Así xa(t) puede expresarse como

donde xa(n/Fs) = xa(nT) ≡ x(n) son las muestras de


xa(t).
Módulo 1

Cuando el muestreo se efectúa con la tasa mínima


Fs = 2B, la fórmula de reconstrucción es:

La tasa de muestreo FN = 2B = 2Fmax se conoce


como tasa de Nyquist.
Módulo 1

Ejercicios.
1. ¿Cuál es la tasa de Nyquist para xa(t)?

2. ¿Cuál es la tasa de Nyquist para xa(t)?

Si Fs = 5000 muestras/s ¿Qué señal se obtiene


después del muestreo?
¿Cuál es la señal reconstruida ya(t) si usamos
interpolación ideal?
Muestreo de una señal análoga

12V

Señal análoga
6V

 6V
Muestras de señal

 12V nTs
1 2 3 4 5 6 7 8 9 10

Msc. Ing. Victor Hugo Rivera 55


Módulo 1
Muestreo de señales analógicas
Muestreo periódico o uniforme.
x(n) = xa(nT), -∞ < n < +∞
T es el período de muestreo
Fs = 1/T es la tasa o frecuencia de muestreo
(# de muestras por segundo ó Hertz)
t = nT = n/Fs
Relación entre al F de
la señal analógica y
la f de la señal digital:
f = F/Fs
x(n) = xa(nT)
Muestreo
ELECCION DEL PERIODO DE
MUESTREO

Msc. Ing. Victor Hugo Rivera 58


Muestreo mediante el producto de una señal
por un tren periódico de pulsos

pt 


t
Ts

 k 
2 sen 
 jk t A  s  si k  0
T A
p(t )   ck e Ts ck 
Ts  k 
 
ck 
Ts
si k  0
k 
 s 
T

Msc. Ing. Victor Hugo Rivera 59


• Espectro de la señal antes y después del
muestreo
X 
A   k   2 k 
X s     a S   X    
Ts k    Ts   Ts 


 2B 2B

X s 

 
Banda 2 4
de guarda Ts Ts

Msc. Ing. Victor Hugo Rivera 60


• Espectro con “aliasing” (solapamiento de
frecuencia) de una señal muestreada

X s 


 
2 4
Ts Ts

Msc. Ing. Victor Hugo Rivera 61


• Frecuencia mínima de muestreo

X s 

4 2 2 4 
  2B
Ts Ts Ts Ts

Msc. Ing. Victor Hugo Rivera 62


• Diagrama de bloques de un converso A/D

Msc. Ing. Victor Hugo Rivera 63


• Respuesta de un dispositivo S/H

Msc. Ing. Victor Hugo Rivera 64


Cuantización
• Es la conversión de una señal en tiempo discreto con
valores continuos en una señal en tiempo discreto con
valores discretos (señal digital).
• Es un proceso irreversible, no invertible, ya que se
produce una pérdida de información
• El valor de cada muestra se representa con un elemento
seleccionado de un conjunto finito de posibles valores.
• La diferencia x(n) – xq(n) se llama error de cuantización.

Msc. Ing. Victor Hugo Rivera 65


Codificación
• Las muestras digitales que en la mayoría de los casos
están en forma binaria son luego codificadas de manera
adecuada para su posterior manipulación.
• Cada valor discreto cuantizado xq(n) se representa
mediante una secuencia binaria b-bit
• Codificar significa asignar códigos discretos a muestras
cuantizadas. Las representaciones más comunes son
en punto fijo (complemento a 2), punto flotante y punto
flotante por bloques.

Msc. Ing. Victor Hugo Rivera 66


II. Análisis de señales y de
sistemas discretos en el
dominio del tiempo

0. Introducción
1. Sistemas lineales discretos e invariantes
con el tiempo.
2. Descripción de un sistema por medio de
su ecuación de diferencias

Msc. Ing. Victor Hugo Rivera


Módulo 2

0. Introducción
Señales discretas en el tiempo.

• x(n) es una función de una variable independiente


que es un entero
• Estas señales no están definidas en los instantes
entre dos muestras sucesivas
• x(n) = 0 si n no es entero
• Suele asumirse que - ∞ < n < ∞

Msc. Ing. Victor Hugo Rivera


Módulo 2

Además de la representación gráfica existen otras


alternativas:
• Representación funcional para n = 1,3
para n = 2
de otra manera

• Representación tabular

n … -2 -1 0 1 2 3 4 5 …
x(n) … 0 0 0 1 4 1 0 0 …
• Representación secuencial
x(n) = {… 0, 0, 1, 4, 1, 0, 0, …}
Msc. Ing. Victor Hugo Rivera
Módulo 2
Algunas señales discretas elementales.
• La secuencia muestra o impulso unitario δ(n)
• La señal escalón unitario u(n)
• La señal rampa unitaria ur(n)
• La señal exponencial x(n) = an

Msc. Ing. Victor Hugo Rivera


Módulo 2
Clasificación de las señales discretas.
• Señales de energía y de potencia
Si la energía es finita se llama energía de la señal y si la
potencia es finita ésta es la potencia de la señal

• Señales periódicas y aperiódicas


x(n) es periódica con periodo N sí y solo sí
x(n + N) = x(n) para toda n (1)
El menor valor de N que satisfaga (1) es el periodo
fundamental
Si no existe N que satisfaga (1) la señal es aperiódica.
• Señales simétricas (par) y antisimétricas (impar)
x(n) = x(-n) Señal simétrica
Msc. Ing. Victor Hugo Rivera
-x(n) = x(-n) Señal antisimétrica
Módulo 2

Manipulaciones de señales discretas.

• Transformación de la variable independiente t.


Se sustituye n por n ± k y tenemos un desplazamiento según
el signo de k (+ retraso, - adelanto)

• Adición, multiplicación y escalamiento de


secuencias
y(n) = x1(n) + x2(n)
y(n) = x1(n)*x2(n)
y(n) = Ax(n) para toda n
Aquí la amplitud es la que se modifica

Msc. Ing. Victor Hugo Rivera


Módulo 2

Sistemas discretos en el tiempo.

Es un dispositivo o algoritmo que opera sobre una


señal discreta en el tiempo, llamada entrada o
excitación, acorde a reglas bien definidas, para
producir otra señal discreta en el tiempo llamada
salida o respuesta del sistema.

La señal de entrada x(n) es transformada por el


sistema en la señal y(n). Esta relación se expresa:
y(n) ≡Τ[x(n)] donde el operador T denota la
transformación o procesamiento efectuado a x(n)
Msc. Ing. Victor Hugo Rivera
Módulo 2

Clasificación de sistemas digitales.


• Sistemas sin memoria ó estáticos. Cuando la salida de
cualquier valor n depende solo de la entrada en el mismo
valor n.
y(n) = x(n)2 y(n) = ax(n) y(n) = nx(n) + bx3(n)

• Sistemas con memoria ó dinámicos. Cuando la salida


en un valor n depende de las entradas en el intervalo [n-N, n],
N ≥ 0, se dice que el sistema tiene memoria de duración N.
Si N = 0 el sistema es estático; si 0 ≤ N < ∞, el sistema tiene
memoria finita; si N < ∞, tiene memoria infinita.

y(n) = x(n) + 3x(n-1) y(n) = ∑x(n-k) ; k=0…n


y(n) = ∑x(n-k) ; k=0…∞
Msc. Ing. Victor Hugo Rivera
Módulo 2

• Sistemas invariantes con el tiempo. Son aquellos


sistemas para los que un desplazamiento temporal de la
secuencia de entrada provoca el mismo desplazamiento
en la secuencia de salida.
Si para x1(n) = x(n – k) se produce y1(n) = y(n - k)
• Sistemas variantes con el tiempo. Aquellos donde la
salida cumple con y1(n) ≠ y(n - k), incluso para un solo valor
de k.

Msc. Ing. Victor Hugo Rivera


Determinar si los siguentes sistemas son invariantes:

y(n) = x(n) – x(n - 1) y(n) = nx(n) y(n) = x(-n) y(n) = x(n) cos ωn

Msc. Ing. Victor Hugo Rivera


Módulo 2
• Sistemas lineales. Definidos por el principio de
superposición.
Sean y1(n) e y2(n) las respuestas a las entradas x1(n) y x2(n),
el sistema es lineal solo sí:

T[a1x1(n) + a2x2(n)] = a1T[x1(n)] + a2T[x2(n)] =a1 y1(n) + a2y2(n)

donde a1 y a2 son constantes arbitrarias.

• Sistemas no lineales. Aquellos que no satisfacen el


principio de superposición.
Un sistema lineal en reposo, es aquel que a una entrada
cero, produce una salida cero.
Un sistema que produce una salida diferente de cero
cuando la entrada es cero no está en reposo, o no es
lineal. Msc. Ing. Victor Hugo Rivera
Determinar si los siguientes sistemas son lineales:

y(n) = n x(n) y(n) = x(n2) y(n) = x2(n)


y(n) = Ax(n) + B y(n) = ex(n)

Msc. Ing. Victor Hugo Rivera


Módulo 2

• Sistemas causales. Cuando para cualquier valor n0, el


valor de la secuencia de salida en n = n0 depende solo de
los valores de entrada para n ≤ n0. Es decir, la salida
depende de las entradas pasadas y presentes.
• Sistemas no causales. Aquellos que no cumplen las
condiciones de causalidad.

y(n) = x(n) – x(n - 1) y(n) = ax(n) y(n) = ∑x(k); k= -∞ …n


y(n) = x(n) + 3x(n + 4) y(n) = x(n2) y(n) = x(2n) y(n) = x(-n)

Msc. Ing. Victor Hugo Rivera


Módulo 2

• Sistemas estables. Un sistema es estable en el sentido


de entrada acotada y salida acotada.
La entrada x(n) está acotada si existe un valor finito
positivo Bx tal que |x(n)| ≤ Bx < ∞, para todo n.
La estabilidad requiere que para cualquier entrada acotada
exista un valor finito positivo fijo By, tal que |y(n)| ≤ By < ∞,
para todo n.
• Sistemas inestables. Aquellos que no cumplen con las
condiciones de estabilidad.

Msc. Ing. Victor Hugo Rivera


Módulo 2

1. Sistemas lineales discretos e


invariantes con el tiempo (LTI).
• Los sistemas LTI son caracterizados en el dominio del
tiempo por su respuesta al impulso unitario.
• Cualquier señal arbitraria se puede descomponer y
representar como una suma ponderada de impulsos
unitarios.
• Las propiedades de linealidad e invarianza en el tiempo
hacen que la respuesta del sistema a cualquier señal de
entrada se pueda expresar en términos de su respuesta
al impulso unitario.

Msc. Ing. Victor Hugo Rivera


Módulo 2
Técnicas para el análisis de sist. lineales.

• Método basado en la solución directa de la


ecuación de entrada-salida para el sistema.

• Descomponiendo la señal de entrada en una suma


de señales elementales.
Las señales elementales se eligen de modo que la
respuesta del sistema a cada componente de la señal se
pueda determinar con facilidad. Debido a la linealidad del
sistema, las respuestas se suman para tener la respuesta
total. Msc. Ing. Victor Hugo Rivera
Módulo 2

{ck} es el conjunto de amplitudes o coeficientes ponderados


{xk} es el conjunto de señales elementales
yk(n) es la respuesta a la señal elemental xk(n)

Asumiendo que el sistema está en reposo y que la respuesta a


ckxk(n) es ckyk(n) por la propiedad de escalamiento, la respuesta total es:

Nota: Un sistema está en reposo en un tiempo t0 si la señal de salida y(t) en el intervalo t0 ≤ t


está sola y unicamente determinada por la señal de entrada x(t) en el intervalo t0 ≤ t para -∞ < t0
Módulo 2
Representación de una señal discreta en
impulsos unitarios
Sea x(n) una señal arbitraria
y xk(n) = δ(n - k)
k es el retardo del impulso unitario
Multiplicando x(n) y δ (n - k) tenemos
x(n)δ (n - k) = x(k)δ (n - k)
una secuencia de ceros excepto
cuando n = k
Repitiendo para -∞ < k < ∞ tenemos

Msc. Ing. Victor Hugo Rivera


Módulo 2
La respuesta de los sistemas LTI a entradas
arbitrarias: La suma de convolución.
Sea h(n, k) la respuesta del sistema a un impulso unitario en
el instante n = k, para -∞ < k < ∞. Esto es:
y(n, k) ≡ h(n, k) = T[δ(n - k)]
Si escalamos el impulso a la entrada por ck ≡ x(k), esto es
ck h(n, k) = x(k) h(n, k)
Y si x(n) se expresa como

Tenemos finalmente que la respuesta del sistema a x(n) es

Msc. Ing. Victor Hugo Rivera


Módulo 2

Si la respuesta del sistema LTI a δ(n) se denota como h(n)


Esto es:
h(n) ≡ T[δ(n)]
Por la propiedad de invarianza, la respuesta a δ(n - k) es
h(n - k) = T[δ(n - k)]
Entonces tenemos que:

La función de respuesta del sistema LTI se conoce como


suma de convolución.
La entrada x(n) es “convolucionada” por la respuesta al
impulso h(n) para producir la salida y(n).
Msc. Ing. Victor Hugo Rivera
Módulo 2
Análisis de la suma de convolución.

Deseamos calcular la salida del sistema para n = n0,


entonces:

Observaciones:
• x(k) y h(n0-k) son funciones del índice k.
• x(k) y h(n0-k) se multiplican entre si para producir una
secuencia de productos.
• y(n0) es la suma de los productos
• h(n0-k) se obtiene de h(k), reflejándola alrededor de k = 0,
produciendo h(-k), y luego desplazando en n0.

Msc. Ing. Victor Hugo Rivera


Módulo 2

La suma de convolución involucra cuatro pasos:

1. Reflejo. Se refleja h(k) alrededor de k = 0 para tener h(-k).


2. Desplazamiento. Se desplaza h(-k) en n0 a la derecha
(izquierda) si n0 es positivo (negativo) para obtener h(n0 - k).
3. Multiplicación. Se multiplica x(k) por h(n0-k) para tener la
secuencia de productos vn0(k) ≡ x(k)h(n0-k).
4. Suma. Se suman todos los valores de la secuencia de
productos vn0(k) para obtener el valor de la salida en n = n0.

Si nos interesa evaluar la respuesta del sistema para todos


los instantes de tiempo -∞ < n < ∞, repetimos los pasos del
2 al 4 para todos los posibles desplazamientos n.

Msc. Ing. Victor Hugo Rivera


Determina la salida y(n) de un sistema LTI con respuesta al impulso h(n) = anu(n),
|a| < 1. Cuando la entrada es la secuencia escalón unitario x(n) = u(n)
Módulo 2
Propiedades de la convolución.

Conmutativa.
x(n)*h(n) = h(n)*x(n)
x(n) y(n) h(n) y(n)
h(n) x(n)

Asociativa.
[x(n)*h1(n)]*h2(n) = x(n)*[h1(n)*h2(n)]
x(n) y(n) x(n) y(n)
h1(n) h2(n) h(n)=
h1(n)*h2(n)

x(n) y(n) x(n) y(n)


h1(n) h2(n) h2(n) h1(n)
Msc. Ing. Victor Hugo Rivera
Determina la respuesta al impulso de la cascada de dos sistemas LTI con
respuestas al impulso h1(n) = ½nu(n) y h2(n) = ¼nu(n)

Msc. Ing. Victor Hugo Rivera


Módulo 2
Distributiva
x(n)*[h1(n)+h2(n)] = x(n)*h1(n)+x(n)*h2(n)

h1(n)
x(n) y(n) x(n) y(n)
+ h(n)=
h1(n)+h2(n)
h2(n)

Msc. Ing. Victor Hugo Rivera


Módulo 2
Sistemas LTI causales
Sistema causal es aquel que cuya salida en n depende solo
de las entradas pasadas y presentes.
Causal es una condición sobre la respuesta al impulso.
Consideremos

Si subdividimos la suma tenemos:

Si el sistema es causal y n = n0 entonces h(n) = 0, n < 0.


Concluimos que : Un sistema LTI es causal si y solo si su
respuesta al impulso es cero para valores negativos de n.
Módulo 2

Si la entrada al sistema LTI causal es una secuencia causal


(i.e. x(n) = 0 para n < 0) se restringen los límites de la suma
de convolución.

Por lo tanto, la respuesta de un sistema causal a una


secuencia de entrada causal es causal, es decir
y(n) = 0 para n < 0.

Msc. Ing. Victor Hugo Rivera


Módulo 2
Sistemas LTI estables
Definimos un sistema arbitrario relajado como estable BIBO
si y solo si la secuencia de salida y(n) está acotada para
toda entrada acotada x(n).
Si x(n) está acotada, existe una constante Mx tal que

De modo similar, si la salida está acotada, existe una


constante My tal que

Tenemos la fórmula de convolución

Tomamos el valor absoluto de ambos lados de la fórmula

Msc. Ing. Victor Hugo Rivera


Módulo 2
El valor absoluto de la suma de los términos es siempre
menor o igual a la suma de sus valores absolutos

Si la entrada está acotada, existe un número finito Mx tal que


|x(n)| ≤ Mx. Sustituyendo la cota superior para x(n) tenemos

Vemos que la salida está acotada si la respuesta al impulso


del sistema satisface

Un sistema LTI es estable si su respuesta al impulso es


absolutamente sumable.
Esta condición no es suficiente pero si necesaria para
asegurar la estabilidad del sistema
Módulo 2
Sistemas con respuesta al impulso de
duración finita e infinita
Los sistemas LTI se clasifican en dos:
1. Con respuesta finita al impulso (FIR)
2. Con respuesta infinita al impulso (IIR)
Un sistema FIR tiene una respuesta al impulso de cero fuera
de un intervalo de tiempo finito. En ellos
h(n) = 0, n<0yn≥M
Y la fórmula de convolución se reduce a:

El sistema actúa como una ventana que solo ve las M


muestras más recientes de entrada al formar la salida.
Msc. Ing. Victor Hugo Rivera
Módulo 2

Los sistemas LTI IIR tienen una respuesta al impulso de


duración infinita. Su salida basada en la convolución seria:

Podemos decir que un sistema FIR tiene memoria finita de


tamaño M, mientras un sistema IIR tiene memoria infinita.

Msc. Ing. Victor Hugo Rivera


Módulo 2

2. Descripción de un sistema por


medio de su ecuación diferencial.
Los sistemas LTI se caracterizan por su respuesta al impulso
h(n) que les permite determinar su salida y(n) dada una
secuencia de entrada x(n) a través de la convolución.

Los FIR involucran sumas, productos y memoria finita para


realizar la convolución, mientras los IIR hacen imposible su
desarrollo.
Para realizar sistemas IIR se emplean ecuaciones
diferenciales, y son útiles para el desarrollo de filtros,
modelado de fenómenos físicos y sistemas físicos.
Módulo 2
Sistemas discretos recursivos y no
recursivos
En ocasiones es deseable expresar la salida en términos de
los valores pasados de la salida misma.
Ejemplo, calcular el promedio acumulado de x(n) en el
intervalo 0 ≤ k ≤ n.

Se requiere almacenar todas las muestra de entrada x(k)


para 0 ≤ k ≤ n. Donde si n crece, requerimos más memoria.
Rearreglando algebraicamente tenemos:

y y(n) se calcula recursivamente. Msc. Ing. Victor Hugo Rivera


Módulo 2
x(n) + × y(n)

1/(n+1)
× Z-1

Este es un ejemplo de un sistema recursivo. En general, un


sistema cuya salida y(n) depende de valores de salida
pasados y(n-1), y(n-2), … es llamado sistema recursivo.

Si n = n0, el tenemos

Y el témino y(n0 -1) es llamado condición inicial.

Msc. Ing. Victor Hugo Rivera


Módulo 2
Un sistema recursivo que depende de las salidas pasadas
es causal, y puede expresarse como

donde F[.] denota una función con sus argumentos.

En contraste, si y(n) solo depende de sus entradas presentes


y pasadas, esto es

Dicho sistema es llamado no recursivo.


Un sistema recursivo debe calcular la salida en orden [y(0),
y(1), y(2),…], mientras un sistema no recursivo no requiere
de orden [y(200), y(15), y(3), etc.]
Msc. Ing. Victor Hugo Rivera
Módulo 2
Sistemas LTI caracterizados por
ecuaciones diferenciales con coeficientes
constantes
Estos sistemas son una subclase de los sistemas recursivos
y no recursivos.
Supongamos el sistema recursivo x(n) + y(n)

a
Z-1
donde a es una constante.
Si deseamos calcular la salida y(n) y asumimos la existencia
de una condición inicial y(-1), tenemos para n ≥ 0

Msc. Ing. Victor Hugo Rivera


Módulo 2
Si el sistema está relajado en n = 0, entonces y(-1) = 0 y el
sistema recursivo inicia sin condiciones iniciales.
Se dice entonces que el sistema se halla en estado cero y su
salida es una respuesta forzada o de estado cero ysz(n).

La cual es una suma de convolución donde x(n) se


convoluciona con la respuesta al impulso

Si el sistema inicalmente no está relajado [y(-1)≠0] y x(n) = 0


para toda n. La salida del sistema con entrada cero es
llamada respuesta natural, libre o de entrada cero yzi(n).
Para x(n) = 0 y -∞ < n < ∞ tenemos para n ≥ 0.

Msc. Ing. Victor Hugo Rivera


Módulo 2
Entonces:
Un sistema con respuesta forzada o de estado cero depende
de la naturaleza del sistema y de la señal de entrada.
Un sistema con respuesta natural o de entrada cero depende
de la naturaleza del sistema y de la condición inicial.
En general, la respuesta total del sistema se expresa como:
y(n)  y zi (n)  y zs (n)
La forma general de un sistema recursivo descrito por
ecuaciones diferenciales lineales con coeficientes constantes
es: N M
y (n)   ak y (n  k )   bk x(n  k )
k 1 k 0
N M

a
k 0
k y (n  k )   bk x(n  k ) a0  1
k 0
Msc. Ing. Victor Hugo Rivera
Módulo 2
Un sistema es lineal si satisface:
1. La respuesta total es igual a la suma de las respuestas
de entrada cero y estado cero.
2. El principio de superposición es aplicable a la respuesta
de estado cero: Estado cero lineal.
3. El principio de superposición es aplicable a la respuesta
de entrada cero: Entrada cero lineal.

Un sistema recursivo descrito por ecuaciones


diferenciales lineales con coeficientes constantes es
lineal e invariante en el tiempo.

Estos sistemas son estables si y solo si para toda


entrada y condición inicial acotadas, la respuesta total del
sistema está acotada. Msc. Ing. Victor Hugo Rivera
Módulo 2

Solución a ecuaciones diferenciales con


coeficientes constantes (edcc)
Dada una edcc como la relación de entrada-salida de un
sistema LTI, el objetivo es determinar una expresión
explícita para la salida y(n).

- Método directo
- Método indirecto (Transformada Z)

El método directo asume:


y(n) = yh(n) + yp(n)
yh(n) es la solución complementaria u homogenea
yp(n) es la solución particular.

Msc. Ing. Victor Hugo Rivera


Módulo 2

La solución homogenea.
Asumimos x(n) = 0 para obtener la solución a la ecuación
diferencial homogenea:

Suponemos que la solución es exponencial


yh(n) = λn
Tenemos ahora la ecuación exponencial

Polinomio característico Msc. Ing. Victor Hugo Rivera


Módulo 2
El polinomio característico tiene N raices λ1, λ2,…, λN.
Las raices pueden ser reales o complejas.
En la práctica los coeficientes a1, a2,…, aN son reales.
Las raices complejas se presentan como pares conjugados
complejos.
Algunas de las N raices pueden ser idénticas, teniendo
raices de orden múltiple.
Suponiendo raices distintas tenemos la solución general

Donde C1, C2,…, CN son coeficientes ponderados,


determinados a partir de las condiciones iniciales del
sistema.
Dado que la entrada x(n) = 0, la solución homogenea se
puede usar para obtener la respuesta de entrada cero del
sistema. Msc. Ing. Victor Hugo Rivera
Determinar la respuesta a la entrada cero de los siguientes sistemas:

Msc. Ing. Victor Hugo Rivera


Módulo 2

La solución particular.
yp(n) es cualquier solución que satisfaga:

Para resolverla, se asume una forma que dependa de la


forma de la entrada x(n).

Señal de entrada x(n) Solución particular yp(n)


A (constante) K
AMn KMn
AnM K0nM+ K1nM-1+…+ KM
AnnM An(K0nM+ K1nM-1+…+ KM)
Acosω0n
K1cosω0n + K2senω0n
Asenω0n
Msc. Ing. Victor Hugo Rivera
Determinar la solución particular de los sistemas:

Msc. Ing. Victor Hugo Rivera


Módulo 2

La solución total.
La propiedad de linealidad permite tener la solución total:
y(n) = yh(n) + yp(n)
La suma resultante y(n) contiene los parámetros constantes
{Ci} dentro de yh(n).
Estas constantes pueden determinarse para satisfacer las
condiciones iniciales.
Una solución particular se puede obtener a partir de la
respuesta del sistema al estado cero.
Si |a1|<1, lo que establece la estabilidad del sistema, tenemos:

Msc. Ing. Victor Hugo Rivera


Módulo 2

Si esta componente de la respuesta del sistema no tiende a


cero conforme n se acerca al infinito, se denomina la
respuesta de estado estacionario por parte del sistema.
Esta respuesta persiste mientras la entrada persista.

La componente que tiende a cero conforme n se acerca al


infinito es la respuesta transitoria del sistema.

Msc. Ing. Victor Hugo Rivera


Determinar la respuesta de los sistemas:

Msc. Ing. Victor Hugo Rivera


Módulo 2
La respuesta al impulso de un sistema
recursivo LTI
Cuando x(n) = δ(n) y el sistema está inicialmente relajado,
h(n) es igual a la respuesta al estado cero yzs(n).
Ejemplo, dado el sistema
su respuesta al estado cero es:

Sustituyendo x(n) = δ(n) tenemos:

Por lo tanto, la respuesta del sistema al impulso es:


h(n) = anu(n)
Msc. Ing. Victor Hugo Rivera
Módulo 2

En el caso general de un sistema LTI arbitrario tenemos:

Cuando la entrada es un impulso tenemos


yzs(n) = h(n)

Consideremos el problema de determinar h(n) dada una


edcc describiendo un sistema.
Aquí la solución particular es cero si la excitación es un
impulso, y la solución homogenea es la solución total, con
{Ck} parámetros evaluados para satisfacer las condiciones
iniciales determinadas por el impulso.

Msc. Ing. Victor Hugo Rivera


Módulo 2
Determinar la respuesta al impulso del sistema:

Msc. Ing. Victor Hugo Rivera


Módulo 2

Observación:
Cualquier sistema recursivo descrito por edcc es un sistema
IIR, pues tienen respuesta al impulso de duración infinita.
Pero no todo sistema LTI IIR puede describirse con edcc.
Cuando un sistema es descrito por una ec. diferencial lineal
de orden N, la solución a la ecuación homogenea es:

Donde las raices {λk} son distintas.


La respuesta al impulso es idéntica: h(n) = yh(n).
Donde los parámetros {Ck} se determinan poniendo las
condiciones iniciales y(-1) = … = y(-N) = 0.

Msc. Ing. Victor Hugo Rivera


Módulo 2
Estabilidad:
Se requiere que la respuesta al impulso sea sumable,
entonces, para un sistema causal tenemos:

Ahora, si |λk| < 1 para toda k, entonces

y por lo tanto

Por otro lado, si algún |λk| ≥ 1, h(n) no es sumable en lo


absoluto, y en consecuencia, inestable.
Una condición necesaria y suficiente para que un sistema
IIR causal descrito por edcc sea estable es que todas las
raices del polinomio característico sean menores a 1.
Msc. Ing. Victor Hugo Rivera
Msc. Ing. Victor Hugo Rivera 122