Vous êtes sur la page 1sur 21

Respuestas Senusoidales en Estado Estacionario

Las respuestas en estado estacionario del sistema especificado por


H  jw  a las funciones de entrada cos  wt  ,sin  wt  están dadas por
Re  H  jw  e jwt  , Im  H  jw  e jwt  .

Primero definiremos las respuestas en estado estacionario:


L  cos  wt    rc  t 
L  sin  wt    rs  t 

De la propiedad de linealidad
L  cos  wt   j sin  wt    rc  t   jrs  t 
pero
cos  wt   j sin  wt   e jwt
L  e jwt   rc  t   jrs  t 

Teorema.
L  e jwt   H  jw  e jwt

 L  e jwt   rc  t   jrs  t   H  jw  e jwt


Dado que rc  t  , rs  t  son funciones reales de t, se tiene
rc  t   Re  H  jw  e jwt 
rs  t   Im  H  jw  e jwt 
Representando en forma de fasor,
H  jw   H  jw  e j  w  H  jw    w 
entonces si,
v(t )  vm cos  wt     Re Vm e jwt 
donde Vm  vm e j 

Demostrar que,
Re  H  jw  Vm e jwt   vm H  jw  cos  wt     
Im  H  jw  Vm e jwt   vm H  jw  sin  wt     
Prueba.
L  vm cos  wt      rc  t 
L  vm sin  wt      rs  t 

   
L vm  cos  wt     j sin  wt      L vm e j  wt     L  vm e j  e jwt 
Definiendo vm e j   Vm
L  Vm e jwt   Vm L  e jwt   Vm H  jw  e jwt

De donde
 
rc  t   jrs  t   Vm H  jw  e jwt   vm e j   H  jw  e j  w e jwt
j  wt     w  
rc  t   jrs  t   vm H  jw  e
De donde
rc  t   jrs  t   vm H  jw  e 
j wt     w  

L  vm cos  wt      rc  t   vm H  jw  cos  wt      w  
L  vm sin  wt      rs  t   vm H  jw  sin  wt      w  

La salida de un sistema excitado por entradas sinusoidales se puede


representar por el fasor Vm H  jw  , si la entrada está representada por
el fasor Vm . Si la entrada y salida son funciones sinusoidales estaciona-
rias, entonces la función del sistema H  jw  es el cociente de los valores
complejos de la salida y la entrada.
Finalmente, la respuesta de un sistema lineal cuando la entrada fi  t 
es periódica con período T y está expresada en serie de fourier por

2
fi  t   C0   Cn cos  nw0t  n  , w0 
n 1 T

usando el principio de superposición,


 

f0  t   L  fi  t    L C0   
 n 1 

f 0  t   L  C0    L  Cn cos  nw0t  n  
n 1

f 0  t   C0 H  0    Cn H  jnw0  cos  nw0t  n   nw0  
n 1
Forma compleja de la Serie de Fourier


1
f (t )   Dn e jnw0t
 Dn   f (t )e  jnw0t dt
 T0 T0

El espectro de Fourier.

Se obtiene al graficar la amplitud Cn vs n y n vs n


juntos constituyen el espectro de frecuencia de x(t ).
Ejemplo: Hallar la serie trigonométrica de Fourier en forma
compacta para la señal periódica mostrada en la figura y trazar
el espectro de amplitud y frecuencia.
x(t )  e  t /2
x(t  T )  x(t )
T 

2
w  2 rad / s
T

x(t )  a0    an cos 2nt  bn sin 2nt 
n 1

1 
a0 
 
0
e  t /2 dt  0.504
Práctica.
Filtros Adaptables.

Hoy en día, los filtros adaptables (ó adaptativos) representan una parte


importante de el procesamiento de señales aleatorias.
La evolución de los DSP ha hecho su realización fácil y permite trabajar
sobre señales rápidas con un espectro amplio.
Su principal ventaja consiste en cancelar ruido cuyas características evolu-
cionan en el tiempo, lo cual no es realizable en estructuras no adaptables.
Estos sistemas también tienen aplicaciones en predicción de señales o
identificación de procesos.
yˆ (k ) e(k )
x( k ) Filtro  Algoritmo de
 Actualización
Digital

y (k )
La señal de error e(k ) se utiliza para actualizar los coeficientes
de el filtro.

Sea h(k ) los n coeficientes de la respuesta al impulso del filtro digital,


h(k )   h0 (k ) h1 (k ) ... hn 1 ( k ) 
T

Sea x(k ) el vector de las n muestras de la señal de entrada


x (k )   x (k ) x(k  1) ... x( k  n  1) 
T

Sea e(k ) la señal de error


e(k )  y (k )  yˆ (k )
e ( k )  y ( k )  hT ( k ) x ( k )
La optimización del filtro consiste en minimizar el siguiente criterio
k
J (k )    y (i )  h (k ) x(i ) 
T 2

i 1

Ahora hallaremos los coeficientes del vector h(k ) que minimicen J .

dJ (k )  k 
 0  2    y (i )  hT (k ) x(i )  x(i )   0
dh(k )  i 1 

k k

 x
i 1
(i T
) y (i )  h ( k T
)  x (i ) x
i 1
T
(i )
k

 (i) y(i)
x T

hT ( k )  i 1
k

 x (i )
i 1
x T
(i )
Definimos la matriz de autocorrelación de la señal de entrada
k
Cxx(k )   x (i ) xT (i )
i 1

y la matriz de intercorrelación entre las señales de entrada y de referencia


k
Cyx(k )   xT (i ) y (i )
i 1

Ahora obtenemos una expresión recursiva de estas matrices


Cxx(k )  Cxx(k  1)  x (k ) xT (k )
Cyx(k )  Cyx(k  1)  xT (k ) y (k )

hT ( k )  Cyx (k )Cxx 1 (k )
hT ( k )   Cyx(k  1)  xT (k ) y (k )  Cxx 1 (k )
Considerando que Cyx( k  1)  hT ( k  1)Cxx( k  1)

hT (k )   Cyx (k  1)  xT (k ) y (k )  Cxx 1 (k )

h(k )  Cxx 1 (k )  Cxx (k  1)h(k  1)  y (k ) xT (k ) 


h(k )  Cxx 1 (k )  Cxx (k )  x (k ) xT (k )  h(k  1)  y (k ) xT (k ) 
h(k )  h(k  1)  Cxx 1 (k )  y (k ) xT (k )  x(k ) xT (k )h(k  1) 

h(k )  h(k  1)  Cxx 1 (k ) x(k )  y (k )  xT (k )h(k  1) 


        
e(k )
El término e(k) representa el error "a priori" y es calculado con
los coeficientes del muestreo anterior.
h(k )  h(k  1)  Cxx 1 (k ) x(k )e( k )
  

h(k )  h(k  1)   x(k )e(k )

En resumen, el algoritmo se reduce a:

e(k )  y (k )  hT (k  1) x(k )
h(k )  h(k  1)   x(k )e(k )
Aplicaciones. Cancelación de Eco en líneas de transmisión.

El siguiente ejemplo muestra las ventajas que presenta el algoritmo


adaptable al cambiar sus parámetros en el tiempo.
Filtraremos en eco presente en una línea de transmisión de tipo telefónica.

Transmisor A Receptor B

x(t )
Filtro
Eco
e(t )
Adaptable k  x(t )

 
Receptor A  Transmisor B

El objetivo es la cancelación del eco producido por la comunicación


en dirección A hacia la dirección B.
Modelado de la línea de transmisión.

Para el modelado de la línea de transmisión, nos limitaremos a un retardo


en la transmisión debido a la duración de la propagación.
La señal de eco es producida de la señal recibida, multiplicada por el
factor de atenuación después de pasar por una ligera distorsión.

En este primer ejemplo, la señal de eco no pasa por una distorsión, pero
por una atenuación que modelamos por una ganancia variable entre (0,1).

La línea de transmisión será controlada a 10 ms.


El filtro adaptable lo diseñaremos en una función S, donde definiremos
el período de muestreo Ts, el coeficiente de adaptación  y el orden del
filtro.
LMS adaptive filtering
Echo cancellation
x(t)

0.833

A transmitter Transport Slider x^(t)


Delay Gain

filtre lms
y(t)
Mux adapt.mat
Mux lms1

Sum1 To File
A receiver Mux Sum
B transmitter
e(t)=y(t)+k*x(t) -x^(t) y(t)+k*x(t)

Mux1

La señal x (t ) y su eco kx(t ) están muy correlacionados.

Por otra parte, el transmisor y (t ) y la señal de eco kx(t ) no están


correlacionados, así que si el filtro cancela e(t ) a partir de la
referencia x(t ) hará que e(t ) tienda a y (t ), atenuando la señal de
eco presente en la línea.
Diseño de la función S, lms1.m

La etapa de inicialización condiciona a cero el vector de entrada xe ,


los coeficientes del vector h y el error (escalar).

El algoritmo es el siguiente:
y (k )  h(k  1) x '(k )
h(k )  h(k  1)   e(k ) x(k )
e(k )  xr (k )  y (k )

Para nuestra aplicación


x(k )  u (1)
xr (k )  e(k )  y (k )  x(k )  xˆ (k )  u (2)
y (k )  xˆ (k )  yf  sys : Salida de la función S
La señal del transmisor será sinusoidal, de amplitud unitaria y
frecuencia 300 Hz.
La línea introduce un retraso de 1 ms y la señal recibida y (t ) recibe un
eco de amplitud 0.833 x(t ).

La señal del transmisor B es también sinusoidal, de amplitud unitaria


pero de frecuencia 1000 Hz.
Para la simulación, utilizar el archivo 1ms1 con los siguientes datos
Ts=0.000125
 =0.005
n=10

Realizar la simulación durante 0.5 seg.

Vous aimerez peut-être aussi