Anda di halaman 1dari 44

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

DECANA DE AMERICA, Universidad del Per









Laboratorio N3: Ecuaciones en diferencia
con Coeficientes Constantes



Curso: Laboratorio de Procesamiento Digital
Estudiantes: Chafloque Mejia Joseph Daniel
Cdigo: 11190182
Ciclo: 2013-II
Profesor: Carrillo Gomero, Flavio
E.A.P: Ing. De Telecomunicaciones






Pgina 1


RESUMEN
En este presente informe se realizara una introduccin a las ecuaciones en diferencias de
orden N, as tambin como la diferencia de los sistemas recursivos y no recursivos, se planteara la
solucin de estos sistemas y tambin como resolverlo con el software MatLab con diferentes
ejemplos. Se analizara la respuesta impulsional de esos sistemas expresados en ecuaciones en
diferencias, como su estabilidad y su forma de resolverlos.
INTRODUCCION

En la vida real muchos sistemas discretos se encuentran expresados en ecuaciones en
diferencia, por eso es importante de saber cmo analizar esos sistemas, tanto para hallar su
respuesta impulsional como analizar su invariancia en el tiempo o su linealidad.
En ocasiones, al construir un modelo matemtico interesa elegir una variable que tome
valores discretos. As ocurre, por ejemplo, con el tiempo, ya que es comn realizar mediciones
regulares a la hora de controlar un experimento. Estos datos constituyen un conjunto finito, o
infinito numerable, de valores de la variable independiente. Para este tipo de modelos
determinsticos discretos, las herramientas matemticas ms adecuadas para analizarlos son las
ecuaciones en diferencias y los sistemas en diferencias. Cuando la naturaleza de las seales y de los
sistemas es discreta en el tiempo, el modelamiento se realiza por medio de ecuaciones lineales en
diferencias, de esta manera un sistema SDLIT (Sistema Discreto Lineal e Invariante en el Tiempo)
puede ser descrito por una Ecuacin de Diferencias Lineal con Coeficientes Constantes (EDLCC) cuya
formato es:

[ ]

[ ]


Si aN 0, entonces la ecuacin de diferencia es de orden N. Esta ecuacin describe un criterio
recursivo para calcular la salida, dado los valores de entrada. En la prctica esta ecuacin es
calculada en el tiempo, desde n = - a n = . Luego, otra forma de esta ecuacin es:
[]

[ ]

[ ]

]
Una solucin de esta ecuacin est formulada de la siguiente forma:
[]

[]

[]
Donde y
H
[n] es la solucin homognea y y
P
[n] es la solucin particular e y[n] es la solucin
general. Solucin particular y
P
[n] del sistema discreto y[n] satisface la ecuacin 3.1 para una entrada
dada. Solucin de la ecuacin homognea y
h
[n] se resuelve satisfaciendo la ecuacin:

[ ]

[]



Pgina 2


Al resolver la ecuacin homognea se obtienen N valores que permiten caracterizar por
completo la respuesta del sistema discreto. Esta restriccin puede presentarse de una forma alterna:
si se conocen N valores (condiciones auxiliares) de la seal de salida, por ejemplo y[1], . . . , y[N],
es posible determinar completamente y h[n]. Por lo tanto, para caracterizar completamente la
respuesta de un sistema descrito ante una entrada particular, es necesario especificar un conjunto
de N condiciones auxiliares.
La solucin particular depender de la entrada x[n], donde se ensayara una posible solucin
para resolver la ecuacin en diferencia.
Seal de entrada x[n] Solucin Particular
A (constante) K
A M
n
KM
n

A n
M
K
0
n
M
+ K
1
n
M-1
+ ..+ K
M

A
n
n
M
A
n
(K
0
n
M
+K
1
n
M-1
+ .. + K
M
)
Acos
0
n K
1
Acos
0
n + K
2
Asen
0
n
Asen
0
n K
1
Acos
0
n + K
2
Asen
0
n
Sistemas Recursivos: N > 0
Estos sistemas discretos se denominan de tipo recursivo porque los valores de la seal de
salida pueden obtenerse de manera recursiva a partir de valores obtenidos en instantes previos o
posteriores. El grado de estos sistemas viene dado por el mximo nmero (N) de acciones recursivas
que se deben efectuar sobre la secuencia de salida. El clculo de la respuesta del sistema, y[n], para
una entrada dada, x[n], requiere conocer N condiciones auxiliares, por ejemplo, los valores y[1], . . .
, y[- (N 1)].
[ ]

[ ]

[ ]

]
Sistemas no Recursivos: N = 0
Cuando N = 0, la ecuacin puede expresarse como:
[]

[ ]


Estos sistemas son simples de resolver ya que solo se tiene la secuencia de entrada retardada y ya se
tiene calculado y[n], no hay nada que hacer, el sistema ya est resuelto por as decirlo.


Pgina 3


PROCEDIMIENTO EXPERIMENTAL Y RESULTADOS

Los experimentos fueron realizados con el software MatLab 2013a, usando, en este caso, un
computador con microprocesador i7 con sistema opertico Windows 8. Aunque es posible realizar
los experimentos con un microprocesador de menor frecuencia y en un sistema operativo diferente,
consultar los requerimientos mnimos necesarios para que el MatLab fluya sin problemas.
Los experimentos estn en el orden de los ejercicios propuestos de la separata
proporcionada, con la debida numeracin, donde se har el respectivo anlisis e interpretacin de
los resultados:
DESARROLLO DEL EJERCICIO 3.1
- Analticamente hallar la respuesta impulsional h[n] del siguiente sistema SLDIT descrito por
la ecuacin de diferencias siguiente:

[] (

) [ ] [ ] [] [ ]
En el intervalo de .
Solucin:
Primero hallamos su solucin homognea, ensayando la solucin

[]

:
[] (

) [ ] [ ]

)
Donde sus races son:


Entonces su solucin homognea es:

[]

) ()

) ()
Su solucin particular es cero porque su respuesta impulsional viene dado por [] [].
Por tanto su solucin es:
[]

) ()

) ()
Considerando un sistema en reposo inicial ( [] ), se puede hallar las
constantes evaluando en 2 puntos:
[]
[] (

)

Pgina 4


Por lo tanto:
[]


[]

() ()

() ()


Por lo tanto, la respuesta impulsional del sistema es:
[] [(

) () (

) ()][]
- Graficando en MatLab esta funcin:
y=(0.9.^n).*cos(0.1963*n)+7.876935617*(0.9.^n).*sin(0.1963*n);
x=escalon(n);
g=y.*x;
n=-10:100;
stem(n,g)
title('y[n] con x[n]=delta(n)')
ylabel('y[n]'); xlabel('n')











Luego utilizando Matlab, graficar y comparar con los resultados obtenidos analticamente
para h[n].
Solucin:
% Ejercicio 3.1 b
clear all;
close all;
clc
b=[1 1.5];
a=[1 -1.8*cos(pi/16) 0.81];
x=[zeros(1,10) 1 zeros(1,100)];

Pgina 5


n=-10:100;
y=filter(b,a,x);
stem(n,y)
title('y[n] con x[n]=delta(n)')
ylabel('y[n]'); xlabel('n')











Se comprueba que la grfica resultante, tanto usando la funcin filter o la de la
ecuacin hallada analticamente es la misma, por lo tanto se puede concluir que el proceso analtico
es correcto. Adems que es estable, porque converge en un punto, y causal porque empieza desde
n=0, este ltimo fue condicin necesaria para resolver la ecuacin en diferencia.
DESARROLLO DEL EJERCICIO 3.2
Utilizando, Scilab 4.1 o Matlab 6.0 crea los vectores b y a que contengan respectivamente los
coeficientes de x[n] e y[n], de la siguiente ecuacin de diferencias:
[] [ ] []
Tomando en consideracin la funcin de y[n] caracterizada por la ecuacin, desarrollar los siguientes
ejercicios:
a. Sabiendo que este sistema es un SDLIT, calcular 20 muestras de sus respuestas impulsionales
para = 1, h1[n], y para = 0.5, h2[n]. Represente dichas respuestas impulsionales y a la
vista de estas graficas discuta las propiedades de causalidad y estabilidad de ambos
sistemas.

Solucin:

Representando las respuestas impulsionales usando MatLab:

clear all;
close all;
clc

Pgina 6


b=[1];
a=[1 -1];
a1=[1 -0.5];
x=[zeros(1,10) 1 zeros(1,10)];
n=-10:10;
y=filter(b,a,x);
y1=filter(b,a1,x);
subplot(121)
stem(n,y)
title('y[n] con alfa=1')
ylabel('y[n]'); xlabel('n')
subplot(122)
stem(n,y1)
title('y[n] con alfa=0.5')
ylabel('y[n]'); xlabel('n')



















Se puede observar que el solo hecho de cambiar un valor a la ecuacin, en este caso , hace
que la respuesta impulsional cambie totalmente, incluso puede cambiar su estabilidad, ya que para
el sistema no es estable ya que la suma es infinita pero para el valor si se puede decir
que es estable.


b. Calcular analticamente y[n], asumiendo condiciones iniciales cero, y 50 muestras para:
[] [] [] [] [] ( ) [] []

[]

Ahora utilizando Matlab crear un vector x[n] para los casos (I) y (II) de acuerdo a la ecuacin,
para 0 n 49. Genere los puntos dentro del intervalo propuesto para obtener la respuesta
de cada uno de los casos, luego representarlos grficamente y compararlos con la solucin
obtenida en forma analtica.
Para El caso (III) crear un vector x[n] para Ts = 500 mseg, f=1KHz, 2KHz, 4KHz, 5KHz, 8KHz y
10KHz y 0 n 100 muestras. Luego obtenga los puntos de respuesta dentro del intervalo
propuesto para cada uno de los casos, representarlos grficamente, compare los resultados
obtenidos tanto en forma grfica como analtica.

Pgina 7


Solucin:

CASO (1):

Calculo analtico, para [] [] su solucin particular es igual a 0, mientras que la
homognea ser:

[] [ ] []

( )
Entonces su solucin homognea es:
[]


Reemplazando en la ecuacin y evaluando en n=0 (considerando reposo inicial) tenemos:
[] [] []
[]


Por lo tanto su respuesta al impulso es:
- Para :

[]

[]

[] []
- Para :

[]

[]

[]

Obteniendo la respuesta al impulso usando MatLab:

clear all;
close all;
clc
b=[1];
a=[1 -1];
a1=[1 -0.5];
x=[zeros(1,20) 1 zeros(1,30)];
n=-20:30;
y=filter(b,a,x);
y1=filter(b,a1,x);
subplot(121)
stem(n,y)
title('y[n] con alfa=1 y x[n]=delta[n]')
ylabel('y[n]'); xlabel('n')
subplot(122)
stem(n,y1)
title('y[n] con alfa=0.5 y x[n]=delta[n]')
ylabel('y[n]'); xlabel('n')

Pgina 8




















Siendo las mismas graficas que en la pregunta 3.2a, ya que es la misma condicin de
[] [] que es justamente la respuesta al impulso, y se comprueba con la ecuacin hallada
analticamente.

CASO (2):

Calculo analtico para [] [], la solucin homognea ser la misma calculada en el
caso 1 (

[]

), su solucin particular ser:


Solucin Particular:
[] [ ] [] [] []
[]

[]


- Si , entonces para todo :

[]
Entonces la solucin a la ecuacin en diferencia es (

[]

[]):
[] (

)[]
Reemplazando la ecuacin en n=0:
[] [] []


Por lo tanto para la solucin de la ecuacin en diferencia es:

Pgina 9

[] (

)[]
- Para es ms sencillo hacerlo por convolucion, como ya se tiene la respuesta
impulsional, entonces:

[] []
[] [] [] [] [] [][ ]

[ ]


Como el sistema parte del reposo inicial:

[] ( )[]
Obteniendo el resultado de y[n] usando MatLab:
clear all;
close all;
clc
b=[1];
a=[1 -1];
a1=[1 -0.5];
x=[zeros(1,20) ones(1,31)];
n=-20:30;
y=filter(b,a,x);
y1=filter(b,a1,x);
subplot(121)
stem(n,y)
title('y[n] con alfa=1 y x[n]=u[n]')
ylabel('y[n]'); xlabel('n')
subplot(122)
stem(n,y1)
title('y[n] con alfa=0.5 y x[n]=u[n]')
ylabel('y[n]'); xlabel('n')















Se comprueba que efectivamente son las grficas de las soluciones halladas analticamente,
por tanto es correcto el anlisis.

Pgina
10


Como se puede observar nuevamente cuando el sistema no es estable ya que la suma es
infinita pero para el valor si se puede decir que es estable, ya que todo converge en 2.

CASO (3):


Calculo analtico para [] ( ) [] , hallando y[n] por convolucion:

- Para , como ya se tiene la respuesta impulsional, entonces:

[] []
[] [] [] ( ) [] [] ( ) [][ ]

[] ( )

) (
( )

)
( )

Demostracin de la sumatoria por ser muy largo esta adjunta en el apndice de este informe.
- Para se resolver con la solucin particular, la solucin homognea ser la misma
indicada en el caso 1:
Solucin Particular:
[] [ ] []

[]

( )

( )

( )

( )

(( ) )

(( ) )
( ) []

[( ) ( )]

[( ) ( )] ( ) []

Para que la igualdad se cumpla

[( ) ( )] ( ) []

Para todo :

( )
( ) ( )

[]
( )

( ) ( )

La solucin general seria:
[] [
( )

( ) ( )

] []
Hallando el valor de la constante C:
[] ()



Pgina
11


Por lo que:

[] [
( )

( ) ( )

] []

Graficando la solucin a la ecuacin en diferencia planteada usando la funcin filter del
MatLab.
Las siguientes graficas son usando el valor de Ts y de f dados en el problema, el cdigo de
programacin del Matlab es largo, por eso estar adjunto en el apndice.
Para















Se puede observar que las grficas son las mismas para las diferentes frecuencias asignadas,
y son muy similares a la grfica del caso b, donde [] [] y , esto es debido a que la
frecuencia de muestreo es muy lenta, y toma valores nicos e iguales llegando a parecer un escaln
unitario, por eso es que la grfica es la misma. La frecuencia de muestreo tendra que aumentar para
poder graficar adecuadamente su respuesta al coseno discreto.



Pgina
12


Para












Se puede observar nuevamente que las grficas son las mismas para las diferentes
frecuencias asignadas, y son muy similares a la grfica del caso b, donde [] [] y ,
como ya se explico es debido a que la frecuencia de muestreo es muy lenta, y toma valores nicos e
iguales llegando a parecer un escaln unitario, por eso es que la grfica es la misma.
- Cambiando las frecuencias para un buen muestreo.
Si se tiene que Ts= 500 mseg, entonces su frecuencia de muestreo es 2Hz, por el teorema de
muestreo de Nyquist-Shannon.


La frecuencia mxima que puede muestrear tomando Ts=500 mseg, es solo 1 Hz, ahora
graficando en MatLab la respuesta a este sistema pero esta vez tomaremos frecuencias bajas tal que
no supere los 1Hz.
El cdigo en MatLab estar adjunto en el apndice por ser muy largo.



Pgina
13


Para













Para













Pgina
14



Ahora si se puede observar al coseno, y en el mximo de frecuencia permitida que es 1Hz se
puede ver observa que es el lmite ya que casi no es un coseno. En la mnima frecuencia que en este
caso se le puso 0.1 Hz se ve en ambos casos la forma del coseno, salvo por el primer periodo donde
la cresta es ms pequeo pero luego se normaliza.
- Cambiando la frecuencia de muestreo
Se tendr que aumentar la frecuencia de muestreo si se quiere muestrear hasta 10kHz, por el
teorema de muestreo de Nyquist-Shannon.



Para eso se tiene que tener una frecuencia de muestreo mnima de 20kHz, que equivale a
decir que tiene que muestrear a Ts=0.5 useg para lograr lo pedido.
El cdigo en MatLab estar adjunto en el apndice por ser muy largo.
Para













Pgina
15


Para












Como en el caso que se vari las frecuencias. Incrementando la frecuencias de muestreo
tambin se puede lograr el mismo efecto, ya que como se puede observar ahora si se pude notar al
coseno, y en la frecuencia limite que es 10kHz se puede ver solo los picos del coseno.
c. Ahora en el caso (IV), fijar la condicin inicial al filtro en 0.5 y asignar el valor de =0.5.
Evalu y represente la salida del sistema. Comente las diferencias del resultado obtenido.

CASO (4):

Calculo analtico, con []

[] , siendo la misma solucin homognea la hallada en


el caso 1, solo hallaremos la solucin particular:

[] [ ] []

[]

[]
Para todo :


Por lo cual:

Pgina
16

[]


- Para , su solucin es:

[] (

)[]
Hallando la constante C para n=0:
[]


Por lo tanto:

[] (

)[]
- Para , su solucin es:
[] (

)[]
Hallando la constante C para n=0:
[]


Por lo tanto:

[] (

)[]
Obteniendo la grfica del resultado con ayuda del MatLab.
% Ejercicio 3.2 caso 4
clear all;
close all;
clc
b=[1];
a=[1 -1];
a1=[1 -0.5];
n=-20:30;
x=exp(-0.5*n).*escalon(n);
y=filter(b,a,x);
y1=filter(b,a1,x);
subplot(121)
stem(n,y)
title('y[n] con alfa=1 y x[n]=delta[n]')
ylabel('y[n]'); xlabel('n')
subplot(122)
stem(n,y1)
title('y[n] con alfa=0.5 y x[n]=delta[n]')

Pgina
17


ylabel('y[n]'); xlabel('n')











Al cambiar el valor de hace que la respuesta del sistema cambie totalmente, ambos
sistemas son estables y casusales.
DESARROLLO DEL EJERCICIO 3.3
Sea un sistema descrito por la ecuacin:
[] [ ] [ ] [ ]


1. Calcular su respuesta impulsional a mano. Utilizando la funcin filter obtenga dicha
respuesta y dibuje con el correcto eje de tiempos.

Solucin:

La respuesta impulsional se calcula haciendo x[n]=[n], por tanto como el sistema es no
recursivo su solucin es sencilla de hallar:
[] [ ] [ ]


Utilizando la funcin filter se obtuvo la siguiente respuesta impulsional:
% Ejercicio 3.3 respuesta al impulso
clear all;
close all;
clc
b=[-2 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20];
a=[1];
n=-20:30;

Pgina
18


x=[zeros(1,20) 1 zeros(1,30)];
y=filter(b,a,x);
stem(n-2,y)
title('y[n] con x[n]=delta[n]')
ylabel('y[n]'); xlabel('n')












2. Es causal dicho sistema? Es estable?

Solucin:

El sistema no es causal porque depende de una entrada futura (x[n+2]), pero si es estable
porque la sumatoria de su respuesta impulsional (h[n]) es un numero finito, en este caso es 212.

3. Si la entrada es x[n] = 3(u[n] u[n 10]), obtenga la salida y dibjela.

Solucin:

% Ejercicio 3.3 con x(n)=3*(u[n]-u[n-10])
clear all;
close all;
clc
b=[-2 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20];
a=[1];
n=-10:40;
x=3*[zeros(1,10) ones(1,10) zeros(1,31)];
y=filter(b,a,x);
stem(n-2,y)
title('y[n] con x[n]=3*(u[n]-u[n-10])')
ylabel('y[n]'); xlabel('n')



Pgina
19












Como era de esperar, el resultado de la ecuacin en diferencia no es causal, pero si estable.
EJERCICIO CON GRABACION DE VOZ
Usando la ecuacin en diferencia del ejercicio 3.2, donde esta vez se introducir como
variable de entrada una grabacin de voz, y se ver como es la salida de la ecuacin.
[] [ ] []
La programacin para grabar el audio en MatLab que se us en este ejercicio es el siguiente:
%Grabar sonido
clear all;
close all;
clc
Fs=16000;
y=wavrecord(3*Fs,Fs,'int16');
player=audioplayer(y,Fs);
play(player)
plot(y)
audiowrite('F:\Trabajos UNMSM\MATLAB\vocala.wav',y,Fs)

Y para la reproduccin de un archivo de audio en el Matlab es el siguiente:
%Reproducir Sonido
clear all;
close all;
clc
[y,Fs]=audioread('F:\Trabajos UNMSM\MATLAB\vocala.wav');
player=audioplayer(y,Fs);
play(player)
plot(y)


Pgina
20


Se us las nuevas funciones del MatLab 2013a (audiowrite, audioplayer, play,
audioread), las funciones wavplay,wavwrite y el wavread ya no estarn disponibles en
futuras versiones. Tambin la funcin wavrecord ser reemplazada por audiorecorder pero aun
no la se usar.

Se grab la pronuncia de una vocal a de mi voz, entonces en la ecuacin se usara los
valores de en 1,0.5,-1,-0.5,2 y -2. El cdigo siguiente solo esta para cambiar a 2 valores de , solo
se mostraran las grficas resultantes para los otros valores de restantes.
clear all;
close all;
clc
b=[1];
a=[1 -1]; a1=[1 -0.5];
[x,Fs]=audioread('F:\Trabajos UNMSM\MATLAB\vocala.wav');
y=filter(b,a,x); y1=filter(b,a1,x);
player=audioplayer(y1,Fs); play(player)
audiowrite('F:\Trabajos UNMSM\MATLAB\vocala1.wav',y,Fs)
audiowrite('F:\Trabajos UNMSM\MATLAB\vocala0.5.wav',y,Fs)
subplot(121)
plot(y)
title('Salida de audio del sistema con alfa=1')
subplot(122)
plot(y1)
title('Salida de audio del sistema con alfa=0.5')


Entrada de audio del sistema













Pgina
21


Salida del sistema con los diferentes valores de



























Pgina
22














Como se puede observar en las grficas, la mayores modificaciones de la seal de audio son
cuando toma los valores de 1,-2 y 2, ya que cuando es 1 su respuesta es un escaln unitario y esto
har que la seal suba de nivel progresivamente como es ve en la grfica, ahora en -2 y 2 su
respuesta impulsional es una seal muy retrasada y con ganancia muy alta, esto hara un pitido, o en
todo caso una seal muy alta como se ve en sus graficas respectivas. Con =-1 se ve una atenuacin
en la seal y con =0.5 y =-0.5 se ve una ganancia en la seal de entrada, esto se debe a su
respuesta impulsional vistas en el ejercicio 3.2.
DESARROLLO DEL EJERCICIO 3.4
Evaluar la estabilidad para los sistemas SDLIT de las Ec (3.10) , (3.11) y (3.12) utilizando las
respuestas impulsionales de cada una de ellas.
Solucin:
Respuesta al impulso de la ecuacin en diferencia 3.10:
[] [(

) () (

) ()][]
Evaluando en la condicin de estabilidad:
|[]|

[(

) () (

) ()][]


[(

) () (

) ()]



Pgina
23


[(

) ()

] [(

) ()

]


Por lo tanto el sistema 3.10 es estable.
Respuesta al impulso de la ecuacin en diferencia 3.11:
[] [ ] []
- Para :

[] []
Analizando su estabilidad:
|[]|

[]


Por lo tanto el sistema NO es estable.
- Para :

[]

[]
Analizando su estabilidad:
|[]|

[]



Por lo tanto el sistema es estable.
Respuesta al impulso de la ecuacin en diferencia 3.12:
[] [ ] [ ]


Analizando su estabilidad:
|[]|

[[ ] [ ]



Por lo tanto el sistema 3.12 es estable.


Pgina
24


CUESTIONARIO
Para los sistemas discretos propuestos utilizando la grfica de respuesta impulsional y de
frecuencia de cada uno de ellos, analizar las propiedades de linealidad, invariancia en el tiempo,
causalidad, y estabilidad.

Ecuacin en diferencia N1:
[] [ ] [ ] [ ] [] [ ] [ ] [ ]

Solucin:

o Linealidad:
El ecuacin en diferencia del sistema discreto es lineal, porque no tiene ningn elemento de x[n]
o y[n] elevado al cuadrado, y estos estn multiplicados por constantes.
o Invariancia en el tiempo:
La ecuacin en diferencia del sistema discreto solo est representada por entradas y[n] y x[n] en
retraso, y la variable n no est multiplicado por ninguna constante diferente de 1, por tanto el
sistema es invariante en el tiempo.
o Casualidad:
La ecuacin en diferencia del sistema discreto solo est representada por entradas y[n] y x[n] en
retraso, por tanto no depende de datos futuros, solo de pasados o presentes, por tanto el sistema
es casual.
o Estabilidad:
Observando la grfica de su respuesta impulsional obtenida por el siguiente cdigo en MatLab:
clear all;
close all;
clc
b=[1 -0.48 0.48 -0.16];
a=[1 0.13 0.52 0.3];
x=[zeros(1,5) 1 zeros(1,30)];
n=-5:30;
y=filter(b,a,x);
stem(n,y)
title('y[n] del Sistema')
ylabel('y[n]');
xlabel('n')



Pgina
25













Se puede observar de la grfica de la salida y[n] converge en un punto, por tanto el sistema
es estable.
Ecuacin en diferencia N2:
[] [ ] [] [ ]
Solucin:
o Linealidad:
El ecuacin en diferencia del sistema discreto es lineal, porque no tiene ningn elemento de x[n] o
y[n] elevado al cuadrado, y estos estn multiplicados por constantes.
o Invariancia en el tiempo:
La ecuacin en diferencia del sistema discreto solo est representada por entradas y[n] y x[n] en
retraso, y la variable n no est multiplicado por ninguna constante diferente de 1, por tanto el
sistema es invariante en el tiempo.
o Casualidad:
La ecuacin en diferencia del sistema discreto solo est representada por entradas y[n] y x[n] en
retraso, por tanto no depende de datos futuros, solo de pasados o presentes, por tanto el sistema
es casual.
o Estabilidad:
Observando la grfica de su respuesta impulsional obtenida por el siguiente cdigo en MatLab:


Pgina
26


clear all;
close all;
clc
b=[1 0 -0.634];
a=[1 0 -0.268];
x=[zeros(1,5) 1 zeros(1,30)];
n=-5:30;
y=filter(b,a,x);
stem(n,y)
title('y[n] del Sistema')
ylabel('y[n]'); xlabel('n')













Se puede observar de la grfica de la salida y[n] converge en un punto, por tanto el sistema es
estable.
Ecuacin en diferencia N3:
[] [ ] [] [ ]
Solucin:
o Linealidad:
El ecuacin en diferencia del sistema discreto es lineal, porque no tiene ningn elemento de x[n] o
y[n] elevado al cuadrado, y estos estn multiplicados por constantes.
o Invariancia en el tiempo:

Pgina
27


La ecuacin en diferencia del sistema discreto solo est representada por entradas y[n] y x[n] en
retraso, y la variable n no est multiplicado por ninguna constante diferente de 1, por tanto el
sistema es invariante en el tiempo.
o Casualidad:
La ecuacin en diferencia del sistema discreto solo est representada por entradas y[n] y x[n] en
retraso, por tanto no depende de datos futuros, solo de pasados o presentes, por tanto el sistema
es casual.
o Estabilidad:
Observando la grfica de su respuesta impulsional obtenida por el siguiente cdigo en MatLab:
clear all;
close all;
clc
b=[0.634 0 0.634];
a=[1 0 0.268];
x=[zeros(1,5) 1 zeros(1,30)];
n=-5:30;
y=filter(b,a,x);
stem(n,y)
title('y[n] del Sistema')
ylabel('y[n]'); xlabel('n')













Se puede observar de la grfica de la salida y[n] converge en un punto, por tanto el sistema es
estable.

Pgina
28


Ecuacin en diferencia N4:
[] [ ] [ ] [] [ ] [ ]
Solucin:
o Linealidad:
El ecuacin en diferencia del sistema discreto es lineal, porque no tiene ningn elemento de x[n] o
y[n] elevado al cuadrado, y estos estn multiplicados por constantes.
o Invariancia en el tiempo:
La ecuacin en diferencia del sistema discreto solo est representada por entradas y[n] y x[n] en
retraso, y la variable n no est multiplicado por ninguna constante diferente de 1, por tanto el
sistema es invariante en el tiempo.
o Casualidad:
La ecuacin en diferencia del sistema discreto solo est representada por entradas y[n] y x[n] en
retraso, por tanto no depende de datos futuros, solo de pasados o presentes, por tanto el sistema
es casual.
o Estabilidad:
Observando la grfica de su respuesta impulsional obtenida por el siguiente cdigo en MatLab:
clear all;
close all;
clc
b=[1 -5 10];
a=[10 -5 1];
x=[zeros(1,5) 1 zeros(1,30)];
n=-5:30;
y=filter(b,a,x);
stem(n,y)
title('y[n] del Sistema')
ylabel('y[n]'); xlabel('n')










Pgina
29



Se puede observar de la grfica de la salida y[n] converge en un punto, por tanto el sistema es
estable.

Ecuacin en diferencia N5:
[]

[ ]

[ ]

[ ]

Solucin:
o Linealidad:
El ecuacin en diferencia del sistema discreto es lineal, porque no tiene ningn elemento de x[n] o
y[n] elevado al cuadrado, y estos estn multiplicados por constantes.
o Invariancia en el tiempo:
La ecuacin en diferencia del sistema discreto solo est representada por entradas y[n] y x[n] en
retraso, y la variable n no est multiplicado por ninguna constante diferente de 1, por tanto el
sistema es invariante en el tiempo.
o Casualidad:
La ecuacin en diferencia del sistema discreto solo est representada por entradas y[n] y x[n] en
retraso, por tanto no depende de datos futuros, solo de pasados o presentes, por tanto el sistema
es casual.
o Estabilidad:
Observando la grfica de su respuesta impulsional obtenida por el siguiente cdigo en MatLab:

clear all;
close all;
clc
b=[0 1/3];
a=[1 -5/6 1/6];
x=[zeros(1,5) 1 zeros(1,30)];
n=-5:30;
y=filter(b,a,x);
stem(n,y)
title('y[n] del Sistema')
ylabel('y[n]');
xlabel('n')



Pgina
30












Se puede observar de la grfica de la salida y[n] converge en un punto, por tanto el sistema es
estable.
Ecuacin en diferencia N6:
[] ( )[ ]
Solucin:
o Linealidad:
Sean las entradas y salidas las siguientes:

[]

[] ( )

[ ]

[]

[] ( )

[ ]

[]

[]

[]

[] ( )

[ ]
De la igualdad:

[]

[]

[]

[ ]

[ ]

[ ]
Entonces:

[]

[] ( )

[ ] ( )

[ ] ( )[

[ ]

[ ]]

[]

[] ( )

[ ]

[]
Por tanto el sistema es lineal.
o Invariancia en el tiempo:
Sean las entradas y salidas las siguientes:

Pgina
31

[]

[] ( )

[ ]

[]

[ ]

[] ( )

[ ]
De la igualdad de las entradas:

[]

[ ]

[ ]

[ ]

[] ( )

[ ] ( )

[ ]
La entrada y
1
[n] retrasada a ser:

[ ] ( )

[ ] ( )

[ ]

[ ]

[]
Por lo tanto el sistema no es invariante en el tiempo.
o Casualidad:
La ecuacin en diferencia del sistema discreto tiene un atraso de 5T, ahora s T toma un
valor negativo entonces se convierte en un adelanto y por tanto no sera causal porque
dependera de una variable futura, por tanto el sistema no es causal.
o Estabilidad:
Haciendo que la entrada del sistema sea un impulso unitario entonces su respuesta al impulso ser:
[] [] ( )[ ]
Comprobando su estabilidad:
|[]|

( )[ ]


Por tanto el sistema es estable.
Ecuacin en diferencia N7:
[] [ ]


Solucin:
o Linealidad:
Sean las entradas y salidas las siguientes:

[]

[]

[ ]

[]

[]

[ ]

[]

[]

[]

[]

[ ]




Pgina
32


De la igualdad:

[]

[]

[]

[ ]

[ ]

[ ]

[ ]

[ ]


Entonces:

[]

[]

[ ]

[ ]

[ ]

[ ]

[ ]

[]

[]

[]
Por tanto el sistema no es lineal.
o Invariancia en el tiempo:
Sean las entradas y salidas las siguientes:

[]

[]

[ ]

[]

[ ]

[]

[ ]


De la igualdad de las entradas:

[]

[ ]

[ ]

[ ]

[]

[ ]

[ ]


La entrada y
1
[n] retrasada a ser:

[ ]

[ ]

[]

[ ]

[]
Por lo tanto el sistema es invariante en el tiempo.
o Casualidad:
La ecuacin en diferencia del sistema discreto tiene un adelanto n+2 por tanto depende de
variables futuras, por eso el sistema no es causal.
o Estabilidad:
Haciendo que la entrada del sistema sea un impulso unitario entonces su respuesta al impulso ser:
[] [] [ ]


Comprobando su estabilidad:
|[]|

[ ]


Por tanto el sistema es estable.


Pgina
33


Ecuacin en diferencia N8:
[] [ ]
Solucin:
o Linealidad:
Sean las entradas y salidas las siguientes:

[]

[]

[ ]

[]

[]

[ ]

[]

[]

[]

[]

[ ]
De la igualdad:

[]

[]

[]

[ ]

[ ]

[ ]
Entonces:

[]

[]

[ ]

[ ] [

[ ]

[ ]]

[ ]

[]

[]

[]
Por tanto el sistema es lineal.
o Invariancia en el tiempo:
Sean las entradas y salidas las siguientes:

[]

[]

[ ]

[]

[ ]

[]

[ ]
De la igualdad de las entradas:

[]

[ ]

[ ]

[ ]

[]

[ ]

[ ]
La entrada y
1
[n] retrasada b ser:

[ ]

[ ]

[ ]

[ ]

[]
Por lo tanto el sistema no es invariante en el tiempo.
o Casualidad:
La ecuacin en diferencia del sistema discreto tiene un adelanto de T, por tanto no sera causal
porque dependera de una variable futura, por tanto el sistema no es causal.

Pgina
34


o Estabilidad:
Haciendo que la entrada del sistema sea un impulso unitario entonces su respuesta al impulso ser:
[] [] [ ]
Comprobando su estabilidad:
|[]|

[ ]


Por tanto el sistema es estable.

Ecuacin en diferencia N9:
[] [][]
Solucin:
o Linealidad:
Sean las entradas y salidas las siguientes:

[]

[]

[][]

[]

[]

[][]

[]

[]

[]

[]

[][]
De la igualdad:

[]

[]

[]

[]

[]

[]
Entonces:

[]

[]

[][]

[][] [][

[]

[]]

[][]

[]

[]

[]
Por tanto el sistema es lineal.
o Invariancia en el tiempo:
Sean las entradas y salidas las siguientes:

[]

[]

[][]

[]

[ ]

[]

[][]
De la igualdad de las entradas:

[]

[ ]

[]

[ ]

Pgina
35

[]

[][]

[ ][]
La entrada y
1
[n] retrasada b ser:

[ ]

[ ][ ]

[ ][]

[ ]

[]
Por lo tanto el sistema no es invariante en el tiempo.
o Casualidad:
La ecuacin en diferencia del sistema discreto solo depende de una entrada presente, por tanto
el sistema es causal
o Estabilidad:
Haciendo que la entrada del sistema sea un impulso unitario entonces su respuesta al impulso ser:
[] [] [][]
Comprobando su estabilidad:
|[]|

[][]

[]
Por tanto el sistema es estable.
Ecuacin en diferencia N10:
[] [ ] [ ] [ ]
Solucin:
o Linealidad:
El ecuacin en diferencia del sistema discreto es lineal, porque no tiene ningn elemento de x[n] o
y[n] elevado al cuadrado, y estos estn multiplicados por constantes.
o Invariancia en el tiempo:
La ecuacin en diferencia del sistema discreto solo est representada por entradas y[n] y x[n] en
retraso o en adelanto, y la variable n no est multiplicado por ninguna constante diferente de 1,
por tanto el sistema es invariante en el tiempo.
o Casualidad:
La ecuacin en diferencia del sistema discreto tiene un entrada en adelanto (x[n+5]), por tanto
depende de datos futuros, por lo tanto el sistema no es causal.
o Estabilidad:
Observando la grfica de su respuesta impulsional obtenida por el siguiente cdigo en MatLab:

Pgina
36


clear all;
close all;
clc
b=[5 0 0 0 0 0 0 0 0 1];
a=[1 -1];
x=[zeros(1,5) 1 zeros(1,30)];
n=-5:30;
y=filter(b,a,x);
stem(n-5,y)
title('y[n] del Sistema')
ylabel('y[n]'); xlabel('n')












Se puede observar de la grfica de la salida y[n] tiene valores infinitos donde sumados dara una
valor infinito, por tanto el sistema es no estable.
DISCUSIN DE LOS RESULTADOS

EJERCICIO 3.1
Para ejecutar el cdigo filter del MatLab hay que tener cuidado con el signo y la posicin de los
vectores, porque un error puede resultar una solucin completamente distinta. Comparndola con
la solucin hallada analticamente (suponiendo un sistema en reposo inicial como lo hace la funcin
filter), da como conclusin que es la misma, por tanto la funcin filter si da la solucin correcta,
o en todo caso la forma de hallar la solucin analtica es correcta.
EJERCICIO 3.2
Un simple cambio en la constante puede cambiar de forma totalmente diferente la respuesta
de un sistema, incluso su respuesta impulsional es totalmente distinta.

Pgina
37


La forma analtica de hallar la solucin del sistema es tediosa y larga, no practico, pero es posible
su solucin de esta manera.
En la parte de los resultados del coseno, se puede observar la importancia del teorema del
muestreo de Nyquist, ya que si no est muestreado adecuadamente se pierde totalmente la
informacin del coseno, por eso hay que adaptar de manera correcta cul es su frecuencia de
muestreo o de manera anloga determinar hasta cuanto puede muestrear la frecuencia de
muestreo dada.
EJERCICIO 3.3
Cuando el sistema es no recursivo, su solucin es inmediata ya que prcticamente tienes la
respuesta ya expresada. Los sistemas no causales tienen una manera diferente de resolverlo usando
la funcin filter, ya que hay que hacer un cambio de variable en el tiempo y graficarlo teniendo en
cuenta este cambio de variable.
Tambin de lo grafica de la solucin del sistema es posible determinar si es causal o estable, o al
menos dar una primera impresin de estos.
EJERCICIO 3.4
Usando la definicin de estabilidad es la manera correcta de hallar si un sistema es estable o no.
Se comprob que las prediccin (de sus respectivas graficas halladas con el MatLab) si el sistema era
estable o no, de manera analtica. Llegando a la conclusin que si es posible conocer su estabilidad
con ayuda de la grfica de la respuesta.
Grabacin de Voz
Al ver lo efectos que se produce al introducir una voz al sistema del ejercicio 3.2 se pudo
observar que las mayores modificaciones de la seal de audio son cuando toma los valores de 1,-2
y 2, ya que cuando es 1 su respuesta es un escaln unitario y esto har que la seal suba de nivel
progresivamente como es ve en la grfica, ahora en -2 y 2 su respuesta impulsional es una seal muy
retrasada y con ganancia muy alta, esto hara un pitido, o en todo caso una seal muy alta como se
ve en sus graficas respectivas. Con =-1 se ve una atenuacin en la seal y con =0.5 y =-0.5 se ve
una ganancia en la seal de entrada, esto se debe a su respuesta impulsional vistas en el ejercicio
3.2.
Entonces si se conoce mejor al sistema, o se puede crear otro, se puede modificar la voz al
antojo de uno, como amplificarla o atenuarla, con simplemente meterlo a aun sistema.
CONCLUSIONES

La solucin a las ecuacin en diferencias de sistemas recursivos pueden ser tediosos en su
clculo analtico, encontrar su solucin particular puede ser difcil en ciertos sistemas tomando
mucho tiempo resolverlos, pero con ayuda del software MatLab se convierte en una tarea sencilla.

Pgina
38


Conociendo la respuesta al impulso de estas ecuaciones en diferencia se puede determinar
ciertas caractersticas del sistema, como su causalidad y estabilidad, as como predecir futuras
salidas con ayuda de la convolucion, que puede resultar en ciertos casos ms sencillos que hallar
salida usando la solucin particular y homognea.
Estos sistemas pueden moldearse para obtener una salida desea, como en el caso del audio
se encontr varias salidas para determinados valores de un parmetro, por tanto si se desea se
puede obtener una salida desea, incluso modificar la voz a nuestro antojo.
REFERENCIAS

1. Alan V. Oppenheim, Alan S. Willsky with Ian T. Young. Seales y Sistemas. Prentice-Hall
International Editions.
2. Ms informacin de Matlab consultar a la pgina web at http://www.mathworks.com
APENDICES

1. Demostracin de:
( )

) (
( )

)
( )


Se tiene que:

() ()
La parte real de la suma de la serie geomtrica resulta ser el valor buscado:


La razn es:



Ahora se tiene que llegar a la parte real de la expresin, para esto forzaremos el factor comn


en el numerador y el factor

en el denominador:



Pgina
39


Identificamos:
(

()

()


Entonces nos queda:

]
(

)
(

)

O tambin:

[ (

) (

)]
(

)
(

)

Siendo la parte real de la expresin:
()

)
(

)
(

)

Y la parte imaginaria:
()

)
(

)
(

)

2. Cdigo en MatLab de la pregunta 3.2 b, caso 3, con Ts=500 mseg y las frecuencias
proporcionadas por el problema:
% Ejercicio 3.2 b
clear all;
close all;
clc
b=[1];
a=[1 -1]; a1=[1 -0.5];
ts=0.5;
f=[1000 2000 4000 5000 8000 10000];
n=0:100;
x1=cos(n*f(1)*ts*pi*2).*escalon(n);
x2=cos(n*f(2)*ts*pi*2).*escalon(n);
x3=cos(n*f(3)*ts*pi*2).*escalon(n);
x4=cos(n*f(4)*ts*pi*2).*escalon(n);
x5=cos(n*f(5)*ts*pi*2).*escalon(n);
x6=cos(n*f(6)*ts*pi*2).*escalon(n);
y1=filter(b,a,x1); y2=filter(b,a,x2);
y3=filter(b,a,x3); y4=filter(b,a,x4);
y5=filter(b,a,x5); y6=filter(b,a,x6);

Pgina
40


y11=filter(b,a1,x1); y12=filter(b,a1,x2);
y13=filter(b,a1,x3); y14=filter(b,a1,x4);
y15=filter(b,a1,x5); y16=filter(b,a1,x6);
figure(1)
subplot(231)
stem(n,y1)
title('y[n] con alfa=1,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=1kHz')
ylabel('y[n]'); xlabel('n')
subplot(232)
stem(n,y2)
title('y[n] con alfa=1,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=2kHz')
ylabel('y[n]'); xlabel('n')
subplot(233)
stem(n,y3)
title('y[n] con alfa=1,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=4kHz')
ylabel('y[n]'); xlabel('n')
subplot(234)
stem(n,y4)
title('y[n] con alfa=1,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=5kHz')
ylabel('y[n]'); xlabel('n')
subplot(235)
stem(n,y5)
title('y[n] con alfa=1,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=8kHz')
ylabel('y[n]'); xlabel('n')
subplot(236)
stem(n,y6)
title('y[n] con alfa=1,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=10kHz')
ylabel('y[n]'); xlabel('n')
figure(2)
subplot(231)
stem(n,y11)
title('y[n] con alfa=0.5,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=1kHz')
ylabel('y[n]'); xlabel('n')
subplot(232)
stem(n,y12)
title('y[n] con alfa=0.5,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=2kHz')
ylabel('y[n]'); xlabel('n')
subplot(233)
stem(n,y13)
title('y[n] con alfa=0.5,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=4kHz')
ylabel('y[n]'); xlabel('n')
subplot(234)
stem(n,y14)
title('y[n] con alfa=0.5,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=5kHz')
ylabel('y[n]'); xlabel('n')
subplot(235)
stem(n,y15)
title('y[n] con alfa=0.5,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=8kHz')
ylabel('y[n]'); xlabel('n')
subplot(236)
stem(n,y16)
title('y[n] con alfa=0.5,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=10kHz')
ylabel('y[n]'); xlabel('n')

3. Cdigo en MatLab de la pregunta 3.2 b, caso 3, con Ts=500 mseg y las frecuencias cambiadas
para un ptimo muestreo por el problema:
% Ejercicio 3.2 b cambiando las frecuencias
clear all;
close all;

Pgina
41


clc
b=[1];
a=[1 -1]; a1=[1 -0.5];
ts=0.5;
f=[0.1 0.2 0.4 0.5 0.8 1];
n=0:100;
x1=cos(n*f(1)*ts*pi*2).*escalon(n);
x2=cos(n*f(2)*ts*pi*2).*escalon(n);
x3=cos(n*f(3)*ts*pi*2).*escalon(n);
x4=cos(n*f(4)*ts*pi*2).*escalon(n);
x5=cos(n*f(5)*ts*pi*2).*escalon(n);
x6=cos(n*f(6)*ts*pi*2).*escalon(n);
y1=filter(b,a,x1); y2=filter(b,a,x2);
y3=filter(b,a,x3); y4=filter(b,a,x4);
y5=filter(b,a,x5); y6=filter(b,a,x6);
y11=filter(b,a1,x1); y12=filter(b,a1,x2);
y13=filter(b,a1,x3); y14=filter(b,a1,x4);
y15=filter(b,a1,x5); y16=filter(b,a1,x6);
figure(1)
subplot(231)
stem(n,y1)
title('y[n] con alfa=1,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=0.1Hz')
ylabel('y[n]'); xlabel('n')
subplot(232)
stem(n,y2)
title('y[n] con alfa=1,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=0.2Hz')
ylabel('y[n]'); xlabel('n')
subplot(233)
stem(n,y3)
title('y[n] con alfa=1,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=0.4Hz')
ylabel('y[n]'); xlabel('n')
subplot(234)
stem(n,y4)
title('y[n] con alfa=1,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=0.5Hz')
ylabel('y[n]'); xlabel('n')
subplot(235)
stem(n,y5)
title('y[n] con alfa=1,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=0.8Hz')
ylabel('y[n]'); xlabel('n')
subplot(236)
stem(n,y6)
title('y[n] con alfa=1,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=1Hz')
ylabel('y[n]'); xlabel('n')
figure(2)
subplot(231)
stem(n,y11)
title('y[n] con alfa=0.5,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=0.1Hz')
ylabel('y[n]'); xlabel('n')
subplot(232)
stem(n,y12)
title('y[n] con alfa=0.5,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=0.2Hz')
ylabel('y[n]'); xlabel('n')
subplot(233)
stem(n,y13)
title('y[n] con alfa=0.5,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=0.4Hz')
ylabel('y[n]'); xlabel('n')
subplot(234)
stem(n,y14)
title('y[n] con alfa=0.5,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=0.5Hz')
ylabel('y[n]'); xlabel('n')
subplot(235)

Pgina
42


stem(n,y15)
title('y[n] con alfa=0.5,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=0.8Hz')
ylabel('y[n]'); xlabel('n')
subplot(236)
stem(n,y16)
title('y[n] con alfa=0.5,x[n]=cos(n*f*0.5*pi*2)*u(n) y f=1Hz')
ylabel('y[n]'); xlabel('n')

4. Cdigo en MatLab de la pregunta 3.2 b, caso 3, cambiando la frecuencia de muestreo a
20kHz.
% Ejercicio 3.2 b cambiando Ts=0.05ms
clear all;
close all;
clc
b=[1];
a=[1 -1]; a1=[1 -0.5];
ts=1/20000;
f=[1000 2000 4000 5000 8000 10000];
n=0:100;
x1=cos(n*f(1)*ts*pi*2).*escalon(n);
x2=cos(n*f(2)*ts*pi*2).*escalon(n);
x3=cos(n*f(3)*ts*pi*2).*escalon(n);
x4=cos(n*f(4)*ts*pi*2).*escalon(n);
x5=cos(n*f(5)*ts*pi*2).*escalon(n);
x6=cos(n*f(6)*ts*pi*2).*escalon(n);
y1=filter(b,a,x1); y2=filter(b,a,x2);
y3=filter(b,a,x3); y4=filter(b,a,x4);
y5=filter(b,a,x5); y6=filter(b,a,x6);
y11=filter(b,a1,x1); y12=filter(b,a1,x2);
y13=filter(b,a1,x3); y14=filter(b,a1,x4);
y15=filter(b,a1,x5); y16=filter(b,a1,x6);
figure(1)
subplot(231)
stem(n,y1)
title('y[n] con alfa=1,x[n]=cos(n*f*ts*pi*2)*u(n),f=1kHz y Ts=0.05ms')
ylabel('y[n]'); xlabel('n')
subplot(232)
stem(n,y2)
title('y[n] con alfa=1,x[n]=cos(n*f*ts*pi*2)*u(n),f=2kHz y Ts=0.05ms')
ylabel('y[n]'); xlabel('n')
subplot(233)
stem(n,y3)
title('y[n] con alfa=1,x[n]=cos(n*f*ts*pi*2)*u(n),f=4kHz y Ts=0.05ms')
ylabel('y[n]'); xlabel('n')
subplot(234)
stem(n,y4)
title('y[n] con alfa=1,x[n]=cos(n*f*ts*pi*2)*u(n),f=5kHz y Ts=0.05ms')
ylabel('y[n]'); xlabel('n')
subplot(235)
stem(n,y5)
title('y[n] con alfa=1,x[n]=cos(n*f*ts*pi*2)*u(n),f=8kHz y Ts=0.05ms')
ylabel('y[n]'); xlabel('n')
subplot(236)
stem(n,y6)
title('y[n] con alfa=1,x[n]=cos(n*f*ts*pi*2)*u(n),f=10kHz y Ts=0.05ms')
ylabel('y[n]'); xlabel('n')
figure(2)
subplot(231)

Pgina
43


stem(n,y11)
title('y[n] con alfa=0.5,x[n]=cos(n*f*ts*pi*2)*u(n),f=1kHz y Ts=0.05ms')
ylabel('y[n]'); xlabel('n')
subplot(232)
stem(n,y12)
title('y[n] con alfa=0.5,x[n]=cos(n*f*ts*pi*2)*u(n),f=2kHz y Ts=0.05ms')
ylabel('y[n]'); xlabel('n')
subplot(233)
stem(n,y13)
title('y[n] con alfa=0.5,x[n]=cos(n*f*ts*pi*2)*u(n),f=4kHz y Ts=0.05ms')
ylabel('y[n]'); xlabel('n')
subplot(234)
stem(n,y14)
title('y[n] con alfa=0.5,x[n]=cos(n*f*ts*pi*2)*u(n),f=5kHz y Ts=0.05ms')
ylabel('y[n]'); xlabel('n')
subplot(235)
stem(n,y15)
title('y[n] con alfa=0.5,x[n]=cos(n*f*ts*pi*2)*u(n),f=8kHz y Ts=0.05ms')
ylabel('y[n]'); xlabel('n')
subplot(236)
stem(n,y16)
title('y[n] con alfa=0.5,x[n]=cos(n*f*ts*pi*2)*u(n),f=10kHz y Ts=0.05ms')
ylabel('y[n]'); xlabel('n')

5. Funcin y=escalon(), usado en el desarrollo de los ejercicios, esta funcin crea la seal
impulso unitario u[n]:
function y=escalon(n)
m=length(n);
for s=1:m;
if n(s)<0
y(s)=0;
else
y(s)=1;
end
end