nales y Sistemas
Notas de Clase
Universitat Aut`
onoma de Barcelona (UAB)
Escola dEnginyeria
Indice general
1. Introducci
on a Se
nales y Sistemas
2. La Transformada de Laplace
18
3. Funci
on de Transferencia de un Sistema
41
4. La Transformada de Fourier
57
5. Correlaci
on y Espectro de Se
nales Deterministas
85
ii
Tema 1: Introducci
on a Se
nales y Sistemas
Antoni Morell y Rosana Rodrguez
4 de febrero de 2013
1.
Se
nales
Definicion de se
nal: Imagen o representaci
on de algo. Para nosotros sera casi siempre la representacion de una magnitud fsica (tensi
on, voltaje, etc.) y normalmente llevara un mensaje asociado
(entendiendo mensaje como la manifestacion fsica de la informacion tal y como la produce la fuente).
En un sistema de comunicaciones esto esta claro.
1.1.
Clasificaci
on de se
nales
A
0
10
12
14
16
18
Figura 1: Ejemplo de se
nal aleatoria.
20
Peri
odica/No peri
odica
Periodica: x(t) = x(t+mT0 ) para m = 0, 1, 2, . . .. T0 es el menor periodo de repeticion posible.
P.ej., en la figura anterior T0 = 2 y no 4 aunque este u
ltimo tambien cumpla la condici
on.
No periodica: no se repite peri
odicamente.
Contnua/Discreta
Contnua: definida para t.
Discreta: definida s
olo para los instantes de tiempo nT con n entero. Ej.: el ndice de la bolsa.
Anal
ogica/Digital
Analogica: la amplitud de la se
nal puede tomar cualquier valor. P. ej.: m
usica grabada en un
disco LP.
Digital: la amplitud de la se
nal no puede ser cualquiera sino un valor dentro de un conjunto de
valores posibles. Por lo tanto, conocemos algo de la estructura de la se
nal antes de recibirla. P.
ej.: m
usica grabada en un disco CD.
1.2.
Partiendo de una se
nal x(t) conocida, vemos como se modifica esta cuando se aplica alguna transformacion sobre la variable independiente t. Las mas habituales son:
Reflexion: x(t). La se
nal sufre un giro respecto al eje de ordenadas. En una cinta de vdeo,
sera reproducirla c
amara atr
as.
x(t)
x(t)
x( 2t )
x(2t)
Traslaci
on: x(t t0 ) o bien x(t + t0 ). En el primer caso, la se
nal se retasa t0 segundos mientras
que en el segundo se adelanta t0 segundos.
2
x(t 1)
x(t)
x(t + 1)
-1
Muy importante. A menudo nos encontraremos con una combinacion de transformaciones, como
por ejemplo en x( 2t 2). Para no equivocarse, es aconsejable seguir siempre los siguientes pasos:
Expresar la transformaci
on como x(k(t t0 )). En el caso de ejemplo sera x( 1
2 (t + 4)).
Hacer primero reflexi
on y escalado. En el ejemplo, girar y ensanchar por un factor 2.
x( t
2 )
x(t)
x( t
2 )
-4
1
par{x(t)} = (x(t) + x(t))
2
1
impar{x(t)} = (x(t) x(t))
2
(1)
(2)
Ejemplo:
x(t)
par{x(t)}
-2 -1
1.3.
impar{x(t)}
-2 -1
-1
Se
nales continuas b
asicas
Tenemos:
Funcion exponencial: x(t) = Ceat
En el caso que tanto a como C sean reales, tenemos:
a<0
a>0
C
Si ambos son complejos, es decir C = |C|ej y a = r + jw0 , entonces x(t) = |C|ert ej(w0 t+) =
|C|ert [cos(w0 t + ) + j sin(w0 t + )]. Se trata pues, de una se
nal compleja. Para representarla
graficamente, debemos dibujar parte real e imaginaria por separado (en funcion de t) o bien
modulo y fase. A continuaci
on vemos solo una parte de la se
nal, Re{x(t)} = |C|ert [cos(w0 t + )]:
r>0
r=0
t
T
1 |t| < T2
0 resto
r<0
1
0
T
2
T2
t
T
!t"
|t|
T
|t| < T
resto
( Tt )
1
-T
1
t>0
1 t < 0
sgn(t)
1
Funcion escal
on: u(t) =
1 t>0
0 t<0
= 12 (1 + sgn(t))
u(t)
1
sin t
t
1
0.8
0.6
0.4
0.2
0
0.2
0.4
6
1/A
Dicha interpretaci
on justifica la definicion formal de la delta, que toma forma integral. Pero
mas que la propia definici
on, consideraremos una propiedad que se deriva de ella y que es
R
a 1 siempre y
(t)dt = 1. Hay que interpretarla como que la integral de una delta valdr
cuando la delta este dentro de los lmites de integracion.
1.3.1.
Propiedades de (t)
x1 x2
t1 t1 t2
t0
5. u(t) =
Rt
( )d
R
0
( t)d .
6. ( ) = du(t)
on escal
on es plana para todo t (derivada 0) excepto para t = 0, donde hay
dt . La funci
un salto abrupto de 0 a 1 con pendiente . Esto se corresponde con la funcion (t).
2.
Sistemas
Sistema
T[ ]
x(t)
2.1.
y(t)
2.1.1.
Linealidad
d( )
dt ,
T [1 x1 (t) + 2 x2 (t)] =
es un sistema lineal.
d
dx1 (t)
dx2 (t)
(1 x1 (t) + 2 x2 (t)) = 1
+ 2
= 1 y1 (t) + 2 y2 (t)
dt
dt
dt
(3)
No cumple ni superposici
on ni homogeneidad.
3. El sistema T [ ] = a( ) + b no es lineal.
Comprobaci
on: (T [x1 (t)] = y1 (t) = ax1 (t) + b)
T [1 x1 (t)+2 x2 (t)] = 1 a x1 (t)+2 a x2 (t)+b = 1 y1 (t)+2 y2 (t)+(11 2 )b 6= 1 y1 (t)+2 y2 (t)
No cumple superposici
on ni homogeneidad.
2.1.2.
Invarianza
Causalidad
Un sistema es causal cuando la salida no se anticipa a la entrada, lo que significa que en un sistema
causal, la salida en un determinado instante no depende de instantes futuros de la entrada. Matem
aticamente, si x(t) = 0 para t < t0 , entonces se debe cumplir y(t) = 0 para t < t0 .
Ejemplos:
1. y(t) = x(t 1) es causal ya que produce un retardo.
2. y(t) = x(t + 1) no es causal ya que la salida se anticipa a la entrada. Por ejemplo, en el instante
t = 0, para obtener la salida y(0) necesitamos conocer x(1), o sea, un valor futuro de la entrada.
2.1.4.
Estabilidad
Un sistema es estable cuando, para cualquier entrada acotada, la salida tambien lo es, es decir, si
|x(t)| < , entonces |y(t)| < .
Ejemplo:
Rt
/2
, tenemos:
Consideremos el sistema integrador T [x(t)] = x( )d . Si x(t) = tT
T
Por lo tanto, la salida es acotada y podramos pensar que es estable. No obstante, hay que comprobarlo para cualquier entrada. Si ahora cogemos x(t) = u(t), tenemos:
Entonces vemos que la salida crece indefinidamente, con lo cual el sistema es inestable.
2.2.
Caracterizaci
on matem
atica de los sistemas
Ahora buscamos una forma simple y generica de obtener y(t) a partir de x(t) para cualquier
sistema. Usaremos dos caracterizaciones distintas:
A traves de ecuaciones diferenciales:
X
i
ai
(4)
Es la que usaremos por ejemplo en circuitos y la respuesta del sistema dependera de las condiciones en que este se encuentre al aplicar la entrada, lo que denominamos condiciones iniciales. Por
ejemplo, la respuesta de un circuito donde haya un condensador no sera la misma si, en aplicar la
entrada, este tiene cierta carga o esta totalmente descargado. Para obtener esta caracterizaci
on
hace falta conocer el sistema componente a componente y por lo tanto, puede ser compleja si el
sistema es grande.
A traves de la respuesta impulsional, que se define como la salida del sistema a una delta. La
denominamos h(t) = T [(t)]. Esta aproximacion toma el sistema como una caja negra y s
olo
necesitamos conocer cu
al es la salida a una determinada entrada, o sea, hacer un experimento
sin necesidad de abrir la caja. A partir de h(t) se puede encontrar la salida a cualquier entrada
seg
un:
10
y(t) = T [x(t)] = T
Z
x( )(t )d =
si el sistema
es lineal
x( )T [(t )]d
(5)
x( )h(t, )d .
R
= x( )h(t )d .
Ejemplo 1: Amplificador.
x(t)
y(t) = Kx(t)
En este caso h(t) = K(t) independientemente de cuando hagamos el experimento. Por tanto, es
invariante.
Ejemplo 2: Retardador.
x(t)
y(t) = x(t T )
11
Ejemplo 3: Integrador.
!t
x(t)
y(t)
Rt
En este caso h(t) = ( )d = u(t), tambien independientemente de cuando hagamos el experimento. Por tanto, tambien es un sistema invariante.
Ejemplo 4: Modulador.
x(t)
cos w0 t
En este caso, si entramos una delta al sistema tenemos T [(t)] = (t) cos w0 t = (t). Esta claro que
esto no caracteriza bien el sistema ya que en realidad no nos devuelve la entrada. Aqu s que la respuesta del sistema depende del momento en que se hace el experimento, ya que el coseno va evolucionando
con el tiempo. En este caso el sistema es variante y tenemos que usar T [(t )] = (t ) cos w0 t.
R
R
R
Entonces y(t) = x( )h(t, )d = x( )(t ) cos w0 td = cos w0 t x( )(t )d =
x(t) cos w0 t, lo cual es correcto (mirar el siguiente apartado para ver como funciona la integral de
convolucion).
A partir de ahora, nos centraremos en el estudio de sistemas LTI.
3.
3.1.
Obtenci
on semi-gr
afica de y(t) = x(t) h(t)
h(t)
x(t)
y(t)
t
Para calcular la integral, que es respecto a , vemos que necesitamos los terminos x( ) y h(t ).
El primero ya est
a claro, y el segundo lo reescribimos como h(1( t)). O sea, que para encontrar
12
x( )h(5 )
t=5
t=5
x( )h(5 )
tTB /2
TB
y x2 (t) =
tTA /2
TA
con TA > TB .
R
En este caso vamos a calcular x2 (t) x1 (t) como x2 ( )x1 (t )d , aunque tambien lo podramos
haber hecho al reves. Gr
aficamente, queremos hacer:
TB
TA
x1 (t )
t TB
x2 ( )
13
y(t)
TB
TA
TA + TB
x(t)
Auditorio
y(t)
Supondremos que el auditorio es un sistema LTI, lo cual parece razonable, ya que se espera que
se comporte de la misma manera independientemente del momento en que es usado. El paso siguiente
es ver cual es la respuesta a una delta para obtener la respuesta impulsional del auditorio. Para ello,
generamos un impulso de sonido en el escenario y medimos en el patio de butacas. En particular vemos
que recibimos el mismo impulso generado con un retardo despreciable mas un eco del impulso, que
llega 200ms m
as tarde y con un nivel per debajo del primero. Determinamos entonces que la respuesta
impulsional de la sala es:
h( )
200ms
Si hacemos la convoluci
on para cualquier x(t) como antes, tenemos:
14
h(t )
x( )
Como h(t) son dos deltas y sabemos que la convolucion cumple la propiedad distributiva, vamos a
convolucionar cada delta por separado y luego sumar. Fijemonos en la delta de mayor nivel. Cuando
se solape con la se
nal, el producto x( )h(t ) sera x(t)( t), con lo que despues de integrar en
todo , nos quedamos con x(t). Comprobamos, pues, la propiedad x(t) (t) = x(t). Para la segunda
delta tendremos m
as o menos lo mismo, pero con un retardo adicional y una reduccion de nivel. A
continuacion vemos la se
nal de salida como suma de las dos convoluciones:
y(t)
convolucin
entera
t
convolucin delta
sin retardo
convolucin delta
del eco
3.2.
Propiedades de la convoluci
on
x( )h(t
)d =
h( )x(t
)d
15
x(t)
h1 (t)
h2 (t)
y(t)
x(t)
h2 (t)
h1 (t)
y(t)
x(t)
h1 (t) h2 (t)
y(t)
x(t)
h2 (t) h1 (t)
y(t)
x(t)
x(t)
y(t)
h1 (t) + h2 (t)
y(t)
h2 (t)
h1 (t)
x(t)
+
-
!t
y(t)
h3 (t)
h2 (t)
Simplemente hay que expresar h(t) en funcion de las respuestas de los subsistemas
individuales,
/2
es decir, h(t) = (h1 (t) h2 (t)) h3 (t) = ((t) (t T )) u(t) = u(t) u(t T ) = tT
.
T
3.3.
Conociendo h(t) es posible determinar si un sistema LTI es causal y/o estable de la siguiente forma:
Causalidad: el sistema ser
a causal si h(t) = 0 para t < 0.
Recordemos la definici
on de un sistema causal, es decir, si x(t) = 0 para t < t0 entonces
R
y(t) = 0 para t < t0 . Calculemos ahora la salida del sistema como y(t) = x( )h(t )d .
16
Si la respuesta impulsional debe ser 0 para t < 0, entonces h(t ) = 0 para t < 0, o lo
que es lo mismo, para > t. En la integral de convolucion, esto se traduce en que solo hace
falta integrar hasta t, ya que h(t ) es 0 para valores mayores. Por lo tanto, en este caso,
Rt
y(t) = x( )h(t )d . En la integral solo intervienen valores de x( ) anteriores a t y por lo
tanto, se comprueba que el sistema es causal.
R
Estabilidad: se requiere que |h( )|d < .
Miremos si ante estas condiciones y para una entrada acotada |x(t)| < B, la salida se mantiene
acotada:
Z
Z
Z
|h( )|d
(7)
|x(t )||h( )|d B
x(t )h( )d |
|y(t)| = |
Notese que en la primera desigualdad se interpreta la integral como una suma y luego se hace uso
de la desigualdad triangular, que dice que dados dos complejos a y b, entonces |a + b| |a| + |b|.
Ademas, se tiene en cuenta tambien que para dos complejos a y b, se cumple |a b| = |a| |b|.
17
1.
(1)
donde ai son los coeficientes constantes, y(t) es la variable dependiente y f (t) se conoce como funci
on
excitadora.
Consideremos un ejemplo pr
actico. Supongamos que, en el circuito de la Figura 1, se quiere ver
cual es la tensi
on del condensador en todo momento vc (t).
+
+
i(t)
vC (t)
(2)
d
vC (t) + vC (t)
dt
18
(3)
Comprobamos que se trata de una ecuacion en la que intervienen tanto la funcion incognita vC (t)
como su derivada. Pues bien, la transformada de Laplace es una herramienta que, entre otras cosas,
nos permitira resolver ecuaciones diferenciales de forma sencilla.
Como es eso posible? Como veremos, gracias a la transformada de Laplace podremos pasar de una
ecuaci
on diferencial en el dominio del tiempo a una ecuaci
on algebraica en el dominio s o dominio
transformado (se llama dominio s porque esta es la variable que usaremos en el otro dominio al igual
que en tiempo usamos la variable t y que, dicho sea de paso, se trata de una variable compleja que
descompondremos seg
un s = + j). Trabajar con la ecuacion algebraica va a ser en general mucho
mas sencillo que hacerlo con la ecuaci
on en el dominio temporal (hemos resuelto muchas veces este tipo
de ecuaciones) y una vez encontrada la solucion en el dominio s, la clave sera poder antitransformar
para volver al dominio temporal que es el que nos interesa.
1.1.
Definici
on de la Transformada de Laplace Unilateral
La trasformada de Laplace unilateral de una funcion temporal f (t) es una funcion de variable
compleja s que se define seg
un
Z
f (t) est dt
(4)
F (s) = L {f (t)} =
0
(6)
et est = e(s)t tiene parte real negativa o, lo que es lo mismo, el complejo resultante tiene
un modulo que decae exponencialmente con el tiempo. En esta situacion la integral converge y
podemos calcular su transformada de Laplace como
Z
Z
Z
1 (s)t
1
(s)t
(s)t
t st
e
dt =
e
dt =
e e dt =
e
=
(7)
s
s
0
0
0
0
As pues, asociada a la transformada de Laplace esta la region de convergencia o ROC, que
nos dice para que valores de s existe transformada. El concepto de ROC es muy importante
aunque no lo veamos de forma explcita a la largo de esta asignatura per el hecho de tratar con
la transformada unilateral de Laplace, pero para mostrar su importancia diremos que, en caso
de considerar la transformada bilateral, entonces una misma transformada puede corresponder a
dos se
nales temporales distintas y solo la ROC nos delimitara cual es la buena. La transformada
bilateral se puede ver como una extension de la unilateral en la que los lmites de integraci
on
van de a + y por lo tanto, elimina la condicion f (t) = 0 para t < 0. A nivel de sistema, la
transformada unilateral tiene sentido ya que todos los sistemas implementables seran causales y
por lo tanto su respuesta impulsional estara definida u
nicamente para t 0. Volviendo al ejemplo
1
anterior y considerando ahora la transformada bilateral, la funcion transformada F (s) = s
tendra como transformada:
f (t) = et u(t) si la ROC fuese Re{s} >
Por lo tanto, vemos en este ejemplo que la ROC para un sistema causal es siempre el semiplano
a la derecha de un cierto umbral como indica la siguiente figura:
j
sistema
causal
sistema
anti-causal
1.2.
20
M ect
|f (t)|
M
t
Re{s} > c ya que el producto M ect est sera una exponencial con modulo decreciente en el tiempo.
Notese que si este producto es decreciente, a
un con mas razon lo sera el producto f (t)est .
Teorema de exixtencia de la Transformada de Laplace
Dada f (t) para 0 t < , si se cumple: i) f (t) es continua a trozos y ii) f (t) es de orden exponencial,
entonces su transformada de Laplace F (s) existe para Re{s} > c.
Nota: Las condiciones son suficientes pero no necesarias, con lo que una funcion f (t) no contnua a
trozos y que no sea de orden exponencial puede tener tambien (o no) transformada de Laplace.
Comprobaci
on
Z
lm
A
f (t)e
st
dt
Z
lm
A 0
M lm
f (t)est dt = lm
A 0
A 0
e(c)t dt =
M
c
|f (t)|est dt
(9)
(si > c)
Aqu vemos claramente que la transformacion (de Laplace) resulta en algo finito bajo las condiciones
expuestas.
1.3.
f2 (t)est dt
(10)
s
s2 + 2
G(s) = L{sin(t)} = 2
s + 2
F (s) = L{cos(t)} =
(11)
s+j
.
s2 + 2
(12)
(13)
3. Derivaci
on: L{f 0 (t)} = L{ dfdt(t) } = sF (s) f (0).
Comprobaci
on:
Z
0
!
st
0 (t)dt = dv
u
=
e
f
f 0 (t)est dt =
du = sest dt
f (t) = v
Z
= est f (t) + s
f (t)est dt = f (0) + sF (s)
0
(14)
(15)
Generalizaci
on:
Esta propiedad se puede generalizar siempre que la derivada n-esima tenga transformada de
Laplace, que se relacionar
a con F (s) seg
un
L{
dn f (t)
} = sn F (s) sn1 f (0) sn2 f 0 (0) sn3 f 00 (0) . . . sf (n2) (0) f (n1) (0) (16)
dtn
Ejemplo de aplicaci
on:
Gracias a la propiedad de derivacion obtenemos una de las aplicaciones mas importantes de
la transformada de Laplace, pues es lo que nos permite transformar una ecuacion diferencial
ordinaria en algebraica. Por ejemplo, supongamos un sistema cuya respuesta y(t) evoluciona a
lo largo del tiempo seg
un la ecuacion
y 00 (t) + 4y 0 (t) + 3y(t) = t
22
(17)
con condiciones iniciales y(0) = 2 y y 0 (0) = 3. Notese que, al fin y al cabo, una ecuaci
on
diferencial nos da informaci
on sobre variaciones del sistema pero en ning
un caso nos da una
medida absoluta de su estado. Por eso son necesarias las condiciones iniciales si se pretende dar
una caracterizaci
on completa del sistema.
Usando la propiedad de derivaci
on, vemos que
L{y(t)} = Y (s)
1 + s2 (2s + 5)
(s2 + 4s + 3)s2
(19)
y u
nicamente nos faltara anti-transformar para encontrar y(t), que es lo que realmente nos
interesa.
Rt
4. Integraci
on: L{ 0 f ( )d } = F (s)
s
Comprobaci
on:
Para verificar esta propiedad, emplearemos el primer teorema fundamental del calculo, que nos
dice
Z
d b(x)
f (t)dt = f (b(x))b0 (x) f (a(x))a0 (x)
(20)
dx a(x)
Aplicado a nuestro caso tenemos
Z
g(t) =
0
f (u)du
d
g(t) = f (t)
dt
(21)
(22)
ya que g(0) =
R0
0
Z
F (s)
f (u)du =
s
d
F (s)
5. Multiplicaci
on por t: L{t f (t)} = ds
Comprobaci
on:
23
(23)
d
d
F (s) =
ds
ds
st
Z
f (t)dt =
0
d st
e f (t)dt =
ds
(24)
Generalizaci
on:
L{tn f (t)} = (1)n
6. Division por t: L{ f (t)
t }=
R
s
dn
F (s)
dsn
(25)
F (u)du
Comprobaci
on:
Partiendo de la definici
on de F (s) =
Z
s
R
0
!
cambio del orden
f (t)e dt du =
F (u)du =
de integracion
s
0
Z
Z
Z
est
f (t)
ut
f (t)
f (t)
e du dt =
=
dt = L
t
t
0
0
s
Z
ut
(26)
7. Multiplicaci
on por et : L et f (t) = F (s )
Comprobaci
on:
Z
L{e f (t)} =
e f (t) e
st
dt =
f (t) e(s)t dt = F (s )
(27)
Analogamente, podemos afirmar que L et f (t) = F (s + ).
Pongamos un ejemplo: si sabemos que L{cos(t)} =
L{et cos(t)} =
s
,
s2 + 2
entonces
s+
(s + )2 + 2
(28)
8. Traslaci
on (
en el tiempo: si F (s) = L{f (t)} y desplazamos f (t) un cierto tiempo a obteniendo
f (t a) t a
as f(t) =
(ver figura), entonces L{f(t)} = eas F (s).
0
t<a
Comprobaci
on:
L{f(t)} =
st
f(t)dt =
Z
=
st
e
a
f (t a)dt =
ta=u
dt = du
!
(29)
Ejemplo
de aplicaci
on: encontrar la transformada de Laplace del pulso rectangular f (t) =
tt0 /2
.
t0
24
f (t)
f(t)
t
tt0 /2
t0
= u(t)u(tt0 ). Teniendo
(30)
Comprobaci
on:
st
f (at)dt =
t=
dt =
a
d
a
es a f ()
d
1
=
a
a
es a f ()d =
1 s
F
a
a
(31)
est f (t)dt
1 esT
(32)
Comprobaci
on:
F (s) = L{f (t)} =
st
Z
f (t)dt =
st
f (t)dt +
est f (t)dt
25
(33)
(34)
11. Teorema del valor inicial: nos permite encontrar f (t) para t 0 a partir de F (s) sin necesidad
de calcular la transformada inversa para obtener f (t) y luego calcular el lmite correspondiente.
Gracias al teorema del valor inicial podremos, por ejemplo, verificar las condiciones iniciales del
sistema.
Sean f (t) y
df (t)
dt
Comprobaci
on:
Empezamos usando la propiedad de derivacion para establecer la siguiente relacion
Z
d f (t) st
e dt = s F (s) f (0)
dt
0
y tomamos el lmite s en la parte izquierda de la igualdad, lo que resulta en
Z
Z
Z
d f (t)
d f (t)
d f (t) st
st
e dt =
lm e dt =
0 dt = 0
lm
s
s 0
dt
dt
dt
0
0
Por lo tanto, teniendo en cuenta la relacion inicial llegamos a
Z
d f (t) st
lm
e dt = lm s F (s) f (0) = 0
s
s 0
dt
(35)
(36)
(37)
2s+5
(s+1)(s+2)
Aplicando el teorema del valor inicial, podemos encontrarlo sin necesidad de anti-transformar
haciendo
2s2 + 5s
=2
(38)
i1 (0) = lm 2
s s + 3s + 2
Si hubieramos anti-transformado (veremos como mas adelante), obtendramos i1 (t) = 3et e2t
y tomando el lmite t 0, hubieramos llegado al mismo resultado.
12. Teorema del valor final: an
alogamente al teorema del valor inicial, nos permiten encontrar f (t)
para t a partir de F (s) sin necesidad de calcular la transformada inversa para obtener f (t)
y luego calcular el lmite correspondiente. Gracias al teorema del valor final podremos saber, por
ejemplo, hacia d
onde tiende el sistema (a muy largo plazo).
Sean f (t) y
df (t)
dt
ttransformables tal que exista f (), entonces lmt f (t) = lms0 s F (s).
Comprobaci
on:
De manera semejante al caso anterior pero tomando el lmite s 0 obtenemos
Z
Z
Z
d f (t)
d f (t)
d f (t) st
st
lm
e dt =
lm e dt =
1 dt = f () f (0)
s0 0
dt
dt s0
dt
0
0
(39)
(40)
13. Evaluaci
on de integrales: si F (s) = L{f (t)}, entonces
Z
Z
est f (t)dt =
lm F (s) = lm
s
s 0
f (t)dt = F (0)
(41)
f1 (t )f2 ( )d est dt
Z0 Z0
st
f1 (t )e dt f2 ( )d
=
(42)
(44)
La transformada de (t) es
L{(t)} =
(t)est dt = es0 = 1
27
(45)
Comprobaci
on mediante ejemplo:
Consideremos las funciones f1 (t) = u(t) y f2 (t) = u(t)et . La convolucion de ambas funciones
resulta
Z t
Z
Z
e d = 1 et (46)
u(t )e d =
u(t )u( )e d =
f (t) = f1 (t) f2 (t) =
(47)
1
1
1
=
s s+1
s(s + 1)
2.
(48)
donde m = grado{N (s)} y n = grado{D(s)} con m n. Gracias al teorema fundamental del algebra,
sabemos que es posible descomponer N (s) y D(s) en m y n races complejas contando multiplicidades,
respectivamente. As pues, podemos expresar F (s) como
F (s) = K
(s z1 )(s z2 ) . . . (s zm )
(s p1 )(s p2 ) . . . (s pn )
(50)
donde zk son las races de N (s), a las que llamaremos los ceros de F (s), y pk son las races de D(s),
a las que llamaremos polos de F (s).
A continuacion veremos c
omo obtener la transformada inversa en cuatro casos distintos, que son
1. Polos simples reales y n > m.
2. Polos simples reales y complejos conugados con n > m.
3. Polos reales m
ultiples y n > m.
4. La funci
on F (s) cumple n = m.
Caso 1: Polos reales simples
En este caso es posible hacer la siguiente descomposicion
F (s) =
N (s)
A1
A2
An
=
+
+ ...
(s p1 )(s p2 ) . . . (s pn )
s p1 s p2
s pn
donde Ak son valores constantes. Una vez conseguida la descomposicion y sabiendo que L{et } =
encontramos la transformada inversa como
f (t) = A1 ep1 t + A2 ep2 t + . . . + An epn t u(t)
(51)
1
s ,
(52)
La cuestion ahora es c
omo encontrar los valores Ak . Fijemonos que, dado que m < n y que disponemos
de n valores Ak , tenemos suficientes grados de libertad para poder fijar los m + 1 coeficientes que
tendra a lo sumo el polinomio N (s), por lo que la descomposicion es posible. Pongamos un ejemplo
sencillo.
F (s) =
s2
4s 3
A1
A2
A2 (s + 1) + A1 (s + 3)
(A1 + A2 )s + (3A1 + A2 )
=
+
=
=
+ 4s + 3
s+1 s+3
(s + 1)(s + 3)
s2 + 4s + 3
(53)
A1
A2
Ak
An
(s pk ) +
(s pk ) + . . . +
(s pk ) + . . .
(s pk )
s p1
s p2
s pk
s pn
29
(54)
An (s pk )
A1 (s pk ) A2 (s pk )
+
+ . . . + Ak + . . .
s p1
s p2
s pn
(55)
s2 +2s+2
(s+1)(s+2)(s+3)
s2 + 2s + 2
A1
A2
A3
=
+
+
(s + 1)(s + 2)(s + 3)
s+1 s+2 s+3
(57)
(s2 + 2s + 2)
(s
+
1)
12+2
= 0, 5
=
(s + 2)(s + 3)
12
(s
+ 1) s=1
(s2 + 2s + 2)
(s
+
2)
44+2
= 2
=
(s + 1)(s + 3)
(1) 1
(s
+ 2) s=2
(s2 + 2s + 2)
96+2
(s
+
3)
=
= 2, 5
(s + 1)(s + 2)
(s
+ 3) s=3 (2) (1)
(58)
0,5
2,5
2
con lo que nos queda F (s) = s+1
s+2
+ s+3
. Ahora ya podemos anti-transformar cada una de las
fracciones para llegar al resultado deseado, que es
f (t) = 0, 5et 2e2t + 2, 5e3t u(t)
(59)
N (s)
)2 + 2 )
D0 (s) ((s
(60)
En este caso est
a claro que no existe ning
un n
umero real tal que (s )2 + 2 = 0 y debemos recorrer
a los n
umeros complejos para hallar sus dos raices, que son j. De esta forma la descomposici
on
en fracciones simples quedara
F (s) =
N (s)
A
A
=
+
+ ...
D0 (s) [s ( + j)] [s ( j)]
s j s + j
30
(61)
donde los puntos suspensivos indican la descomposicion en fracciones simples de las races reales (caso
1). Notese que las constantes A y A que acompa
nan a las fracciones complejas y que se calculan
del mismo modo que en el caso anterior son tambien complejas conjugadas, por lo que no hace falta
calcular ambas.
En cuanto a la transformaci
on inversa, este caso es muy parecido al anterior aunque ahora nos apareceran exponenciales con argumento complejo con los que podremos elaborar algo mas. Tenemos dos
posibilidades:
1. Expresar A en m
odulo y fase como A = |A|ej , con lo que A = |A|ej .
En este caso la anti-transformada seria:
f (t) = u(t) |A|ej e(+j)t + |A|ej e(+j)t + . . .
(62)
= u(t) |A|et (ej(t+) + ej(t+) ) + . . . = u(t) 2|A|et cos (t + ) + . . .
2. Expresar A en parte real e imaginaria como A = a + jb, con lo que A = a jb.
En este caso la anti-transformada seria:
f (t) = u(t) (a + j)e(+j)t + (a jb)e(j)t + . . .
= u(t) et (aejt + jbejt + aejt jbejt ) + . . .
= u(t) et (2a cos t + 2b sin t) + . . .
(63)
2s+3
s3 +5s2 +9s+5
2s + 3
(s + 1)[s2 + 4s + 5]
(64)
Si buscamos las races de s2 + 4s + 5 utilizando la formula para resolver ecuaciones de segundo grado,
encontramos que estas se encuentran en s = 2 j. As pues, expresamos F (s) como
F (s) =
2s + 3
A1
A2
A3
=
+
+
(s + 1)(s + 2 + j)(s + 2 j)
s+1 s+2+j s+2j
(65)
(66)
Notese que no hace falta calcular A3 ya que A3 = A2 = 0, 25 0, 75j. De esta forma podemos
expresar F (s) como
0, 5
0, 25 + 0, 75j 0, 25 0, 75j
F (s) =
+
+
(67)
s+1
s+2+j
s+2j
y anti-transformar seg
un lo explicado, cuyo resultado sera
f (t) = u(t) 0, 5et + (0, 25 + 0, 75j)e2t ejt + (0, 25 0, 75j)e2t ejt
= u(t) 0, 5et + e2t 0, 25(ejt + ejt ) + e2t 0, 75j(ejt + ejt )
(68)
t
2t
= u(t) 0, 5e + e (0, 5 cos t + 1, 5 sin t)
Caso 3: Polos m
ultiples
En este tercer caso exploramos la existencia de races m
ultiples. As pues, supongamos que F (s) tiene
una raz de multiplicidad l y veamos c
omo pasar al dominio temporal. Supongamos primero
F (s) =
(s p1
)l (s
N (s)
p2 ) . . . (s pn )
(69)
En este caso el polo en p1 debe considerar tantas constantes en la descomposicion como su multiplicidad. En nuestro caso, la descomposici
on debera ser
F (s) =
A11
A12
A1l
A2
An
+
+ ... +
+
+ ... +
l
l1
s p1 s p2
s pn
(s p1 )
(s p1 )
(70)
No obstante, no sabemos c
omo calcular el resto de los coeficientes. Consideremos ahora la funci
on
l
(s p1 ) F (s) simplificada
F (s)(s p1 )l = A11 + A12 (s p1 ) + . . . + A1l (s p1 )l1 +
A2 (s p1 )l
An (s p1 )l
+ ... +
s p2
s pn
(72)
hecho hasta el momento y evaluamos directamente, obtendremos una indeterminacion. Con el lmite
evitamos ese error de d definici
on y en los casos anteriores hubiera sido mas correcto tambien expresarlo as.
Finalmente, para pasar al dominio temporal la expresion de F (s) descompuesta en fracciones simples
resultante de (70) y en particular los terminos con denominador (sp1 )k , haremos uso de la propiedad
de multiplicaci
on por t (propiedad 5), que de forma generica nos deca
L{tn f (t)} = (1)n
dn F (s)
dsn
(75)
Partimos de la relaci
on ya vista en los casos anteriores
ep1 t
1
s p1
(76)
(77)
t e
d2
2
ds
1
s p1
=
2
(s p1 )3
(78)
Vemos que a traves de sucesivas multiplicaciones por t vamos consiguiendo los terminos (sp1 )k . Sim1
plemente hay que tener en cuenta los factores adicionales que van apareciendo para finalmente llegar
a la relacion que nos interesa y que es
tn ep1 t
n!
(s p1 )n+1
tn p1 t
1
e
n!
(s p1 )n+1
(79)
s+2
(s+1)2 (s+3)
A11
A12
A2
+
+
2
(s + 1)
s+1 s+3
(80)
s+2
1 + 2
(s
+
1)2 =
= 0, 5
2
(s + 1) (s + 3)
1 + 3
d
s+2
1 (s + 3) (s + 2) 1
2
= lm
= lm
(s
+ 1)
= 0, 25
s1
s1 ds
(s
+
1)2 (s + 3)
(s + 3)2
(s + 2)(s + 3)
=
= 0, 25
(s + 1)2 (s + 3) s=3
33
(81)
(82)
0, 5
0, 25
0, 25
+
(s + 1)2 s + 1 s + 3
(83)
(84)
pn sn + pn1 sn1 + . . . + p0
qn sn + qn1 sn1 + . . . + q0
q
s
n1
0
qn n1
pn
+
F (s) =
n
n1
qn
qn s + qn1 s
+ . . . + q0
(85)
pn
qn q0
(86)
La segunda parte ya sabemos solucionarla con los casos 1-3 y la primera parte tendra como transformada pqnn (t), as que f (t) sera
pn
f (t) = u(t)
(t) + . . .
(87)
qn
Con esto acabamos la transformaci
on inversa de Laplace y a continuacion veremos dos aplicaciones
importantes de la transformada de Laplace.
3.
3.1.
Resoluci
on de ecuaciones diferenciales ordinarias
dvc (t)
+ vc (t)
dt
34
(88)
R = 1M
+
-
i(t)
C = 3F
V = 6V
vC (t)
A partir de la ecuaci
on diferencial, debemos sustituir cada uno de los terminos por su transformada
de Laplace. En este caso tendramos
6
s
L{vc (t)} = Vc (s)
dvc (t)
L 3
= 3(s Vc (s) vc (0)) = 3 s Vc (s) 3 vc (0)
dt
L{6} =
(89)
Vc (s) =
(92)
6/3
6/3
=
=6
s(s
1/3
+ 1/3)s
s=0
6/3
6/3
=
= 6
s
(s
+ 1/3)
(s
+ 1/3) s=1/3 1/3
As nos queda
Vc (s) =
6
6
6
=
s(3s + 1)
s s + 1/3
(93)
(94)
vc (t) = 6(1 e 3 t )
35
(95)
3.2.
An
alisis de circuitos
ic (t)
C
vc (t)
36
c (t)
la relacion temporal es ic (t) = C d vdt
. Si transformamos esta relacion al dominio s obtenemos
Ic (s) = C s Vc (s)
(96)
(97)
Ic (s)
1/Cs
Vc (s)
L (t)
Analicemos ahora que sucede con una bobina, cuya ecuacion V-I es vL (t) = L d idt
. Si transformamos
esta ecuacion al dominio s suponiendo iL (0) = 0 obtendremos
VL (s) = L s IL (s)
VL (s)
= Ls
IL (s)
(98)
Ahora la impedancia en el dominio transformado vale L s y por lo tanto podremos tratar una bobina como si fuera una resistencia de valor L s. Graficamente representaremos la bobina en ambos
dominios como en la figura.
IL (s)
iL (t)
Ls
vL (t)
VL (s)
(99)
Ic (s)
vc (0)/s
1/Cs
Vc (s)
Otra posibilidad es representar al condensador como una impedancia en paralelo a una fuente de
corriente. Para ello empleamos el equivalente Thevenin-Norton y sabemos que la fuente de corriente
c (0)/s
debe valer la tensi
on de fuente inicial dividida por la impedancia, es decir, v1/C
s = C vc (0). De esta
forma, conseguimos la representaci
on de la figura.
+
1
Cs
C vc (0)
Vc (s)
En el caso de la bobina partimos de la relacion VL (s) = LsIL (s) LiL (0) y vemos que ahora el
generador de tensi
on toma el valor LiL (0). Aplicando el teorema de Thevenin-Norton podemos
pasar a una configuraci
on compuesta por una fuente de corriente de valor iLs(0) con la impedancia en
paralelo. Vemos ambas posibilidades en la siguiente figura.
IL (s)
LiL (0)
+
+
Ls
iL (0)
s
Ls
VL (s)
VL (s)
Por u
ltimo, cabe comentar que las resistencias se mantienen como impedancias de valor R puesto que
la relacion vR (t) = R iR (t) no cambia en el dominio transformado, donde tenemos VR (s) = R IR (s).
38
Ejemplos de aplicaci
on
Ejemplo1:
Supongamos que queremos analizar el circuito de la siguiente figura y, por ejemplo, nos interesa calcular
la evolucion de la tensi
on en el condensador.
10
i(t)
1
10 F
vC (t)
vc (0) = 20V
Para poder analizarlo directamente en el dominio s como si se tratase de un circuito con resistencias
y generadores, debemos transformar primero los elementos. En este caso solo hay que transformar el
condensador (puesto que la resistencia se mantiene como impedancia de valor 10). Dado que existe
una condicion inicial no nula, el condensador se convierte en una impedancia mas un generador. El
circuito transformado resulta ser el de la figura siguiente.
10
+
1
Cs
Vc (s)
10
s
I(s)
+
vc (0)
s
20
s
Dado que el objetivo era encontrar la tension en el condensador, la identificamos primero en el dominio
transformado como
vc (0) I(s)
Vc (s) =
(101)
s
Cs
y una vez hallada la corriente I(s) en el circuito transformado, solo nos quedara anti-transformar para
encontrar el resultado buscado.
Ejemplo 2:
Supongamos ahora que queremos analizar el siguiente circuito, donde las condiciones iniciales de la
bobina y condensador son no nulas.
39
R1
R2
vs (t)
vC (t)
iL (t)
Como en el caso anterior, transformamos los elementos para obtener el circuito transformado (ver
figura).
R1
R2
1
Cs
Vs (s)
iL (0)
s
Ls
+
vc (0)
s
Una vez transformado, aplicamos las herramientas clasicas de analisis de circuitos (leyes de Kirchoff,
equivalente Thevenin-Norton, principio de superposicion, . . . ) para hallar la tension o corriente que
deseemos encontrar. Por ejemplo, podramos aplicar el equivalente Thevenin-Norton para pasar de 3
a 2 mallas como muestra la figura.
R1
R2
+
Vs (s)
Ls
1
Cs
+
vc (0)
s
iL (0)L
Una vez obtenidas las magnitudes deseadas, solo nos queda anti-transformar para conocer la evoluci
on
temporal de las corrientes y tensiones en el circuito.
40
Tema 3: Funci
on de Transferencia de un Sistema
Antoni Morell y Rosana Rodrguez
4 de febrero de 2013
1.
Definici
on
La funci
on de transferencia de un sistema LTI se define como la relacion (cociente) entre la transformada de Laplace de la salida o respuesta del sistema Y (s) = L{y(t)} y la transformada de Laplace de
la entrada o funci
on excitadora X(s) = L{x(t)} suponiendo condiciones iniciales nulas (sistema en
estado cero) y una u
nica excitaci
on. As tenemos
H(s) =
Y (s)
X(s)
(1)
Si convertimos la ecuaci
on anterior a Y (s) = H(s)X(s) y aplicamos la propiedad de convolucion para
volver al dominio temporal (propiedad 14 del tema 2), obtenemos
L1 {Y (s)} = L1 {H(s)X(s)}
(2)
con lo que ya podemos anticipar que, en realidad, la funcion de transferencia corresponde a la transformada de Laplace de la respuesta impulsional en sistemas lineales e invariantes con condiciones iniciales
nulas.
En caso de definir el sistema en forma de ecuacion diferencial como
bn
dn y(t)
dn1 y(t)
dy(t)
dm x(t)
dx(t)
+
b
+
.
.
.
+
b
+
b
y(t)
=
a
+ . . . + a1
+ a0 x(t),
n1
1
0
m
dtn
dtn1
dt
dtm
dt
(3)
su transformaci
on al dominio s (suponiendo condiciones iniciales nulas) nos lleva a
bn sn + bn1 sn1 + . . . + b1 s + b0 Y (s) = am sm + am1 sm1 + . . . + a1 s + a0 X(s),
(4)
Y (s)
am sm + am1 sm1 + . . . + a1 s + a0
=
X(s)
bn sn + bn1 sn1 + . . . + b1 s + b0
(5)
41
Utilidad de la funci
on de transferencia
La funcion de transferencia nos sirve para caracterizar un determinado sistema de una forma compacta
(igual que lo hace su respuesta impulsional) pero, ademas, nos permite calcular la salida a cualquier
entrada de forma habitualmente m
as simple que haciendo la integral de convolucion. En otras palabras,
es preferible transformar la se
nal de entrada, hacer el producto con H(s) y finalmente anti-transformar
el resultado obtenido que abordar la convolucion directamente. Veamoslo en un ejemplo muy simple.
Consideremos el circuito de la figura siguiente y definamos la entrada vi (t) como la tension de generador
y la salida v0 (t) como la tensi
on en bornes de la resistencia R2 .
R1
+
vi (t)
R2
v0 (t)
2
A priori, como se trata de un circuito muy simple, vemos facilmente que v0 (t) = R1R+R
vi (t). No
2
obstante, hagamos un peque
no ejercicio academico y abordemoslo como un sistema generico. Como
ya hemos dicho, una opci
on para caracterizar el sistema es obtener su respuesta impulsional. Para ello
2
fijamos vi (t) = (t) y obtenemos v0 (t) = h(t) = R1R+R
(t). Ahora, para calcular la salida a cualquier
2
entrada deberamos hacer
Z
Z
R2
(t )d
(6)
v0 (t) = h(t) vi (t) =
h(t )vi ( )d =
vi ( )
R
1 + R2
0
Z 0
R2
R2
vi ( )(t ) =
vi (t)
=
R1 + R2 0
R1 + R2
Intuimos en este caso tan simple que el hecho de tener que calcular una integral para nada facilita el
calculo.
Por contra, si calculamos H(s) =
Y (s)
X(s)
obtenemos
H(s) =
R2
R1 + R2
(7)
Ahora la salida se obtiene haciendo el producto V0 (s) = H(s)Vi (s). Es cierto que hara falta transformar
primero vi (t) y luego anti-transformar V0 (s), pero normalmente resultara menos complejo que integrar
directamente. Adem
as, como veremos mas adelante, el estudio de H(s) nos permite un analisis m
as
profundo y a la vez simple del sistema.
42
2.
Determinaci
on de la Funci
on de Transferencia a Partir de las
Respuestas al Impulso Unidad y al Escal
on Unitario
1
1
s s+3
(8)
s
s+3
(9)
Ahora ya podemos conocer la respuesta a cualquier entrada del sistema. Simplemente hay que transformar la entrada al dominio de Laplace, multiplicarla por H(s) y anti-transformar el resultado obtenido.
3.
Como ya vimos en el tema 2, todo polinomio de orden n se puede descomponer, por el teorema
fundamental del
algebra, en n races (contando multiplicidades). Cuando H(s) sea una divisi
on de
polinomios en s, es decir, H(s) = N (s)/D(s), entonces podremos expresarla como
H(s) = K
(s z1 ) . . . (s zm )
(s p1 ) . . . (s pn )
43
(10)
s+3
H(s) = K [s(1+j)][s(1j)]
4.
Estabilidad
Una de las propiedades fundamentales de cualquier sistema es su estabilidad, pues un sistema inestable
pocas veces tendr
a utilidad pr
actica. En este caso son los polos de la funcion de transferencia quienes
determinan si un sistema es estable o no para una entrada cualquiera, siempre que esta este acotada.
Consideremos ahora el sistema de la figura, inicialmente en estado cero,
X(s)
H(s)
Y (s)
donde la salida vale Y (s) = H(s) X(s). Si quisieramos volver al dominio temporal para encontrar
y(t), deberamos descomponer Y (s) en fracciones simples seg
un ya hemos visto en el tema anterior.
Supongamos que el producto H(s) X(s) da lugar a n fracciones simples correspondientes a los n polos
de H(s) mas otras l fracciones simples correspondientes a las l races del denomindador de la se
nal de
44
An
B1
Bl
A1
+ ... +
+
+ ... +
s p1
s pn s s 1
s sl
(11)
Por otro lado, llamaremos componente libre a la respuesta que el sistema genera de manera intrnseca
pero que no est
a relacionada con la forma temporal de la se
nal de entrada y denominaremos componente forzada a la parte de la respuesta que es debida directamente a la entrada, es decir, que
comparte su misma forma temporal.
Si nos fijamos de nuevo en (11) veremos que ya se ha separado en dos grupos de fracciones simples: i)
las correspondientes a las races del denominador de H(s) (los polos del sistema) y ii) las correspondientes a las races del denominador de la se
nal de entrada X(s). Si ahora nos planteasemos pasar al
dominio temporal, resulta evidente que el segundo grupo de fracciones simples dara formas de onda
iguales a las de la se
nal de entrada (modificadas solo por el coeficiente Bi correspondiente) mientras
que el segundo grupo dara lugar a formas de onda que el sistema genera por s mismo y que, salvo
por los coeficientes Ak , no dependen de cual es la entrada.
Llegados a este punto, disponemos de herramientas suficientes para plantearnos cuando un sistema es
estable y cuando no. Recordemos del tema 1 que un sistema es estable por definicion si la salida a
cualquier entrada acotada es tambien acotada. Teniendo esto en cuenta y volviendo a la expresi
on de
Y (s) en (11), vemos claramente que la componente forzada de la respuesta no influye en la estabilidad
del sistema, ya que si la entrada es estable, esa parte de la salida tambien lo sera (los coeficientes son
siempre finitos). Por lo tanto, la estabilidad del sistema tiene que venir determinada por la componente
libre. Intuitivamente, si un sistema es estable esperaremos que la respuesta libre tienda a desaparecer
con el avance del tiempo, es decir, que exista un cierto instante t0 a partir del cual la componente
libre sea nula o despreciable y u
nicamente nos quede la respuesta forzada. Siguiendo esta misma idea
podemos definir:
Regimen transitorio: intervalo de tiempo en el que la componente libre de la respuesta es ostensible frente a la componente forzada.
Regimen permanente: intervalo de tiempo en el que la componente libre se puede considerar nula
o despreciable y queda u
nicamente la parte forzada de la respuesta.
Formalmente, diremos que un sistema es estable si la componente libre de la respuesta tiende a cero
cuando el tiempo tiende a infinito. Ademas, como ya se ha visto, un sistema es estable independientemente de la excitaci
on a la que es sometido. A continuacion veremos la relacion entre la respuesta
libre del sistema y su diagrama de ceros y polos.
Relaci
on entre Respuesta Libre y Diagrama de Polos y Ceros
A continuacion veremos los distintos tipos de polos que podemos encontrar para analizar a continuaci
on
su efecto en la respuesta del sistema.
a) Polos reales con parte real negativa.
45
46
x
x
x
x
INESTABLE
5.
MARGINALMENTE ESTABLE
Diagramas de Bode
Los diagramas de Bode son una representacion grafica de la respuesta de un determinado sistema a
un tipo de entrada muy particular: la cosenoide. Su utilidad practica se pone de manifiesto cuando
nos damos cuenta de que las se
nales con las que trabajan los sistema de comunicacion se pueden
descomponer como suma de senoides (de diferente amplitud y fase) seg
un la transformada de Fourier
(que veremos en el siguiente tema). As pues, conocer la respuesta del sistema a una cosenoide de
cualquier frecuencia y fase nos lleva a poder predecir la respuesta del sistema a cualquier se
nal de
entrada. De ahora en adelante, diremos que el sistema trabaja en r
egimen permanente senoidal
cuando a la entrada tiene una senoide que esta presente desde t = .
47
5.1.
Respuesta a la cosenoide. La se
nal exponencial como autofunci
on de los sistemas LTI.
Veamos primero que queremos decir con que la exponencial es autofuncion de un sistema LTI cualquiera. Pues bien, esto significa que si a la entrada de un sistema LTI inyectamos una se
nal exponencial
st
x(t) = e , entonces la salida tambien tendra la misma forma de exponencial multiplicada por un cierto factor constante al que llamamos autovalor. Esto es valido tanto para la transformada de Laplace
unilateral como bilateral. No obstante, ya que hasta ahora nos hemos centrado en la transformada de
Laplace uniltateral, vamos a considerar el sistema causal como indica la siguiente figura.
h(t)
x(t) = est
y(t) = ! est
LTI y causal
h( )es(t ) d = est
Este resultado es interesante por su simplicidad pero tiene un problema desde el punto de vista
practico: una se
nal exponencial de tipo est con s complejo no es algo demasiado intuitivo ni u
til si
no es que la parte real de s sea nula (si es positiva la se
nal no esta acotada y si es negativa la se
nal
se desvanece). Por contra, una se
nal senoidal de tipo cos (t + ), correspondiente a una parte real
nula, resulta mucho m
as manejable o interpretable y la salida del sistema a dicha se
nal nos permite
entenderlo mucho mejor ya que nos dice como este se comporta ante una determinada frecuencia
angular . Si utilizamos la f
ormula de Euler, vemos que podemos expresar el coseno como suma de
exponenciales seg
un
1 jt+
cos (t + ) =
(13)
e
+ ejt
2
Ahora podemos encontrar la salida del sistema aplicando el resultado de (12), obteniendo
1 jt j
y(t) =
e e H(j) + ejt ej H(j)
(14)
2
Centremonos un momento a ver que vale H(j). Empezando con la definicion de transformada de
Laplace, esto es
Z
Z
j
j
H(j) =
h( )e =
h ( )e
d
(15)
0
donde hemos conjugado dos veces teniendo en cuenta que en complejos se cumple (ab + cd) = a b +
c d independientemente del numero de sumandos que haya. Si nos fijamos en la u
ltima expresi
on
encontrada y tenemos en cuenta que los sistemas seran reales en la practica, es decir h ( ) = h( ),
entonces llegamos a
H(j) = H (j)
(16)
Por lo tanto, H(j) y H(j) ser
an iguales en modulo y tendran fase opuesta, que denotaremos por
(), por el hecho de ser uno el conjugado del otro. Aplicando esta idea al desarrollo inicial podemos
48
ver que
y(t) =
1 jt j
e e |H(j)|ej() + ejt ej |H(j)|ej() = |H(j)| cos (t + + ())
2
(17)
Llegamos a la conclusi
on que la salida a una senoide de frecuencia y fase es otra senoide a la
misma frecuencia pero desfasada una cierta cantidad marcada por la fase de H(j) a dicha frecuencia
y escalada por el m
odulo de H(j). As pues, nos interesaran estas dos magnitudes y esa informaci
on
es lo que representamos gr
aficamente con los diagaramas de Bode de amplitud y fase.
5.2.
Como acabamos de decir, son la representacion de |H(j)| y () = H(j) en funcion de la frecuencia angular dada en rad/s, aunque tambien se pueden representar en funcion de la frecuencia natural
f dada en Hz, ambas relacionadas seg
un = 2f . Habitualmente se representa en escala logartmica
tanto el eje de frecuencias como el de amplitudes para ambos diagramas. Esto es interesante para
poder representar as en una misma gr
afica un amplio margen de frecuencias (el logaritmo comprime).
Diagrama de Bode de amplitud
En este caso en particular, aplicaremos 10 log10 |H(j)|2 = 20 log10 |H(j)| en el eje de amplitudes
para trabajar as en dB (magnitud relativa habitualmente relacionada con medidas de potencia o
intensidad). La raz
on principal es que los distintos terminos de H(j) que estan multiplicando y
dividiendo pasan a sumar y restar dadas las propiedades del logaritmo. Es decir, si representamos
(j)
H(j) como H(j) = K N
D(j) , entonces
|H(j)|2dB = 20 log10 |H(j)| = 20 log10 |K| + 20 log10 |N (j)| 20 log10 |D(j)|
(18)
(19)
H(j)
20 log10 |H(j)|
20 log10 |K|
que corresponde a
2. H(j) = K/j.
En este segundo caso, el diagrama de Bode de amplitud responde a
|H(j)|2dB = 20 log10 |H(j)| = 20 log10
K
= 20 log10 |K| 20 log10
(20)
lo que corresponde a una recta con pendiente negativo. Que sucede si pasamos de una frecuencia
0 a una 10 veces mayor, es decir, 100 ? (Nota: Este salto entre una frecuencia 0 y otra 10
veces superior es lo que llamamos decada.) Queda claro que para 0 tendramos el resultado de
(20) si sustituimos por 0 . Para 100 tendramos
K
(21)
10 0
= 20 log10 |K| 20 log10 0 20 log10 10 = 20 log10 |K| 20 log10 0 20
Se trata pues de una recta de pendiente -20 dB/decada, o sea, entre una frecuencia cualquiera
y una frecuencia 10 veces superior a la primera caen 20 dB.
El diagrama de Bode de fase se encuentra a partir de
H(j) = numerador denominador = tan1
tan1 = 0
K
0
2
(22)
K
= 20 log10 |K| + 20 log10
(23)
50
(24)
H(j)
20 log10 |H(j)|
20 log10 |K|
|K|
0 10 0
20 dB
H(j)
20 log10 |H(j)|
20 dB
2
20 log10 |K|
0 10 0
=
0
2
(25)
En resumen, tenemos
4. H(j) = K/(j)n .
En este u
ltimo caso el diagrama de Bode de amplitud es
|H(j)|2dB = 20 log10 |H(j)| = 20 log10
K
= 20 log10 |K| 20n log10
n
(26)
51
(27)
H(j)
20 log10 |H(j)|
20 log10 |K|
|K|
0 10 0
20n dB
5.3.
Obtenci
on del Diagrama de Bode de un Circuito
Veremos como obtener el diagrama de Bode de un circuito a traves del estudio de un ejemplo sencillo:
un circuito RC como el de la figura, donde la tension de generador se define como la entrada y la
tension del condensador como la salida del sistema. Podemos ver tambien el circuito equivalente seg
un
Laplace, que usaremos para encontrar la funcion de transferencia del sistema.
Lo primero que debemos hacer es calcular H(j), es decir, H(s)s=j . Utilizando la formula del divisor
de tension, encontramos f
acilmente
V0 (s) =
y de aqu
1
C s Vi (s)
1
Cs +R
Vi (s)
1 + sRC
V0 (s)
1
H(j) =
=
Vi (s) s=j
1 + jRC
(29)
+
vi (t)
(28)
+
Vi (s)
v0 (t)
+
1
sC
V0 (s)
H(j) = tan1 RC
1
1+(RC)2
(30)
Para dibujar ambas funciones de forma facil y sin necesidad de soporte informatico, usaremos la
aproximaci
on asint
otica del diagrama de Bode. Para ello calcularemos dos asntotas especiales:
52
|H(j)|2dB = 20 log10 1 = 0 dB
0
1
(31)
= 0 rad
|H(j)|2dB = 20 log10
(32)
Si juntamos ambas aproximaciones en una misma grafica obtenemos donde vemos en trazo negro el
H(j)
20 log10 |H(j)|
c = 1/RC
c = 1/RC
3 dB
20 dB/decada
c =
(33)
RCc
RC
En esa frecuencia, adem
as, sabemos que el diagrama de Bode en amplitud real esta 3 dB por debajo
del asintotico y que el diagrama de Bode en fase real tiene una fase de /4 en ese punto. Podemos
comprobarlo haciendo
1
H(j)= 1 =
(34)
RC
1+j
y por lo tanto
|H(j)|2dB = 20 log10
1
2
H(j) = 0 tan1
= 3 dB
1
1
= 4 rad
(35)
Visto esto, el mensaje es que una vez dibujado el diagrama de Bode asintotico y conociendo la frecuencia de corte c , dibujar una buena aproximacion del diagrama de Bode real no resulta difcil.
53
An
alisis frecuencial de sistemas m
as completos
Consideremos ahora el siguiente circuito con R = 21 , L = 1 H y C = 1/20 C.
R
+
vi (t)
v0 (t)
En este caso, el an
alisis en el dominio de Laplace nos da la siguiente funcion de transferencia
H(s) =
20/s
20
20
1
= 2
=
=
s
21 + s + 20/s
s + 21s + 20
(s + 1)(s + 20)
(s + 1) 20
+1
(36)
(1 + j) 1 + j 20
Ahora podemos calcular el diagrama de Bode de amplitud como
1
1
1
2
|H(j)|dB = 20 log10
= 20 log10 (1 + j) + 20 log10
(1 + j) 1 + j 20
1 + j 20
y el de fase como
H(j) =
1
1
+
1 + j
1 + j 20
(38)
(39)
de forma que los terminos que aparecen ya los habamos visto en el circuito RC. Para dibujar el
diagrama de Bode lo haremos por partes. Por ejemplo, en amplitud sabemos que a partir de la frecuencia angular 1 rad la respuesta decae a razon de 20 dB/decada debidos al primer polo. Como el
segundo polo provoca otra pendiente de -20 dB/decada a partir de la frecuencia angular 20 rad, en
total tendremos -40 dB/decada. Adem
as, si los polos estan lo suficientemente alejados, los -3 dB en la
frecuencia de corte siguen siendo v
alidos. En fase tendremos un primer polo que provoca un desfase
de /2 rad y un segundo polo que provoca un desfase adicional de otros /2 rad. Podemos ver
todo lo dicho en la siguiente figura.
54
H(j)
20 log10 |H(j)|
1
20
3 dB
/4
20 dB/decada
3 dB
20
/2
-40 dB/decada
Ejemplo de aplicaci
on: Dibujar el diagrama de Bode de modulo y fase de la siguiente funci
on de
transferencia
s+2
H(s) = 4
(40)
(s + 1)(s + 3)
Lo primero que debemos hacer es expresar la respuesta frecuencial de la forma adecuada, haciendo
H(j) = 4
1 + j 2
8
j + 2
=
(j + 1)(j + 3)
3 (1 + j)(1 + j 3 )
(41)
Para facilitar m
as las cosas, podemos descomponer H(j) en terminos de los que ya sabemos como
hacer el diagrama de Bode, es decir
H(j) =
1
1
8
(1 + j )
(42)
8
3
8
3
2. H2 (j) = 1 + j 2
Este termino contribuir
a en amplitud con una recta de pendiente +20 dB/decada a partir de su
frecuencia de corte, que en este caso es c = 2, y con una fase que pasara de 0 rad a /2 rad.
3. H3 (j) = 1 + j
Este termino contribuir
a en amplitud con una recta de pendiente -20 dB/decada a partir de su
frecuencia de corte, que en este caso es c = 1, y con una fase que pasara de 0 rad a /2 rad.
4. H4 (j) = 1 + j 3
De forma semejante al anterior, este termino contribuira en amplitud con una recta de pendiente
-20 dB/decada a partir de su frecuencia de corte, que en este caso es c = 3, y con una fase que
tambien pasar
a de 0 rad a /2 rad.
55
H(j)
+20 dB/decada
8, 52 dB
/2
1
6 dB
9, 54 dB
20 dB/decada
/2
Finalmente, dibujamos el diagrama de Bode asintotico del conjunto y a partir de este aproximamos el
diagrama de Bode del sistema tal y como aparece en la figura siguiente.
H(j)
20 log10 |H(j)|
8, 52 dB
20 dB/decada
2, 52 dB
1
/2
56
1.
1.1.
Definici
on de la transformada de Fourier
Recordatorio: Autofunciones y autovalores de la ecuaci
on de convoluci
on
x(t) = est
Verifiquemoslo de nuevo,
Z
Z
y(t) =
x(t )h( )d =
y(t)
h(t)/H(s)
s(t )
st
h( )d = e
=
=
x(t) h(t)
H(s)est
es h( )d = H(s)est
(1)
R
donde identificamos H(s) = es h( )d , que se corresponde con la transformada (bilateral) de
Laplace de h(t). En este caso se llama bilateral porque integramos desde y no de 0, pero coinciden
para sistemas causales (los que nos interesan) ya que h(t) = 0 para t < 0. Recordemos que s es una
variable compleja con parte real y parte imaginaria , es decir, s = + j y que gracias a la transformada de Laplace podamos trabajar con las se
nales y sobretodo con los sistemas en el dominio s de
forma mas simple que directamente en el dominio temporal. Ahora nos preguntamos si particularizando s de forma que = 0, o sea, haciendo s = j podramos hacer algo parecido. La transformaci
on
resultante se llama transformada de Fourier y es lo que estudiaremos en este tema, ya que tiene sus
particularidades con respecto la transformada de Laplace. La transformada de Fourier estara asociada
a frecuencia, ya sea angular medida en rad/s o bien frecuencia f medida en Hz o s1 , siendo = 2f .
Bajo esa nueva idea tendremos
H(w) =
ej h( )d
(2)
como la transformada de Fourier de h(t) y, de la misma manera que antes, y(t)|x(t)=ejt = H(w)ejwt .
Intuitivamente, dado que ejt es una se
nal de tipo senoidal, la transformada de Fourier nos ser
au
til
57
1.2.
Si planteamos la transformada de Fourier como una particularizacion de la transformada de Laplace, inmediatamente nos surge la pregunta: Por que es necesaria esta nueva transformacion? No
vale solo con la de Laplace?
En primer lugar, est
a claro que la transformada de Laplace es mas generica. Desde el punto de vista
de se
nales y sistemas, esto tiene las siguientes ventajas:
Permite transformar un mayor n
umero de se
nales. Por ejemplo, como veremos mas adelante, la
transformada de Fourier no nos permite transformar se
nales que no decaen en el tiempo (las
se
nales peri
odicas s, pero como veremos, son un caso especial). Es decir, habra se
nales como por
ejemplo x(t) = t u(t) que no se pueden transformar con Fourier ya que la integral no converge.
El hecho de trabajar en dos dimensiones nos aporta mas informacion. En otras palabras, con
la transformada de Fourier no podremos estudiar el sistema desde el punto de vista de polos y
ceros como hemos hecho con Laplace.
En cambio, cuando la transformada de Fourier aplique, nos beneficiamos de:
Mayor simplicidad en la transformacion.
Mayor facilidad para trabajar en el dominio transformado, ya que tenemos mas propiedades
(herramientas) que emplear.
Mas facil de interpretar ya que s
olo tenemos una dimension. De hecho, ya lo hemos visto en los
diagramas de Bode, donde se particularizaba para s = j.
En general, podemos afirmar que la transformada de Laplace sera mas u
til en el estudio de sistemas
y, por contra, la transformada de Fourier sera mas u
til en el analisis de se
nales. Fijemonos que la
transformada de Laplace trata problemas de valor inicial (se fijan las condiciones iniciales) y esto ya
nos va bien des del punto de vista de sistema. En se
nales esto no es as. Por ejemplo, no podemos
fijar un valor inicial a la se
nal x(t) = A cos 0 t ya que se extiende en todo t. En Fourier, a cambio de
trabajar en regimen permanente senoidal, esto es posible.
1.3.
Definici
on formal
58
y desde nuestro punto de vista, debemos interpretarla como una transformacion que nos dice cu
al es el
contenido frecuencial de la se
nal, es decir, cual es la contribucion de una determinada frecuencia f0 a
la se
nal x(t). Intuitivamente, fijemonos que para encontrar X(f )|f =f0 = X(f0 ), multiplicamos primero
x(t) por ej2f0 t y luego integramos para todo t. Lo que estamos haciendo con esto es comparar
la se
nal x(t) con un tono puro a f0 (coseno en parte real y seno en parte imaginaria). Si se parecen
mucho, X(f0 ) tomar
a un valor grande y en cambio, si no se parecen, el valor sera bajo.
A continuacion se muestran dos grupos de condiciones que son suficientes (aunque no necesarias)
para que exista X(f ) (con un solo grupo hay suficiente):
R +
1. x(t) es de cuadrado integrable, es decir |x(t)|2 dt < .
2. Condiciones de Dirichlet:
R +
|x(t)|dt < .
0.5
x(t)
1/2
3/4
7/8
Esta funci
on est
a definida para t [0, 1] y vale x(t) = 1 para t [0, 1/2] y x(t) =
2n1 1 2n 1
t [ 2n1 , 2n ] con n N, n > 1.
59
1
2n1
para
1.4.
Dada la se
nal en el dominio frecuencial X(f ), la transformada inversa de Fourier, que denotaremos
x(t) = F 1 {X(f )}, se define como
Z +
x(t) =
X(f )ej2f t df
(5)
W
sin 2W t
= lm
= lm [2W sinc(2W t)] = (t)
W
W
t
(6)
donde vemos que la suma de todos los tonos posibles (de cualquier frecuencia) da como resultado una
delta.
A partir de aqu, podemos decir
Z
h(t) = T [(t)] = T [
j2f t
si el sistema
es lineal
df ] =
T [ej2f t ]df
(7)
Es decir, de la misma forma que la integral de convolucion era una combinacion lineal de infinitas
respuestas a deltas desplazadas, ahora buscamos la respuesta a una suma (infinita) de se
nales exponenciales. Pero ya hemos visto antes que la exponencial es una autofuncion del sistema, es decir
T [ej2f t ] = H(f )ej2f t , as que nos queda
Z +
h(t) =
H(f )ej2f t df
(8)
2.
Transformada de se
nales b
asicas
1. Transformada de (t):
F{(t)} =
(t)e
j2f t
dt =
(t)dt = 1
(9)
De forma compacta, escribiremos las transformadas como x(t) X(f ). As pues, para este
caso nos queda:
(t) 1
(10)
2. Transformada de (t t0 ):
Z +
Z
F{(t t0 )} =
(t t0 )ej2f t dt =
60
(t t0 )ej2f t0 dt = ej2f t0
(11)
Si lo expresamos como m
odulo y fase, vemos que X(f ) = |X(f )|ejX (f ) = 1 ej(2t0 f ) . Por lo
tanto se trata de una se
nal en frecuencia de modulo constante 1 y de fase lineal con pendiente
2t0 .
De forma compacta escribimos:
(t t0 ) ej2f t0
(12)
3. Transformada de la se
nal constante x(t) = A:
F{A} =
Ae
j2f t
dt = A lm
Z
j2f t
dt = A(t),
(13)
donde la integral se calcula tal y como hemos visto para la transformada inversa. Fijemonos que
existe una cierta dualidad en la transformada de Fourier: la transformada de la delta es una
constante y la de una constante es una delta.
De forma compacta escribimos:
A A(t)
(14)
4. Transformada de h(t) = et u(t) con > 0 (en caso contrario la integral no converge):
Z +
Z +
t
t
j2f t
F{e u(t)} =
e u(t)e
dt =
e(j2f +)t u(t)dt
=
Z +
(j2f +)t
Si descomponemos en m
odulo y fase obtenemos
+
1
=
dt =
( + j2f ) 0
+ j2f
1
|H(f )| = p
,
2
+ (2f )2
1
(15)
(+j2f
)t
e
H (f ) = arc tg
|H(f )|
2f
(16)
H (f )
90
1
2
-90
Como vemos, se trata de un filtro paso-bajo. Fijemonos, ademas, que H(f ) es una funci
on
hermtica, es decir H(f ) = H (f ). Esto quiere decir que la parte real es una funcion par y la
parte imaginaria impar, o bien, como vemos en las graficas, que el modulo es una funcion par y
la fase una funci
on impar.
De forma compacta escribimos:
et u(t)
61
1
+ j2f
(17)
F{e
} =
=
|t| j2f t
dt =
0
(j2f )t
1
1
2
+
= 2
j2f
+ j2f
+ (2f )2
dt +
e(j2f +)t dt
(18)
En este caso, el m
odulo tiene una forma parecida al caso anterior pero con un decaimiento m
as
rapido, ya que para f = /2 el modulo decae a la mitad de su maximo. En cambio, la fase
permanece constante a 0 ya que la transformada es real. Fijemonos que hemos pasado de una
se
nal real y par en el dominio del tiempo a otra tambien real y par en el dominio frecuencial.
De forma compacta escribimos:
e|t|
6. Transformada de x(t) = A
F
t
T
2
+ (2f )2
(19)
Z +
Z +T /2
t
t
t
A
A
=
ej2f t dt =
ej2f t dt =
T
T
T
T /2
+T /2
j2f
T
/2
j2f
t
e
ej2f T /2
e
=
A
= A
=
j2f T /2
j2f
(20)
AT sin f T
= AT sinc(f T )
f T
x(t)
X(f )
AT
A
-T/2
T/2
1
T
2
T
62
(21)
3.
Son extremadamente u
tiles ya que nos proporcionan una serie de herramientas que nos ayudaran
enormemente en el an
alisis frecuencial de los sistemas. Veremos un total de 11 propiedades, algunas
de las cuales ya nos han salido en transformada de Laplace. No obstante, en transformada de Fourier
tenemos alguna m
as, lo que se traduce en mas posibilidades para el analisis.
1. Linealidad:
Partimos de
x1 (t) X1 (f )
x2 (t) X2 (f )
R +
Comprobaci
on: en el caso de x(t) par, partimos de la definicion de X(f ) = x(t)ej2f t dt
y calculamos X(f ) teniendo en cuenta que se cumple x(t) = x(t),
(
)
Z +
Z +
0 = t
t
X(f ) =
x(t)ej2(f )t dt =
x(t)ej2f (t) dt =
=
dt0 = dt
Z
0
=
x(t0 )ej2f t dt0 = X(f )
+
b) Adem
as, se cumple tambien
x(t) es real X(f ) es hermtica
Estas
dos son las simetras b
asicas que existen, pero tambien las podemos combinar, por ejemplo:
a) x(t) es real y par X(f ) es real y par
Comprobaci
on: Por ser x(t) par, podemos afirmar que X(f ) = X(f ). Por ser x(t) real,
podemos afirmar que X(f ) = X (f ). Juntando ambas, tenemos que X(f ) debe ser par en
parte real e impar en parte imgainaria y ademas debe ser par (tanto en parte real como en
parte imaginaria). La u
nica opcion para cumplir ambas condiciones es que Im{X(f )} = 0
y por lo tanto debe ser una se
nal real (y par, por supuesto).
(22)
Comprobaci
on:
F{x(t t0 )} =
x(t t0 )e
= ej2f t0
j2f t
dt =
t0 = t t0
dt0 = dt
(24)
o sea, la convoluci
on de dos se
nales en el dominio temporal se traduce en el producto de ambas
se
nales en el dominio transformado. Notese que resulta mucho mas facil hacer un producto que
una convoluci
on.
64
Comprobaci
on:
Teniendo en cuenta que x(t) =
y(t) = T [x(t)] = T
Z
R +
X(f )ej2f t df
j2f t
X(f )e
la exponencial es
autofunci
on del sistemal
df =
si el sistema
es lineal
h
i
X(f )T ej2f t df
Y (f )ej2f t df,
con lo que, identificando terminos en las dos expresiones anteriores, llegamos a la conclusi
on que
Y (f ) = X(f )H(f ).
6. Dualidad:
Partimos de la relaci
on x(t) X(f ) y nos preguntamos cual es la transformada de Fourier de
una se
nal que en tiempo tenga la forma de X(f ). Llegamos entonces al siguiente resultado:
x(t) X(f )
X(t) x(f )
(25)
Z +
(27)
Aplicando la propiedad de linealidad y teniendo en cuenta que la funcion pulso es par, llegamos
finalmente a
f
1
(29)
sinc(tW )
W
W
7. Desplazamiento frecuencial (modulacion):
Esta propiedad es la dual del desplazamiento en tiempo y nos dice
x(t)e
x(t) X(f )
j2f0 t
(30)
X(f f0 )
(31)
Comprobaci
on:
F{x(t)ej2f0 t } =
x(t)ej2f0 t ej2f t dt =
x(t)ej2(f f0 )t dt = X(f f0 )
Ejemplo de aplicaci
on 1: Encontrar la transformada de cos (2f0 t) y de sin (2f0 t)
Sabiendo que la transformada de 1 es (f ), entonces tenemos
1 j2f0 t
1
1
cos (2f0 t) =
e
+ ej2f0 t (f f0 ) + (f + f0 )
2
2
2
De la misma manera,
1
1
1 j2f0 t
e
ej2f0 t (f f0 ) (f + f0 )
sin (2f0 t) =
2j
2j
2j
(32)
(33)
Ejemplo de aplicaci
on 2: Circuito modulador
x(t)
cos(2f0 t)
La se
nal de salida en el dominio de la frecuencia es
1
1
1
1
j2f0 t
j2f0 t
F {x(t) cos(2f0 t)} = F
x(t)e
+ x(t)e
= X(f f0 ) + X(f + f0 )
2
2
2
2
(34)
Y (f )
X
f
cos(2f0 t)
f0
f0
La modulaci
on de se
nales es lo que nos permite transmitir varias de ellas en un mismo tiempo si
estas se encuentran separadas en frecuencia. Por ejemplo, esto es lo que se haca en la televisi
on
analogica para transmitir la se
nal de audio y la de video simultaneamente.
66
8. Integraci
on:
De manera semejante a la transformada de Laplace tenemos:
x(t) X(f )
X(f ) 1
x( )d
+ X(0)(f )
j2f
2
(35)
Comprobaci
on:
Rt
Basta con ver que x( )d = x(t) u(t). Conociendo la transformada del escalon U (f ) =
1
1
j2f + 2 (f ), podemos hacer la transformada que buscamos como el producto X(f )U (f ).
9. Derivaci
on:
Tambien de manera parecida a la transformada de Laplace tenemos:
x(t) X(f )
(36)
d
x(t) X(f )j2f
dt
Comprobaci
on:
Z +
Z + n
o
d
d
j2f t
X(f )e
df =
X(f )ej2f t df
dt
dt
Z +
=
X(f ) j2f ej2f t df = F 1 {X(f ) j2f }
d
x(t) =
dt
(37)
x(t) X(f )
(38)
y(t) Y (f )
F{x(t) y(t)} =
j2f t
Z
x(t)y(t)e
dt =
x(t)
Y ()e
Z +
Z +
=
Y ()
x(t)ej2f t ej2t dt d
Z +
Z +
j2(f )t
=
Y ()
x(t)e
dt d
Y ()X(f )d = Y (f ) X(f )
67
j2t
d ej2f t dt (39)
(40)
y(t) Y (f )
x(t) y (t) dt =
X(f ) Y (f ) df
(41)
+ Z +
X(f )e
(43)
df y (t)dt
Z +
Z +
j2f t
X(f )
y (t)e
dt df
=
x(t)y (t)dt =
j2f t
y(t)ej2f t dt = Y (f )
(44)
68
4.
Limitaci
on en frecuencia (fen
omeno de Gibbs) y limitaci
on en
tiempo (enventanado)
En esta parte del tema vemos que sucede cuando se limita el ancho de banda de la se
nal y que sucede cuando se limita la duraci
on temporal de la se
nal.
Aclaraci
on sobre ancho de banda: Para una se
nal en banda base, es decir, que no ha sido modulada (trasladada en frecuencia), consideraremos Bx = fx,max 0 = fx,max , o sea, la maxima frecuencia
positiva. En cambio, si una se
nal en banda base se traslada en frecuencia, entonces consideramos
By = fy,max+ fy,min+ , o sea, la diferencia entre las frecuencias maxima y mnima (positivas). Por
ejemplo:
X(f )
Y (f )
X
4.1.
f0
Bx
cos(2f0 t)
f0
By
Limitaci
on en frecuencia - fen
omeno de Gibbs
La limitaci
on en banda de una se
nal se aprecia sobretodo en las discontinuidades que esta pueda
presentar y por este motivo ahora nos centramos en el estudio de esta situacion. Supongamos que
tenemos una se
nal x(t) con una sola discontinuidad (de salto finito) en t0 . Dicha se
nal se puede
descomponer en
[x(t+
0 ) x(t0 )]u(t t0 )
xc (t)
x
t0
+
t0
x
t0
A partir de ahora, consideraremos por simplicidad y sin perdida de generalidad que t0 = 0. Por lo
tanto tenemos:
x(t) = xc (t) + x u(t) X(f ) = Xc (f ) + x F {u(t)}
(46)
Ahora limitamos la se
nal en banda, es decir, eliminamos las componentes frecuenciales |f | > B
usando un filtro paso-bajo ideal, es decir:
69
H(f )
x(t)
X(f )
x 2B
B
|Y (f )|
|X(f )|
As pues, obtenemos
Y (f ) = X(f )
f
2B
= Xc (f )
f
2B
+ x F{u(t)}
f
2B
(47)
Para simplificar el an
alisis, supondremos que Xc (f ) tiene un ancho de banda inferior a B, con lo que
nos queda
f
f
Y (f ) = X(f )
= Xc (f ) + x F{u(t)}
(48)
2B
2B
y desde el punto de vista temporal tenemos
(49)
yd (t)
x 2Bsinc(2B )
!t
x 2B
()d
x
2
1
2
2B 2B
1
2
2B 2B
70
Efectos de la limitaci
on en banda cuando la se
nal presenta discontinuidades finitas.
Fen
omeno de Gibbs.
1. Aparece un rizado alrededor de la discontinuidad que se suaviza a medida que nos alejamos
de esta. Los m
aximos y mnimos se alternan en los m
ultiplos de 1/2B, encontrado el m
aximo
absoluto en 1/2B y el mnimo absoluto en 1/2B.
2. El flanco de subida se suaviza, siendo el tiempo de subida ts
1
2B .
3. En el punto de discontinuidad se observa el valor medio del salto, es decir, yd (0) = x/2.
4. Si aumentamos el ancho de banda B observamos:
a) La amplitud m
axima y mnima del rizado no cambian, aunque se den mas cerca de la
discontinuidad.
b) Solo en el caso lmite con ancho de banda infinito (no se da en la practica) la sinc degenerara
en una delta y no habra distorsion de la se
nal.
Ya por u
ltimo, comentar que si la limitacion en frecuencia se hiciera con un filtro de forma triangular
como el de la figura, un an
alisis parecido nos llevara a las siguientes conclusiones:
1. El rizado desaparece.
2. El valor en el punto de la discontinuidad se mantiene a yd (0) = x/2.
3. El tiempo de subida aumenta a ts
1
B.
yd (t)
H(f )
x
x
2
B f
t
1
2
2B 2B
4.2.
Limitaci
on en tiempo - enventanado
Ahora nos encontramos ante la situacion dual a la anterior. Supondremos que tenemos una se
nal
x(t) y la limitamos en tiempo, es decir, cogemos los valores correspondientes a |t| T /2. N
otese
que en la practica siempre existir
a alg
un tipo de enventanado. Entonces, a partir de la se
nal x(t)
expresaremos la se
nal enventanada en tiempo como:
t
xT (t) = x(t)
(51)
T
71
(52)
A1 T
2
A0 T
2
f1 f0
f2
f2
f0 f1
Notese que se han dibujado las 4 sincs sin sumar y que el resultado final sera la suma de todo. No
obstante, esta representaci
on nos es u
til para extraer las siguientes conclusiones:
1. Aparece un l
obulo principal y una serie de lobulos secundarios relacionados con cada una de las
deltas, o sea, cada frecuencia singular. Esto es as para la ventana rectangular y tambien para
otras alternativas, aunque la forma sera distinta.
2. El ancho del l
obulo principal determinara la resolucion del sistema, es decir, cual es la capacidad
de distinguir el coseno a f0 del que esta a f1 . Notese que, dado un ancho de lobulo principal,
existe una separaci
on mnima de las frecuencias a partir de la cual es imposible distinguir los
dos tonos ya que veremos un solo pico.
3. El nivel de los l
obulos secundarios determinara como el contenido a una frecuencia enmascara
el contenido a otras frecuencias. Por ejemplo, si hubiera un coseno con amplitud mucho menor
que A1 en la frecuencia f2 (ver figura), se vera enmascarado por el lobulo secundario del coseno
a f1 .
72
Alternativamente, tambien podemos hacer uso de los resultados obtenidos en la parte de limitaci
on
en banda (se trata de la situaci
on dual). En otras palabras, si quisieramos sintetizar una se
nal en el
dominio frecuencial con discontinuidades y buscaramos hacerlo a traves de un sistema con respuesta
impulsional finita en el tiempo, entonces lo dicho anteriormente valdra aqu tambien. Por ejemplo,
supongamos que queremos sintetizar un pulso rectangular en frecuencia y tuvieramos dos opciones:
ventana rectangular o triangular en tiempo (la primera tiene el lobulo principal mas estrecho pero un
nivel de lobulos secundarios mayor). Entonces, con ventana rectangular generaramos una respuesta
con transiciones m
as r
apidas pero con rizado. En cambio, con la venta triangular eliminaramos el
rizado pero las transiciones seran m
as lentas.
Nota: En funci
on de la aplicaci
on nos interesara una u otra ventana ya que siempre hay un compromiso en sus par
ametros. N
otese que si mantenemos la energa de la ventana a nivel temporal,
esta debe ser la misma en el dominio frecuencial por Parseval y por lo tanto, si bajamos los l
obulos
secundarios (les quitamos energa) es l
ogico que aumente el grosor del lobulo principal.
Finalmente, la siguiente tabla contiene los parametros de 3 ventanas de uso habitual:
Par
ametro
Ancho l
obulo principal
Ancho de banda a -3dB
Relaci
on l
obulo principal a secundarios
5.
Rectangular
2/T
0, 85/T
13dB
Triangular
4/T
1, 25/T
26dB
Hamming
4/T
1, 3/T
43dB
Transformada de Fourier de se
nales peri
odicas
5.1.
3T 2T T
2T
73
P+
3T
P+N
n=N
n= (t
nT ).
+N
X
n=N
+N
X
(t nT )
ej2f nT =
n=N
rn =
2N
X
rnN = rN
n=0
2N
X
rn = rN
n=0
rN +1 rN
1 r2N +1
=
1r
r1
(56)
(57)
Dibujemos la funci
on (cogemos T = 1 y N = 9):
20
15
10
5
1.5
0.5
0.5
1.5
Que sucede cuando N ? De entrada, vemos que los maximos de la funcion crecen hacia
infinito y que el rizado a su alrededor se compacta (notese que los ceros se encuentran a m
ultiplos
74
de 1/(2N + 1)). As pues, llegamos a un tren de deltas en frecuencia que estan separadas 1/T . No
obstante, para poder caracterizar bien las deltas nos falta un detalle, que es saber cuanto vale su
integral. Cojamos pues (55) e integremos en un periodo,
Z 1/2T
Z 1/2T X
N
N
X
sin 2f T [N + 12 ]
1 j2nT f 1/2T
j2nT f
df =
e
(58)
e
df =
sin (f T )
j2nT
1/2T
1/2T
1/2T
n=N
N
X
sin (n)
1 jn
e
ejn =
j2nT
nT
N
X
n=N
n=N
n=N
N
X
1
1
sinc(n) =
T
T
n=N
N
X
n=N
(t nT )
1
T
m
f
T
m=
+
X
(59)
es decir, un tren de deltas separadas T en tiempo se corresponde a un tren de deltas separadas 1/T
en frecuencia.
Con este resultado ya podemos estudiar la transformada de Fourier de una se
nal periodica.
5.2.
Transformada de una se
nal peri
odica
Consideremos una se
nal peri
odica cualquiera x(t) con periodo de repeticion T como la de la figura:
x(t)
xb (t)
t
T
+
X
m=
Xb
m
m
f
T
T
(61)
+
X
Xb (f )ej2f nT
(62)
n=
xb (t)
T /2
t
T
P
en este caso es xb (t) = T t/2 , obteniendo x(t) = T t/2 +
n= (t nT ). Finalmente, pasamos
al dominio transformado:
+
T
m
T 1 X
X(f ) = sinc(f )
f
(63)
2
2 T m=
T
Vemos que nos queda una sinc con ceros a m
ultiples de 2/T multiplicando al tren de deltas, es decir:
X(f )
f
2/T 4/T
5.3.
Series de Fourier
x(t) =
+
X
cn ej2t T
(65)
n=
(66)
T /2
x(t)e
n
j2 T
t
dt +
a+T
x(t)e
n
j2 T
t
dt =
T /2
T /2
x(t)e
n
j2 T
t
dt +
t0 = t T
dt = dt0
(68)
T /2
Ahora, dada la periodicidad tanto de x(t) como de ej2 T t , es decir, x(t) = x(t kT ) y ej2 T t =
n
ej2 T (tkT ) , obtenemos
Z a+T
Z T /2
Z a
Z T /2
n
n
n 0
n
j2 T
t
j2 T
t
0 j2 T
(t ) 0
x(t)e
dt =
x(t)e
dt +
x(t )e
dt =
x(t)ej2 T t dt (69)
a
T /2
77
T /2
Series de Fourier de se
nales reales
Las series de Fourier fueron originalmente concebidas para representar se
nales periodicas reales
como suma de se
nales senoidales. Aqu hemos llegado a la serie de Fourier a traves de la transformada
X (n)
y hemos visto que los coeficientes se pueden hallar como cn = b T = Xb (f ) m . Por lo tanto, se
T
f= T
deben cumplir las mismas propiedades que hemos visto para la transformada de Fourier y en particular,
si xb (t) es real, entonces debe existir simetra hermtica tanto en Xb (f ) como en los coeficientes. Esto
n
n
es, si definimos cn = an jb
, entonces cn = an +jb
. Apliquemos este resultado a la serie de Fourier:
2
2
+
X
cn ej2f0 nt = c0 +
n=
cn ej2f0 nt + cn ej2f0 nt
(70)
n=1
+
X
an jbn
(cos (2f0 nt) + j sin (2f0 nt))
2
n=1
an + jbn
(cos (2f0 nt) j sin (2f0 nt))
2
= c0 +
+
+
X
x(t) =
a0 X
+
an cos (2f0 nt) + bn sin (2f0 nt)
2
(71)
n=1
con a0 =
2
T
R a+T
a
Comprobaci
on:
cn =
=
x(t)dt, an =
2
T
R a+T
a
2
T
R a+T
a
Z
Z
n
1 a+T
1 a+T
x(t)ej2 T t dt =
x(t) (cos (2f0 nt) j sin (2f0 nt)) dt
T a
T a
Z
Z
1 a+T
1 a+T
x(t) cos (2f0 nt)dt j
x(t) sin (2f0 nt)dt
T a
T a
an
2
(72)
P+
n=
tnT
T /2
+
m
X
m
1
m
f
=
sinc
f
T
2
2
T
m=
m=
+
X
(73)
+
n
X
n
1
{X(f )} =
sinc
ej2t T
2
2
n=
78
(74)
n
Alternativamente, dado que cn = 12 sinc( n2 ) y teniendo en cuenta que cn = an jb
, podemos identificar
2
n
an = sinc( 2 ) y bn = 0. N
otese que debido a que la se
nal x(t) es real y par, X(f ) es puramente real
(la sinc) y por lo tanto los coeficientes tambien son reales. Esto nos permite escribir la se
nal tambien
como:
+
n
1 X
x(t) = +
cos (2f0 nt)
(75)
sinc
2
2
n=1
Observaciones:
+
j2f t
X(f )e
para se
nales no peri
odicas.
6.
df
=
t=0
X(f )df
(77)
Muestreo
x(t)
T 2T
6.1.
Espectro de una se
nal muestreada. Criterio de Nyquist.
x(t)
xd (t)
T 2T
t
!+
n=
T 2T
(t nT )
T 2T
+
X
n=
(t nT ) =
+
X
n=
x(nT )(t nT )
(78)
1
T
m
1
f
=
T
T
m=
+
X
m
X f
T
m=
+
X
(79)
1
T
T1
1
2T
Xd (f )
X(f )
W
1
2T
1
T
1
Observando la figura vemos que, para que las replicas de X(f ) no se solapen se debe cumplir W < 2T
.
1
Teniendo en cuenta que la frecuencia a la que se ha muestreado la se
nal es fm = T , reescribimos la
condicion anterior como
fm > 2W
(80)
tambien conocida como criterio de Nyquist. En otras palabras, para evitar el efecto aliasing (el solapamiento o interferencia entre replicas), es necesario muestrear al doble del ancho de banda de la se
nal.
80
6.2.
fm
2
(81)
Recuperaci
on de x(t) a partir de xd (t). Interpolaci
on.
En caso de que no haya efecto aliasing, esta claro que limitando el espectro de Xd (f ) en [1/2T, 1/2T ]
y escalando por T recuperamos el espectro de la se
nal original. Esta idea es la que usamos para reconstruirla. En concreto, vemos que:
f
(82)
X(f ) = Xd (f ) T
1/T
f
Esto se corresponde con el siguiente sistema cuando H(f ) = T 1/T
:
H(f )
T
Xd (f )
xd (t)
1
2T
1
2T
X(f ) = Xd (f ) H(f )
x(t) = xd (t) h(t)
Antitransformando la relaci
on anterior obtenemos:
f
1
t
t
1
F {Xd (f ) T
} = xd (t) T sinc
= xd (t) sinc
1/T
T
T
T
donde hemos usado F 1 {H(f )} = h(t) = sinc Tt . Desarrollando un poco mas obtenemos:
"
+
X
t nT
t
=
x(nT ) sinc
x(t) =
x(nT )(t nT ) sinc
T
T
n=
n=
+
X
(83)
(84)
Esta
es la formula de interpolaci
on con la sinc como funcion de interpolacion. Notese que los valores
de x(t) en los instantes t = nT son iguales que los de xd (t) en t = nT , lo cual es correcto. Ve
amoslo
en la siguiente figura:
81
x(t)
x(T )
x(2T )
t
Si nos fijamos, por ejemplo, en t = T , vemos que la sinc centrada all, es decir x(T ) sinc tT
toma
T
el valor deseado x(T ) mientras que el resto de funciones sinc se anulan en ese punto. Esto mismo
sucede para cualquier otro punto t = nT . Ademas, en los valores de t intermedios, la suma de sincs
nos devolvera la se
nal original (en trazo discontinuo en la figura).
No obstante, la funci
on de interpolaci
on ideal (la sinc) no se podra implementar a la practica ya
que se trata de un sistema no causal. En todo caso, habra que introducirle un retraso y truncarla
para que h(t) = 0 para t < 0. Otra opci
on es usar funciones de interpolacion mas sencillas, como por
ejemplo:
/2
.
Interpolaci
on de orden cero: h(t) = tT
T
P
Con esta funci
on tendremos x(t) n x(nT ) tT /2nT
, es decir, mantenemos el valor de
T
una muestra hasta que llegue la siguiente. La recuperacion de la se
nal no es muy buena pero es
sencilla.
x(t)
x(T )
x(2T )
Interpolaci
on de primer orden: h(t) = Tt .
P
Con esta funci
on tendremos x(t) n x(nT ) tnT
, es decir, entre dos muestras consecutivas
T
aproximamos la funci
on por una recta. Resulta tambien simple de implementar (con un retraso
para que sea causal) y funciona mejor que la anterior.
82
x(t)
x(T )
x(2T )
6.3.
Implementaci
on pr
actica
Finalmente, cabe destacar que en la practica se procura evitar el efecto del aliasing a toda costa.
Es por ello que en el caso del muestro, si la se
nal de entrada x(t) no cumple el criterio de Nyquist, se
coloca un filtro (llamado antialiasing) que limite el ancho de banda de la se
nal a fm /2. Es preferible
distorsionar la se
nal quit
andole les componentes frecuenciales mas altas que acarrear luego con el
aliasing. As pues, el diagrama de bloques de un sistema de muestreo debe ser:
x(t)
Filtro antialiasing
(ancho de banda W)
Muestreo
fm > 2W
Cuanticacin
n bits
Conversor A/D
Si queremos recuperar la se
nal continua a partir de informacion digitalizada, usaremos un bloque
conversor digital a anal
ogico. No obstante, la se
nal de salida de este bloque (suma de deltas) contendra las replicas no deseadas en frecuencia, por lo que colocaremos, tal y como hemos visto, un filtro
interpolador o reconstructor.
Conversor D/A
Filtro interpolador
83
Xd (f )
1
T
rplicas
X(f )
H(f )
f
f2m
fm
fm
2
fm
T0
Tm
t=0
t = Tm
t = 2Tm
t = 3Tm
84
Tema 5: Correlaci
on y Espectro de Se
nales
Deterministas
Antoni Morell y Rosana Rodrguez
4 de febrero de 2013
1.
Energa y potencia
(1)
En caso de que la se
nal x(t) corresponda a una tension y la resistencia no sea 1, habra que dividir
por el valor que toque para encontrar la potencia tal y como la entendemos en electronica.
Definiremos la energa de la se
nal como la integral (suma) de la potencia instantanea para todo
instante de tiempo, es decir
Z +
Ex =
|x(t)|2 dt
(2)
y la potencia media de la se
nal como el promedio temporal de Pi (t) o, lo que es lo mismo, como la
energa de x(t) por unidad de tiempo calculada seg
un
1
Px = lm
T T
+T /2
T /2
|x(t)|2 dt
(3)
Clasificaci
on de las se
nales en t
erminos energ
eticos
En funcion de los valores que tomen tanto Ex como Px , la se
nal x(t) sera:
1. Se
nal de energa finita: 0 < Ex < +.
2. Se
nal de potencia media finita: 0 < Px < +.
3. Se
nal que no es ni de energa finita ni de potencia finita.
Los tipos 1 y 2 son excluyentes, es decir, si una se
nal es de energa finita no puede ser de potencia
media finita y viceversa. Como ejemplo del grupo 3, podemos considerar x(t) = t 2 u(t 1) con
0 < < 1. En este caso, Ex + y Px = 0.
85
1.1.
Se
nales de energa finita
y por lo tanto |X(f )|2 marca la distribucion de energa en frecuencia del mismo modo que |x(t)|2
marca la distribuci
on de energa en tiempo (equivalente a potencia instantanea si se considera una
duracion temporal infinitesimal t entorno a t). Llegamos pues a:
Sxx (f ) = |X(f )|2
(5)
86
Graficamente tenemos:
|X(f )|2
|H(f )|2
1
f2 f1
f1
f2
f1
f1
1.2.
Ey
2f ,
Se
nales de potencia media finita
Son se
nales de potencia media finita:
Las se
nales peri
odicas (siempre que sean cuadrado integrables en un periodo).
Algunas se
nales de duraci
on infinita, como por ejemplo el pulso o la rampa.
Las se
nales aleatorias, es decir, las correspondientes a procesos estocasticos.
En este tema trataremos s
olo los dos primeros casos, es decir, las se
nales periodicas y las no peri
odicas.
Empecemos por el primero.
Se
nales peri
odicas
R +T /2
En las se
nales peri
odicas, la potencia (Px = lmT T1 T /2 |x(t)|2 dt) se puede obtener de dos
maneras distintas:
R
1. Px = T10 <T0 > |x(t)|2 dt, es decir, como la potencia en un periodo.
P+
2
2. Px =
odulos al cuadrado de sus coeficientes de
n= |cn | , es decir, como suma de los m
Fourier.
Comprobaci
on de la primera aproximaci
on:
Definimos T = M T0 con M N+ e impar y calculamos la potencia a traves de la definicion:
Z
Z +M T0 /2
1 +T /2
1
2
|x(t)| dt = lm
|x(t)|2 dt
Px = lm
T T T /2
M T0 M T0 M T0 /2
87
(8)
Fijemonos que la u
ltima integral calcula la potencia en M periodos (ver la figura) y por lo tanto,
valdra M veces la integral en un periodo.
x(t)
T0
t
M T0
As pues:
1
Px = lm
M T0 M T0
+M T0 /2
M T0 /2
1
|x(t)| dt = lm
M
M T0 M T0
2
+T0 /2
T0 /2
1
|x(t)| dt =
T0
2
+T0 /2
T0 /2
|x(t)|2 dt (9)
Comprobaci
on de la segunda aproximaci
on:
P
j2 Tn t
0 .
Partimos del resultado anterior y expresamos x(t) en serie de Fourier como x(t) = +
n= cn e
Desarrollando obtenemos:
#
Z + T0
Z + T0
Z + T0 " X
+
2
2
2
1
1
1
j2 Tn t
2
0
x (t)dt (10)
cn e
Px =
|x(t)| dt =
x(t) x (t)dt =
T0 T0
T0 T0
T0 T0 n=
2
2
2
#
"Z T0
T0
Z
+
+
+
+
2
2
1 X
1 X
j2 Tn t
j2 Tn t
0 dt =
0 dt
=
x (t)e
x(t)e
cn
cn
T
T
T0 n=
T0 n=
0
0
2
Si recordamos la definici
on del n-esimo coeficiente de Fourier, cn =
la expresion entre corchetes es justamente cn T0 . As pues:
Px =
1
T0
+
+
X
1 X
cn [cn T0 ] =
|cn |2
T0 n=
n=
j2 Tn t
0 dt,
<T0 > x(t)e
vemos que
(11)
m
|cm | f
Sxx (f ) =
T0
m=
2
88
(12)
Se
nales no peri
odicas
En se
nales no peri
odicas deberemos calcular la potencia usando la definicion. Por ejemplo, para calcular la potencia de x(t) = u(t) haremos:
Z T
Z T
1 +2
1T
1 +2 2
1
u (t) dt = lm
1 dt = lm
Px = lm
=
(13)
T
T T 0
T T 2
T T
2
2
Gracias a la se
nal enventanada hemos podido llevar los lmites de la integral a infinito, lo que nos
permite aplicar el teorema de Parseval tal y como hemos hecho para el caso de se
nales de energa
finita. Entonces tenemos:
Z
Z
Z +
1 +
1 +
|XT (f )|2
2
2
Px = lm
|xT (t)| dt = lm
|XT (f )| df =
lm
df
(16)
T T
T T
T
T
Llegamos, pues, a la conclusi
on que la densidad espectral de potencia para se
nales de potencia media
finita no periodicas se puede calcular como:
|XT (f )|2
T
T
(17)
Sxx (f ) = lm
Apliquemos este resultado al ejemplo anterior, x(t) = u(t). En este caso xT (t) =
T
tanto XT (f ) = ej2f 4 T2 sinc T2 f . Calculemos su densidad espectral:
|XT (f )|2
1 T 2 sin2 2 T f
1 sin2 T2 f
= lm
=
l
m
2
T
T T 4 2 T f 2
T T
T
2f 2
Sxx (f ) = lm
tT /4
T /2
y por lo
(18)
f 6= 0
0
2
2 T4 f 2
T 2 f 2
T
4
= f =0
(19)
donde hemos aproximado el seno por su argumento para f = 0. Llegamos pues a Sxx (f ) = A(f ),
R +
pero nos falta determinar el valor de A. Como Px = Sxx (f ) df = A y ya sabemos por otro lado
que Px = 21 , concluimos que
1
Sxx (f ) = (f )
(20)
2
89
2.
Correlaci
on y espectro de energa
Z
=
|x(t + )|2 dt +
|y(t)|2 dt
x(t + )y (t)dt
x (t + )y(t)dt
= Ex + Ey Rxy ( ) Rxy
( ) = Ex + Ey 2Re{Rxy ( )}
donde
Rxy ( ) =
x(t + )y (t)dt
(22)
Rxy ( ) =
Z +
x(t + )y (t)dt = t0 = t + =
x(t0 )y (( t0 ))dt0 = x( ) y ( )
Propiedades de Rxy ( )
Son las siguientes:
1. |Rxy ( )|2 Ex Ey
90
(23)
Comprobaci
on: aplicaci
on directa de la desigualdad de Schwarz
R +
R +
R +
2
(| u(t)v (t)dt| |u(t)|2 |v(t)dt|2 ):
Z
|Rxy ( )| =
2 Z
x(t + )y (t)dt
|x(t + )|
|y(t)dt|2 = Ex Ey
(24)
R
+
y(t
R +
)x (t)dt = t = t0 + = y (t0 )x(t0 + )dt0
(25)
(26)
R +
Sxx (f )df = Ex
x( ) x ( ) ser
a real y adem
as par.
4. F{Rxx ( )} = Sxx (f ) 0
Analicemos ahora el caso de una se
nal z(t) compuesta de otras dos, es decir, z(t) = x(t) + y(t), desde
el punto de vista de la funci
on de autocorrelacion:
Rzz ( ) = z( ) z ( ) = [x( ) + y( )] [x ( ) + y ( )]
(27)
= x( ) x ( ) + y( ) y ( ) + x( ) y ( ) + y( ) x ( )
= Rxx ( ) + Ryy ( ) + Rxy ( ) + Ryx ( )
91
( ) tambi
Si tenemos en cuenta que Ryx ( ) = Rxy
en podemos escribir
(28)
(29)
x(t)
h(t)
y(t)
92
3.
Correlaci
on y espectro de potencia
Para el caso de se
nales de potencia finita, calcularemos la correlacion siguiendo la logica que
R +T
hemos usado para calcular la potencia. Es decir, si decamos que Px = lmT T1 T2 |x(t)|2 dt, ahora
la autocorrelaci
on de se
nales de potencia finita vendra dada por:
1
Rxx ( ) = lm
T T
+ T2
T2
x(t + )x (t)dt
(30)
donde comprobamos f
acilmente que Rxx (0) = Px . Ademas, la correlacion cruzada se calculara como:
1
T T
Rxy ( ) = lm
+ T2
T2
x(t + )y (t)dt
(31)
Propiedades de Rxx ( )
Son las mismas (cambiando energa por potencia) que las de las se
nales de energa finita, es decir:
1. Rxx (0) = Px
2. |Rxx ( )|2 |Rxx (0)|2
( )
3. Rxx ( ) = Rxx
Propiedades de Rxy ( )
As mismo, las propiedades de Rxy ( ) tambien se repiten y son:
1. |Rxx ( )|2 Px Py
( )
2. Rxy ( ) = Ryx
F{Rxx ( )} = Sxx (f ) = lm
(32)
(33)
Nota: aunque llamemos igual a la densidad espectral de energa y a la de potencia como Sxx (f ), hay
que ser conscientes que son distintas y que nos aportan informacion semejante pero no igual.
93
Comprobaci
on: Empezaremos desarrollando por Sxx (f ) = lmT
ponde con F{Rxx ( )}. Esto es:
|XT (f )|2
T
|XT (f )|2
1
= lm XT (f )XT (f )
T
T T
T
Z +
Z +
1
0
= lm
xT (t)ej2f t dt
xT (t0 )ej2f t dt0
T T
"ZT
# "Z
#
+2
+ T2
1
0
x(t)ej2f t dt
x (t0 )e+j2f t dt0
= lm
T T
T
T
Sxx (f ) =
lm
(34)
donde hemos expresado XT (f ) como F{xT (t)}. Ahora juntamos las integrales y hacemos el cambio
de variable t = + t0 (aqu t0 es s
olo un parametro que no interviene en la integral respecto t), con lo
que dt = d :
Z T Z T
1 +2 +2
0
Sxx (f ) = lm
x(t)x (t0 )ej2f (tt ) dt dt0
(35)
T T T
T2
2
Z T Z T 0
1 + 2 + 2 t
= lm
x( + t0 )x (t0 )ej2f d dt0
T T T
T t0
2
t0
(t0
Finalmente, invertimos el orden de integracion para llegar al resultado esperado, esto es:
Z +
Z T
1 +2
Sxx (f ) =
lm
x(t0 + )x (t0 )ej2f dt0 d
T T T2
Z +
=
Rxx ( )ej2f d = F{Rxx ( )}
(37)
Ejemplo: Obtener Rxx ( ) y Sxx (f ) para x(t) = u(t).
Aplicamos la definici
on de Rxx ( ) para obtener
Z T
Z T
1 +2
1 +2
Rxx ( ) = lm
u(t + )u(t)dt = lm
u(t + )dt
T T 0
T T T
(38)
(41)
t
x(t)
T0
kZ
(42)
Comprobaci
on:
1
Rxx ( + kT0 ) = lm
T T
1
= lm
T T
+ T2
T2
+ T2
T2
(43)
95
Correlaci
on entre dos fasores
Estudiemos ahora la correlaci
on entre x(t) = a1 ej2f1 t y y(t) = a2 ej2f2 t . Aplicando directamente la
definicion vemos que:
1
Rxy ( ) = lm
T T
=
+ T2
T2
a2 a1 ej2f1
a2 a1 ej2f1
1
lm
T T
+ T2
T2
ej2(f1 f2 )t dt (45)
1 ej2(f1 f2 )t T /2
1 sin (f1 f2 )T
lm
= a1 a2 ej2f1 lm
T T j2(f1 f2 ) T /2
T T (f1 f2 )T
Por lo tanto, cuando f1 6= f2 evaluaremos la sinc en valores muy grandes y el resultado sera 0. S
olo
cuando f1 = f2 la sinc tomar
a valor 1. Por lo tanto, llegamos al siguiente resultado:
(
0
f1 6= f2
Rxy ( ) =
(46)
a1 a2 ej2f1 f1 = f2
Correlaci
on cruzada entre dos se
nales peri
odicas
El resultado anterior nos sirve para calcular Rxy ( ) con x(t) e y(t) periodicas si las desarrollamos en
series de Fourier. Esto es:
X
x(t) =
cx,m ej2mf0,x t
(47)
m
y(t) =
cy,n ej2nf0,y t
(48)
j2nf0,y t
j2mf0,x (t+ )
cy,n e
dt
cx,m e
Rxy ( ) = lm
T T T
m
n
2
Z +T
XX
2
1
=
cx,m cy,n ej2mf0,x lm
ej2(mf0,x nf0,y )t dt
T T T
m n
(49)
Vemos que cada elemento del sumatorio se corresponde con la correlacion de dos fasores, de la cual
ya tenemos el resultado en (46). Sabemos que solo cuando mf0,x = nf0,y el elemento en cuesti
on
contribuira al sumatorio. En caso contrario dicha contribucion sera 0. La cuestion ahora es: con
que periodicidad los fasores de la se
nal x(t) van a coincidir con los de la se
nal y(t)? Miremos primero
un ejemplo. Supongamos f0,x = 3 y f0,y = 4 y dibujemos sus espectros (por comodidad, ya que un
fasor en tiempo queda representado en frecuencia por una delta cuya posicion nos indica la frecuencia).
96
X(f )
-18
-15
-12
-9
-6
-3
-12
-8
12
15
18
Y (f )
12
-16
-4
12
16
Vemos que con una periodicidad de fr = 12, la posicion de las deltas coincide. Todo se reduce a
encontrar M y N tales que
f0,r = N f0,x = M f0,y , M, N N+
(50)
Si nos fijamos nos daremos cuenta que f0,r = mcm(f0,x , f0,y ) y una vez encontrado el mnimo com
un
m
ultiple de ambas frecuencias fundamentales, determinar M y N ya es trivial seg
un (50).
Finalmente, eliminando los terminos que no contribuyen a la correlacion cruzada, esta no queda como:
X
Rxy ( ) =
cx,M r cy,N r ej2rf0,r
(51)
r
97