File

ANÁLISIS DE SISTEMAS DISCRETOS
EN EL DOMINIO DE LA FRECUENCIA 9
INTRODUCCIÓN
En el capítulo 7 se presentó una estrategia para el análisis de la respuesta dinámica de un
sistema en el dominio del tiempo discreto, basada en la solución completa de la ecuación en
diferencias (EED) ante una entrada arbitraria. Sin embargo, su solución puede complicarse para
cierto tipo de entrada. En el capítulo 8 se desarrolló un método de transformación que facilitó la
evaluación de la respuesta del sistema, utilizando como herramienta la transformada Z. En los
dos casos, la evaluación del comportamiento dinámico del sistema está supeditada al uso de
prototipos de primero o segundo orden y al conocimiento de la entrada del sistema, reconocida
como la señal de prueba. En este capítulo se presentarán los métodos clásicos para el análisis de
un sistema discreto en el dominio de la frecuencia digital, similar al tratamiento que se dio a los
sistemas continuos en el capítulo 4. La principal característica de estos métodos, es que pueden
aplicarse a cualquier orden del sistema y no se requiere la utilización de señales de prueba.
Se hará referencia al concepto de respuesta de frecuencia (RDF) que permite inferir

sobre el comportamiento dinámico del sistema en tiempo discreto, desde el dominio de la
frecuencia digital. Similar al tratamiento que se dio en el capítulo 4 al sistema continuo, la RDF
se desarrollará a partir de la función de transferencia discreta (FTD). Con base en lo anterior se
desarrollará la transformada de Fourier en tiempo discreto (TFTD), como una herramienta para
el análisis de una señal discreta en el dominio de la frecuencia digital. Para comprender la
relación que existe entre la transformada de Fourier en tiempo continuo (TFTC) y su análoga en
el dominio discreto (TFTD), será necesario revisar el proceso de muestreo y reconstrucción de
una señal continua, que será considerado en el capítulo 10.
9.1 DOMINIO DEL TIEMPO DISCRETO v/s DOMINIO-Ω

En esta sección se demostrará que es posible representar una señal armónica x[ n] definida
en el dominio del tiempo discreto, en términos de sus valores característicos: frecuencia
fundamental, amplitud y fase. Esta representación es el principio de la transformada de
Fourier en tiempo discreto (TFTD). De modo similar, si un sistema discreto se modela a
través de su respuesta impulso: h[ n] , un tratamiento similar permitirá desarrollar su
respuesta de frecuencia (RDF) para evaluar su comportamiento dinámico en el dominio de
la frecuencia digital.
9-1
9-2 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
Respuesta de un sistema discreto LIT a una señal armónica

Si un sistema discreto LIT modelado por su respuesta impulso h[ n] es sometido a una
señal armónica x[ n] = Ae j ( n Ω 0 +θ ) , donde A es la amplitud, Ω0 la frecuencia fundamental en
radianes y θ la fase en radianes, aplicando convolución lineal, su respuesta forzada es:
∞ ∞
⎡ ∞ − j kΩ 0 ⎤
y[ n ] = ∑
k =−∞
h[ k] x[ n − k] = ∑
k =−∞
h[ k] Ae j [( n − k ) Ω 0 +θ )
= ⎢ ∑ h[ k] e
⎣ k=−∞
⎥ Ae
⎦
j ( n Ω 0 +θ )
(9.1)
El segundo factor en (9.1) es la señal de entrada y el término entre corchetes es una

expresión compleja que solo depende de la frecuencia digital Ω0 y puede expresarse como
∞
H ( e jΩ 0 ) = ∑ h[ k] e − j kΩ 0
(9.2)
k =−∞
Sustituyendo (9.2) en (9.1) la respuesta forzada del sistema discreto es

y[ n] = H ( e j Ω 0 ) × x[ n] (9.3)
Este resultado es similar al que se obtuvo en la sección 8.1 cuando se evaluó la respuesta
de un sistema LIT a una entrada exponencial compleja, si en la ecuación (8.2) sustituimos
z = e j Ω 0 . Lo anterior permite reconocer que la respuesta forzada a una entrada armónica,
también es armónica y solo se ve afectada por el factor de escalamiento complejo
H ( e j Ω 0 ) , que modifica su amplitud y fase. La expresión (9.2) puede calcularse como:
H ( e j Ω 0 ) = H ( z) z = e j Ω 0 (9.4)
donde H ( z) es la FTD del sistema. Como la señal armónica de entrada x[ n] no incluye

ningún factor de amortiguamiento, la respuesta forzada evaluada a partir de (9.3) coincide
con la respuesta permanente o respuesta estacionaria y ss [ n] del sistema, tal como se
demuestra en el siguiente ejemplo.
Ejemplo 9.1 Un sistema LIT está caracterizado por la siguiente ecuación en diferencias,
Respuesta
estacionaria y[ n] − 0.8 y[ n − 1] = x[ n], n ≥ 0
ante entrada
armónica. Calcular la respuesta estacionaria si la entrada del sistema es
x[ n] = 4 + 10 cos( nπ / 8 − π / 6) + 15 sen( nπ / 2 + 5π / 6)
Solución: Para obtener la FTD llevamos la EED al dominio-z, asumiendo que el sistema
está en reposo (condiciones iniciales cero):
Y ( z) − 0.8 z−1 Y ( z) = X ( z)
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.1 – DOMINIO DEL TIEMPO v/s DOMINIO DE LA FRECUENCIA 9-3
Aplicando la definición (8.52), la FTD viene dada por

Y ( z) 1
H ( z) = =
X ( z) 1 − 0.8 z−1
En la señal de entrada x[ n] se identifican tres componentes armónicas, cuyos

valores característicos son
x1[ n]: Ω1 = 0, A 1 = 4, θ1 = 0
x2 [ n]: Ω 2 = π / 8, A2 = 10, θ2 = −π / 6
x3 [ n]: Ω 3 = π / 2, A3 = 15, θ3 = 5π / 6
En x1[ n] la frecuencia digital es cero y se reconoce como la componente DC

de x[ n] . Como el sistema es lineal, aplicamos (9.4) a cada componente
jΩ 1 1
H 1( e )= = 5 = 5 0 rad
1 − 0.8 e− j 0
jΩ 2 1
H2 ( e )= = 1.6125 − j 1.8922 = 2.4861 − 0.8650 rad
1 − 0.8 e− j π / 8
1
H 3 ( e jω3 ) = = 0.6098 − j 0.4878 = 0.7809 − 0.6747 rad
1 − 0.8 e− j π / 2
que puede verificarse usando MATLAB®
» W=[0, pi/8, pi/2];
» HjW=1./(1-0.8*exp(-j*W))
HjW = 5.0000 1.6125 - 1.8922i 0.6098 - 0.4878i
» [magHjW,faseHjw]=rec2pol(HjW,'r')
magHjW = 5.0000 2.4861 0.7809
faseHjW = 0 -0.8650 -0.6747
Aplicando (9.3) construimos la respuesta a cada componente, como

y1[ n] = 4 × 5 = 20
y2 [ n] = 10 × 2.4861× cos[ nπ / 8 − π / 6 − 0.8650] = 24.8611cos[ nπ / 8 − 1.3886]
y 3 [ n] = 15 × 0.7809 × sen[ nπ / 2 + 5π / 6 − 0.6747] = 11.7130 sen[ nπ / 2 + 1.9433]
Luego, la respuesta estacionaria es
y ss [ n] = 20 + 24.8611cos[ nπ / 8 − 1.3886] + 11.7130 sen[ nπ / 2 + 1.9433]
En el ejemplo 9.1 se utilizó la función especial rec2pol() que fue desarrollada para
facilitar la conversión de rectangular a polar. Su descripción se presenta en el apéndice B.
Introduciendo solo el nombre de esta función se obtiene ayuda y un ejemplo de aplicación.
Del dominio del tiempo discreto al dominio de la frecuencia digital (Ω)

En el ejemplo 9.1 la señal de entrada x[ n] y la respuesta estacionaria y ss [ n] poseen
componentes armónicos cuyas frecuencias son Ω 1 = 0, Ω 2 = π / 8, Ω 3 = π / 2 . La única
diferencia está en la amplitud y fase, valores que se determinaron evaluando la FTD H ( z)
para las frecuencias anteriores. Como se demostró en el capítulo 7, el análisis de una señal
en el dominio del tiempo discreto implica el uso de métodos gráficos o analíticos. Para el
el sistema del ejemplo 9.1, expresando x[ n] y y ss [ n] en función de cosenos, obtenemos:
x[ n] = 4 + 10 cos( nπ / 8 − 0.5362) + 15cos( nπ / 2 + 1.0472)

y ss [ n] = 20 + 24.8611cos[ nπ / 8 − 1.3886] + 11.7130 cos[ nπ / 2 + 0.3725]
cuyas gráficas se muestran en la figura 9.1.
Figura 9.1
Entrada senoidal y
respuesta
estacionaria de un
sistema discreto.
Aunque la figura anterior representa gráficamente la relación entrada ⇔ salida del sistema
discreto del ejemplo 9.1, es prácticamente imposible identificar en una aplicación práctica
las componentes armónicas de cada señal discreta. Una forma más apropiada se consigue
utilizando los valores característicos de cada señal armónica: frecuencia, amplitud y fase,
que se resumen en la tabla 9.1:
Tabla 9.1 – Valores característicos de componentes armónicas

x[ n] y ss [ n]
Ωk
Ak θ k [ rad ] Ak θ k [ rad ]
0 4 0 20.0000 0
π/8 10 −0.5326 24.8611 −1.3886
π/2 15 1.0472 11.7130 0.3725
9.1 – DOMINIO DEL TIEMPO v/s DOMINIO DE LA FRECUENCIA 9-5
De acuerdo con la tabla 9.1, las componentes armónicas tienen en común la frecuencia
( Ω k ) y la relación entre valores de amplitud ( A k ) y fase ( θ k ) se obtienen evaluando la FTD
H ( z) para z = e j Ω . Usando los datos de la tabla 9.1 se construyó la grafica de la figura 9.2,
k
la cual permite identificar los armónicos contenidos en la descripción algebraica de x[ n]

y y[ n] en el dominio del tiempo discreto.
Figura 9.2
Valores característicos
de armónicos en la
entrada y salida del
ejemplo 9.1.
Los valores característicos de frecuencia, magnitud y fase mostrados en la tabla 9.1 y la

figura 9.2 son suficientes para describir las señales armónicas x[ n] y y[ n] , y son el
fundamento de la respuesta de frecuencia (RDF) y de la transformada de Fourier en
tiempo discreto (TFTD) que serán presentadas en este capítulo.
9.2 RESPUESTA DE FRECUENCIA DE UN SISTEMA DISCRETO

En esta sección se desarrollarán las estrategias para la evaluación de la respuesta de
frecuencia (RDF) de un sistema discreto, tomando como punto de partida la respuesta
estacionaria del sistema a señales armónicas discretas y causales. Se reconocerá el carácter
periódico de la RDF de un sistema discreto, como una consecuencia del concepto de rango
fundamental de una señal senoidal discreta, que se demostró en la sección 7.2.
Definición de la RDF e un sistema discreto y relación con la FTD

Si la ecuación (9.2) se evalúa para un conjunto de valores continuos de frecuencia digital,
equivale a considerar que el sistema modelado por H ( z) es excitado por señales armónicas
cuyas frecuencias son los valores particulares de Ω . El resultado se define como la

respuesta de frecuencia (RDF) del sistema discreto y se expresa como
∞
H ( e jΩ ) ∑ h[ k] e − j kΩ
(9.5)
k=−∞
Comparando la ecuación (9.5) con la definición (8.3) de la transformada Z, se observa que

es posible evaluar la RDF del sistema discreto, a partir de la H ( z) como
H ( e j Ω ) = H ( z) z = e j Ω (9.6)
Características de la RDF de un sistema discreto

En la evaluación de la RDF se pueden reconocer 3 características fundamentales:
1. Estabilidad
De acuerdo con (9.6), la RDF H ( e j Ω ) de un sistema discreto se evalúa para valores
de z = e j Ω , que son los puntos sobre el círculo unitario del plano-z. Por lo tanto, la
RC de H ( z) debe contener el círculo unitario. De acuerdo con la definición 8.4,
implica que el sistema debe ser absolutamente estable y según (7.66) se logra si h[ n]
es absolutamente sumable.
2. Simetría conjugada
Como H ( e j Ω ) es una función compleja de variable real Ω , su evaluación se efectúa
generalmente a partir de la magnitud y fase. Si h[ n] es real, la respuesta de magnitud
H ( e j Ω ) tiene simetría par y la respuesta de fase H ( e j Ω ) tiene simetría impar,
que en conjunto se reconoce como simetría conjugada.
Para demostrar esta característica expresamos (9.5) en forma rectangular

∞ ∞
H ( e jΩ ) = ∑ h[ k] e− j k Ω = ∑ h[ k]{cos( kΩ) − jsen( kΩ)} = a − jb
k =−∞ k =−∞
De modo similar
∞ ∞
H ( e− j Ω ) = ∑ h[ k] e j k Ω = ∑ h[ k]{cos( kΩ) + jsen( kΩ)} = a + jb
k =−∞ k =−∞
Como la magnitud de los complejos es igual, se cumple que
H ( e j Ω ) = H ( e− j Ω ) (9.7)
La fase en el primer caso es − tan−1( b / a) y en el segundo caso es + tan−1( b / a) .
9.2 – RESPUESTA DE FRECUENCIA DE UN SISTEMA DISCRETO 9-7
Luego se satisface la condición de simetría impar,
H ( e j Ω ) = − H ( e− jΩ ) (9.8)
A partir de (9.7) y (9.8) se consigue la simetría conjugada, que se expresa como

H ( e j Ω ) = H *( e− j Ω ) (9.9)
3. Periodicidad
La RDF de un sistema discreto H ( e j Ω ) es una función periódica con período
2π rad . Esta propiedad es el resultado del concepto de rango fundamental (7.27)
presentado en la sección 7.2 para una señal discreta exponencial compleja o senoidal.
Como consecuencia de la periodicidad y de la simetría conjugada, la evaluación de la RDF

de un sistema discreto real se puede efectuar para valores de frecuencia digital en el
intervalo 0 ≤ Ω ≤ π . Esta característica establece una diferencia fundamental con el
sistema continuo, en el cual la RDF se evalúa en el intervalo 0 ≤ ω < ∞ .
Aunque el análisis anterior partió e la TZB, en aplicaciones prácticas los sistemas deben
ser realizables o causales, en cuyo caso la sumatoria en (9.5) se efectúa en el intervalo
n = [0, ∞ ) y para evaluar (9.6) puede utilizarse la TZ unilateral.
Ejemplo 9.2 Verificar las características de periodicidad y simetría conjugada de la RDF

Periodicidad en el sistema real del ejemplo 9.1.
y simetría
conjugada de
la RDF.
Solución: Utilizando la FTD del ejemplo 9.1 y aplicando (9.6) obtenemos la RDF, como
1 1
H ( z) = −1
↔ H ( e jΩ ) =
1 − 0.8 z 1 − 0.8 e− j Ω
Utilizando MATLAB® se puede evaluar numéricamente H ( e j Ω ) , como
» W=-3*pi:0.01:3*pi;
» HjW=1./(1-0.8*exp(-j*W));
» [magHjW,faseHjW]=rec2pol(HjW,'r');
» %comandos de graficación...
El resultado se muestra en la figura 9.3 donde se observa que la RDF es

periódica con período 2π , la respuesta de magnitud tiene simetría par y la
respuesta de fase presenta simetría impar.
Figura 9.3
Periodicidad y
simetría conjugada
de la RDF.
Evaluación de la RDF de sistemas discretos

En el ejemplo anterior, la RDF se evaluó numéricamente a partir de la expresión analítica
de H ( e j Ω ) para valores de Ω en el intervalo [ −3π,3π] . El TBS de MATLAB® incluye la
función freqz() para su evaluación numérica a partir de H ( z) , con base en la ecuación
(9.6). Su sintaxis es
[HjW,W] = freqz(nHz,dHz,N)
donde nHz y dHz son arreglos de los coeficientes del numerador y denominador en forma
DSP de H ( z) , respectivamente. La RDF se evalúa para N puntos equidistantes sobre la
parte superior del círculo unitario, que equivale al intervalo [0, π] radianes de la frecuencia
digital Ω . En el arreglo HjW se devuelven los valores complejos de la RFD y en W los
valores reales de la frecuencia digital Ω .
Si se desea la RDF sobre todo el círculo unitario, que equivale al intervalo Ω = [0,2π] ,
debe utilizarse la siguiente opción
[HjW,W] = freqz(nHz,dHz,N,'whole')
Para obtener la RDF de un sistema de datos muestreados modelado por H ( z) , es necesario

especificar el período de muestreo T en segundos, usando una de las siguientes opciones
[HjW,W] = freqz(nHz,dHz,N,1/T)
[HjW,W] = freqz(nHz,dHz,N,'whole',1/T)
9.2 – RESPUESTA DE FRECUENCIA DE UN SISTEMA DISCRETO 9-9
La siguiente opción permite establecer el dominio de la frecuencia digital Ω en radianes

HjW = freqz(nHz,dHz,W)
A partir de la evaluación numérica de la RDF, es posible desarrollar diferentes tipos de

diagramas de RDF, similares a los que se presentaron en la sección 4.2 para el sistema
continuo. Los diagramas utilizados frecuentemente pueden clasificarse como
- diagramas rectangulares
- diagramas polares
- diagramas logarítmicos
Un diagrama rectangular representa la magnitud y fase de H ( e j Ω ) en función de la

frecuencia digital Ω . La figura 9.4 es un caso típico y es el resultado del ejemplo 9.2 para
el intervalo Ω = [0, π] . Este diagrama es útil en el análisis y diseño de filtros digitales.
Figura 9.4
Diagrama
rectangular de RDF
de un sistema
discreto.
El diagrama polar de RDF representa la magnitud respecto de la fase en escala polar,

tomando la frecuencia digital Ω como parámetro. Una alternativa para desarrollar de este
diagrama consiste en dibujar la magnitud respecto de la fase, conocido como el diagrama
de Nyquist. La figura 9.5 muestra el diagrama polar que se obtuvo usando la función
polar() de MATLAB en el intervalo [0, π] para el sistema del ejemplo 9.2.
®
El diagrama logarítmico utiliza escala logarítmica para la frecuencia digital ( Ω) . Un caso

típico es el diagrama de Bode, que representa la magnitud en decibeles (dB) y la fase en
grados, similar al desarrollado en la sección 4.2 para el sistema continuo. La figura 9.6
muestra este diagrama para el sistema del ejemplo 9.2.
9 - 10 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
Figura 9.5
Diagrama Nyquist de
RDF de un sistema
discreto.
Figura 9.6
RDF de un sistema
discreto usando
Diagrama de Bode
Las aplicaciones de la RDF serán tratadas en la sección 9.5, luego de definir la

transformada de Fourier en tiempo discreto (TFTD) y de analizar sus propiedades.
9.3 TRANSFORMADA DE FOURIER EN TIEMPO DISCRETO

En esta sección se presentará la transformada de Fourier en tiempo discreto (TFTD), que es
la contraparte de la transformada de Fourier en tiempo continuo (TFTC) analizada en el
capítulo 4. Se demostrará la relación que existe entre la transformada Z y la TFTD, así
como la condición para su existencia, a partir de la región de convergencia (RC) de X ( z) .
9.3 –TRANSFORMADA DE FOURIER EN TIEMPO DISCRETO 9 - 11
Definición de la TFTD
Si x[ n] es una señal discreta real, aperiódica y absolutamente sumable:
∞
X ( e jΩ ) ∑ x[ n]e − j nΩ
(9.10)
n =−∞
se reconoce como la transformada de Fourier en tiempo discreto (TFTD). La ecuación

(9.10) es la misma expresión (9.5) que se utilizó en la sección anterior para calcular la
respuesta de frecuencia (RDF) de un sistema discreto. Utilizando la transformación (9.6) se
puede establecer una relación entre la TFTD y la TZ de x[ n] como
X ( e j Ω ) = X ( z) z = e j Ω (9.11)
Comparando (9.11) y (9.6) se pueden reconocer las siguientes diferencias fundamentales

entre la RDF y la TFTD:
- analíticamente no existe diferencia alguna entre la RDF y la TFTD. Sin embargo, en

aplicaciones prácticas se pueden requerir diferentes formas de cálculo, porque h[ n]
generalmente es determinística, mientras que x[ n] puede ser aleatoria.
- en aplicaciones prácticas la RDF de un sistema discreto se evalúa para 0 ≤ Ω ≤ π ,
mientras que el análisis espectral de una señal discreta se realiza para −π ≤ Ω ≤ π .
- la RDF y la TFDT solo existen si la RC de H ( z) y X ( z) incluyen el círculo unitario,
que se logra si h[ n] y x[ n] son absolutamente sumables (condiciones de Dirichlet).
Ejemplo 9.3 Usando la TZ, determinar la TFTD de las siguientes señales discretas:
TFTD de
señales a. Infinita y causal: x1[ n] = 2(0.5)n u[ n]
discretas
infinitas y b. Finita y no causal: x2 [ n] = {3, 4, 5, 6, 7}
↑
finitas.
Solución: a. Llevando al dominio z y aplicando la transformación (9.11)
2 2
X 1 ( z) = −1
↔ X1 ( e j Ω ) =
1 − 0.5 z 1 − 0.5 e− j Ω
b. Utilizando la forma de desarrollo en serie de la TZ
X2 ( z) = 3 z2 + 4 z + 5 + 6 z−1 + 7 z−2
Aplicando la transformación (9.11)
X2 ( e j Ω ) = 3 e j 2 Ω + 4 e j Ω + 5 + 6 e − j Ω + 7 e− j 2 Ω
La transformada inversa de Fourier en tiempo discreto, viene dada por

π
1
x[ n] ∫ X ( e jΩ ) e j n Ω d Ω (9.12)
2π −π
La notación es la misma que se ha usado en otros métodos de transformación

x[ n] ↔ X ( e j Ω ) (9.13)
Tabla de transformada de Fourier en tiempo discreto (TFTD)

El uso de la transformación (9.11) facilita considerablemente el cálculo de la TFTD de las
señales elementales y otras señales típicas que fueron presentadas en el capítulo 7. La tabla
9.2 presenta una relación de las transformadas más comunes que serán utilizadas en
ejemplos posteriores y que en su mayoría pueden ser demostradas a partir de la TZ.
Tabla 9.2 – Transformada de Fourier en tiempo discreto
No. x[ n] X ( e jΩ )
T1 δ[ n] 1
∞
T2 1 2π ∑ δ( Ω − 2π k)
k=−∞
∞
1
T3 u[ n] + ∑ πδ(Ω − 2π k)
1 − e− j Ω k=−∞
1
T4 a n u[ n]
1 − ae− j Ω
n ae− j Ω
T5 na u[ n]
(1 − ae− jΩ )2
∞
T6 e j nΩ 0 2π ∑ δ( Ω − Ω0 − 2π k)
k =−∞
∞
T7 cos[ Ω0 n] π ∑ [ δ( Ω − Ω0 − 2π k) + δ(Ω + Ω0 − 2π k)]
k =−∞
∞
T8 sen[ Ω0 n] − j π ∑ [ δ( Ω − Ω 0 − 2π k) − δ( Ω + Ω 0 − 2π k)]
k=−∞
sen[ Ω( N + ½)
T9 rect[ n / N ]
sen( Ω / 2)
sen ( Ω0 n )
T10 rect ( Ω / Ω 0 ) , periodica con periodo 2π
πn
TFTD de señales senoidales

En la sección 4.4 se demostró que la transformada de Fourier de una señal exponencial o
senoidal continua periódica x( t ) se representa a través de impulsos (ver tabla 4.3) en el
dominio de la frecuencia analógica ( ω) . Algo similar ocurre en el caso de una señal
armónica discreta x[ n] . En efecto la tabla 9.2 muestra que las transformadas T6, T7 y T8
están formadas por impulsos en el dominio de la frecuencia digital (Ω), cuyas expresiones
serán demostradas a continuación.
Para la señal discreta exponencial compleja (T6 de la tabla 9.2), podemos partir de la
definición (9.12) de la transformada inversa
π π ∞
∫ X(e )e
1 1
∫ ∑ 2πδ(Ω − Ω
jΩ j nΩ
x[ n] = dΩ = 0 − 2 π k) e j n Ω d Ω
2π −π
2π −π k =−∞
Como la integral se desarrolla en el intervalo [ −π, π] , solo interviene en la sumatoria el

pulso ubicado en Ω = Ω0 , tal como se muestra en la figura 9.7. Por lo tanto
π π
∫ δ(Ω − Ω0 ) e dΩ = e 0 ∫ δ(Ω − Ω 0 )dΩ = e 0

j nΩ j nΩ j nΩ
x[ n] =
−π −π
donde el último resultado se logra aplicando la propiedad de muestreo de la señal impulso.
( )
X e jΩ
Figura 9.7
Espectro de 2π
frecuencia de la
… −2 π + Ω 0 2π + Ω 0 …
señal discreta Ω
exponencial
compleja. Ω0
−2π −π π 2π 3π 4π
Considerando el espectro de la componente fundamental en el intervalo Ω = [ −π, π]
x[ n] = e j Ω0 n ↔ X0 ( e j Ω ) = 2πδ(Ω − Ω 0 ), − π ≤ Ω ≤ π (9.14)
siendo Ω0 = 2π / N la frecuencia digital en radianes y N el período en muestras/ciclo. La

interpretación gráfica se muestra en la figura 9.7 y corresponde a la versión periódica, con
período 2π , de la TFTC de la señal x( t ) = e jω0 t .
Para la señal senoidal x[ n] = cos( Ω0 n) , usando la identidad de Euler
x[ n] = cos( Ω0 n) = 21 e jΩ0 n + 21 e− j Ω0 n
Aplicando (9.14), obtenemos
∞ ∞
X ( e j Ω ) = π ∑ δ( Ω − Ω0 − 2π k) + π ∑ δ(Ω + Ω 0 − 2π k)
k =−∞ k =−∞
que corresponde a la T7 de la tabla 9.2. Su interpretación gráfica se muestra en la figura

9.8, que es la versión periódica, con período 2π , de la TFTC de la señal x( t ) = cos( ω0 t ) .
Evaluando el espectro de la componente fundamental
X0 ( e j Ω ) = πδ(Ω − Ω0 ) + πδ(Ω + Ω 0 ), − π ≤ Ω ≤ π (9.15)

X e ( ) jΩ
Figura 9.8 π
Espectro de … −2π + Ω 0 2π − Ω 0 2π + Ω 0 …
frecuencia de la Ω
señal senoidal
discreta. −2 π −π −Ω0 Ω0 π 2π 3π 4π
Análisis espectral de señales armónicas discretas

Si x[ n] es una señal discreta exponencial compleja o senoidal (armónica), en la sección
7.2 se demostró que es periódica con período N = 2π / Ω0 , siendo Ω0 su frecuencia
fundamental en radianes. Como su espectro de frecuencia X ( e jΩ ) es periódico con período
2π , es posible evaluar solo el espectro su componente fundamental X0 ( e j Ω ) en el
intervalo −π ≤ Ω ≤ π , que se consigue asumiendo k = 0 en las transformadas T6, T7 y T8
de la tabla 9.2. El espectro completo X ( e jΩ ) se puede obtener aplicando el concepto de
extensión periódica presentado en las sección 1.3, como
k =∞
X ( e jΩ ) = ∑ X (e 0
j ( Ω − k Ω0 )
) (9.16)
k =−∞
El siguiente ejemplo muestra el uso de esta estrategia en la evaluación del espectro de

frecuencia de una señal discreta, formada por componentes armónicos.
Ejemplo 9.4 Calcular la TFTD de la señal del ejemplo 7.6, dada por
Espectro de
señal discreta x[ n] = 3 cos( π n / 12) − 5 sen( π n / 18)
con componentes
armónicos.
Solución: Se trata de una señal formada por dos componentes armónicos, cuyas
frecuencias fundamentales son Ω1 = π / 12 y Ω 2 = π / 18 , respectivamente.
Utilizando T7 y T8 de la tabla 9.2 para k = 0 , obtenemos el espectro de la
componente fundamental, en el intervalo −π ≤ Ω ≤ π , como
X0 ( e j Ω ) = 3π[ δ( Ω − π / 12) + δ( Ω + π / 12)] + 5 j π [δ(Ω − π / 18) − δ(Ω + π / 18)]
La interpretación gráfica se muestra en la figura 9.9. Luego, la TFTD de la

componente fundamental de X ( e j Ω ) está formada por 4 impulsos ubicados en
Ω = ± π / 12 rad y Ω = ± π / 18 . Extendiendo periódicamente estos impulsos
hacia la derecha y hacia la izquierda se obtiene la TFTD de x[ n] .
X0 ( e j Ω )
j 5π
Figura 9.9 3π
Espectro de frecuencia 3π
π
de la componente −
fundamental de una
18 Ω
señal discreta formada
por armónicos. −π π π π π
−
12 18 12
− j 5π
¿Cuál sería el espectro si Ω1 = 13π / 12 ?
Tal como se demostrará en la sección 9.5, la estrategia anterior es muy útil en aplicaciones
de la TFTD relacionada con el uso el uso de filtros digitales excitados por señales discretas
armónicas. En la sección 9.6 se aplicará esta estrategia para evaluar la TFTD de una señal
periódica no senoidal x[ n] , considerando que puede ser representada por la suma de
componentes armónicos utilizando la serie de Fourier.
Evaluación numérica y gráfica de la TFTD

Existen dos alternativas para la evaluación numérica y gráfica de la TFTD: evaluación
directa a partir de la expresión analítica de X ( e j Ω ) como función compleja de variable real
Ω , o evaluación indirecta, aplicando la relación (9.11) entre la TZ y la TFTD
Ejemplo 9.5 Obtener las gráficas de la TFTD de la señal x1[ n] del ejemplo 9.3, dada por
Evaluación
2
directa de la x[ n] = 2(0.5)n u[ n] ↔ X ( e jΩ ) =
TFTD. 1 − 0.5 e− jΩ
Solución: Usando MATLAB® se evalúa numéricamente la expresión analítica de X ( e j Ω ) :
» W=-pi:0.01:pi; XjW=2./(1-0.5*exp(-j*W));
» [magXjW,angXjW]=rec2pol(XjW,'r');
» ReXjW=real(XjW); ImXjW=imag(XjW);
El resultado se muestra en la figura 9.10, donde se observa la propiedad de

simetría conjugada de X ( e j Ω ) .
Figura 9.10
Evaluación directa
de la TFTD en el
intervalo [ −π, π] .
Si X ( z) es una función racional, usando la función freqz() presentada en la sección

anterior para calcular la RDF, es posible evaluar numéricamente la TFTD de la señal x[ n]
en el intervalo −π ≤ Ω ≤ π , tal como se demuestra en el siguiente ejemplo.
Ejemplo 9.6 Usando la TZ evaluar indirectamente la TFTD de la señal infinita x1[ n] del
Evaluación ejemplo 9.3.
indirecta de
la TFTD
Solución: Del ejemplo anterior 9.3, obtenemos
2
x[ n] = 2(0.5)n u[ n] ↔ X ( z) =
1 − 0.5 z−1
Para conseguir X ( e j Ω ) a partir de X ( z) , usamos los siguientes comandos de
MATLAB®, generando 501 puntos de Ω en el intervalo [ −π, π] :
» nXz=[2 0]; dXz=[1 -0.5];
» M=250; W=-pi:pi/M:pi;
» XjW=freqz(nXz,dXz,W);
» [magXjW,angXjW]=rec2pol(XjW,'r');
El resultado se muestra en la figura 9.11 igual a la que se obtuvo en la figura

9.9, al evaluar directamente la expresión analítica de X ( e j Ω ) .
Figura 9.11
Evaluación indirecta
de la TFTD en el
intervalo Ω = [ −π, π]
usando la TZ.
Algoritmo para evaluación de la TFTD en señales experimentales

El ejemplo 9.6 muestra la utilidad de la TZ en la evaluación de la FTTD. Sin embargo esta
estrategia solo puede aplicarse cuando la señal discreta x[ n] es determinística y X ( z)
puede expresarse como una fracción racional. Si la señal x[ n] es experimental o aleatoria
es necesario evaluar numéricamente la TFTD a partir de las muestras de x[ n] , con base en
la definición (9.10). Si la señal es infinita, debe truncarse a un número suficiente de
muestras que garanticen una buena resolución en la TFTD.
Si x[ n] es finita, es posible evaluar numéricamente la TFTD interpretando (9.10) como un

producto matricial. Para desarrollar el algoritmo suponemos que x[ n] tiene N nuestras en
el intervalo n1 < n < n2 y que deseamos evaluar X ( e jΩ ) para
π
Ωk = k , k = 0, 1, 2, …, M (9.17)
M
que corresponde a ( M + 1) puntos de frecuencia igualmente espaciados en el intervalo
Ω = [0, π] . Luego, la definición (9.10) de la TFTD, puede expresarse como
n2
X ( e jΩk ) = ∑ x[ n] e − j(π /M ) k n
, k = 0, 1, 2, ..., M
n = n1
Arreglando x[ n] y X ( e j Ω ) como vectores fila x y X respectivamente, obtenemos
X T = W xT (9.18)
donde W es una matriz de ( M + 1) × N elementos, definida como
W {e − j( π / M )k n
}, k = 0, 1, ..., M (9.19)
El vector n = {n1 , …, n2 } representa la base de tiempo correspondiente a las N muestras de
x[ n] . Si adicionalmente n y k se organizan como vectores fila n y k respectivamente
⎡ ⎛ π ⎞⎤
W = ⎢ exp⎜ − j k T n ⎟⎥
⎣ ⎝ M ⎠⎦
Para obtener X y x como vectores fila, debemos tomar la transpuesta de (9.18), como
⎡ ⎛⎜ − j π nT k ⎞⎟ ⎤
X = x ⎢ e⎝ M ⎠ ⎥ (9.20)
⎢⎣ ⎥⎦
donde n T k es una matriz N × ( M + 1) que puede ser implementada en MATLAB®.
En este algoritmo no existe limitación aparente entre N y M. Sin embargo, como M

establece el número de valores discretos de frecuencia Ω k , es conveniente que M >> N ,
para lograr una buena resolución en la TFTD.
Ejemplo 9.7 Evaluar la TFTD de la señal finita del ejemplo 9.2:

Evaluación
numérica de la x[ n] = {3, 4, 5, 6, 7}
↑
TFTD para x[n]
experimental
Solución: En este caso N = 5 y n = {−2, − 1, 0, 1, 2} . Seleccionando M = 250 y usando
los siguientes comandos de MATLAB®, se obtuvo la gráfica de la figura 9.12.
» M=250; k=-M:M; n=-2:2; xn=3:7; W=(pi/M)*k;
» XjW=xn*(exp(-j*pi/M)).^(n'*k);
» [magXjW,angXjW]=rec2pol(XjW,'r'); angXjW=unwrap(angXjW);
Figura 9.12
Evaluación de la
TFTD para x[ n]
experimental.
La función unwrap() de MATLAB® elimina saltos que genera la función angle().

Usando el algoritmo anterior se desarrolló la función especial tftd() para la evaluación
directa la TFTD a partir de las muestras de una señal discreta y finita x[ n] . La descripción
se presenta en el apéndice B y su sintaxis es:
[XjW,W]=tftd(xn,n,M,Dw)
Introduciendo solo el nombre se consigue ayuda y un ejemplo de aplicación.
Efecto de simetría de una señal en el cálculo de la TFTD

El resultado del ejemplo 9.5 (figura 9.10) permite identificar dos características de simetría
del espectro de una señal discreta real x[ n] , adicionales a las presentadas en (9.7) y (9.8):
{ } { }
Re X ( e jΩ ) = Re X ( e− j Ω )
(9.21)
Im { X ( e )} = −Im { X ( e )}
jΩ − jΩ
De acuerdo con (9.21) la parte real de la TFTD es par y la parte imaginaria es impar, otra
forma de identificar la simetría conjugada de una señal real. Si consideramos además que
una señal real arbitraria puede representarse por sus componentes par e impar, como
x P [ n] = 1
2 ( x[ n] + x[ − n]) y x I [ n] = 1
2 ( x[ n] − x[ − n])
Aplicando la definición (9.10), la TFTD de xP [ n] es
x P [ n] = 1
2 ( x[ n] + x[ − n]) ↔ 1
2
⎡⎣ X ( e j Ω ) + X ( e− jΩ )⎤⎦ = Re { X ( e jΩ ) } (9.22)
De modo similar
x I [ n] = 1
2 ( x[ n] − x[ − n]) ↔ 1
2
⎡⎣ X ( e j Ω ) − X ( e− j Ω )⎤⎦ = jIm { X ( e j Ω ) } (9.23)
Este resultado permite reconocer el efecto de simetría de la señal real x[ n] en la TFTD:
- si x[ n] es real y par, X ( e j Ω ) es real y par. Luego X ( e jΩ ) = 0 .

- si x[ n] es real e impar, X ( e j Ω ) es imaginaria e impar.
- si x[ n] es real y no tiene simetría, X ( e j Ω ) es simétrica conjugada.
Ejemplo 9.8 Calcular las componentes par e impar de la señal discreta del ejemplo 9.6 y
Efecto de verificar el efecto de la simetría de x[ n] en la forma final de la TFTD.
simetría de
x[ n] en la x[ n] = 2(0.5)n u[ n]
forma final de
la TFTD.
Solución: Utilizando la función especial parimpd(), obtenemos
» n=0:10; xn=2*(0.5).^n;
» [xPn,xIn,m]=parimpd(xn,n);
Como no se cuenta con una expresión analítica de xP [ n] es necesario utilizar

la función especial tftd() presentada en el ejemplo 9.7:
» [XPjW,W]=tftd(xPn,m,200,[-1,1]);
» ReXPjW=real(XPjW); ImXPjW=imag(XPjW);
» ImXPjW=aproxcero(ImXPjW,0.000001);
El resultado se muestra en la figura 9.13 la cual permite verificar que el

espectro de una señal discreta x[ n] real y par, también es real y par.
Figura 9.13
Espectro de
frecuencia de una
señal real y par
Para la componente impar xI [ n] , obtenemos

» [XIjW,W]=tftd(xIn,m,200,[-1,1]);
» ReXIjW=real(XIjW); ImXIjW=imag(XIjW);
» ReXIjW=aproxcero(ReXIjW,0.00001);
La gráfica correspondiente se muestra en la figura 9.14, donde se verifica que

si x[ n] es real e impar, su espectro es imaginario e impar.
Figura 9.14
Espectro de
frecuencia de una
señal real e impar.
El ejemplo anterior confirma lo establecido en (9.22) y (9.23), en cuanto al efecto de la

simetría par o impar de una señal real, sobre la forma final de su espectro: real-par o
imaginario-impar. Por lo tanto, es suficiente usar el intervalo [0, π] . Un resultado similar
puede conseguirse para una señal discreta y compleja x[ n] , si se descompone en términos
de sus componentes simétrica par y anti-simétrica impar. (ver problemas 9.6).
En el ejemplo 9.8 utilizó la función especial aproxcero() que se desarrolló para eliminar
“ruido numérico” generado en MATLAB®. Su descripción se presenta en el apéndice B y su
sintaxis es:
xa = aproxcero(xo,tol)
Introduciendo solo el nombre se consigue ayuda y un ejemplo de aplicación.
9.4 PROPIEDADES DE LA TFTD

Las propiedades que se mencionan a continuación, junto con las características de
periodicidad y simetría conjugada, facilitan la evaluación de la TFTD y son similares a las
formuladas para la TZ en la sección 8.3 y en la sección 4.4 para la TFTC. La señal
aperiódica x[ n] debe ser absolutamente sumable (condición de Dirichlet) para garantizar
la convergencia de la sumatoria en (9.9), que se logra si la RC de X ( z) incluye el c.u.
La demostración de estas propiedades se puede conseguir aplicando la transformación

z = e jΩ (9.24)
a las propiedades correspondientes de la TZ.
P.1 Linealidad
Dados los siguientes pares de transformadas de secuencias aperiódicas:
x1[ n] ↔ X1 ( e j Ω ) y x2 [ n] ↔ X2 ( e j Ω ) , como la TFTD es una transformación lineal
a1 x1[ n] + a2 x2 [ n] ↔ a1 X1 ( e j Ω ) + a2 X2 ( e j Ω ) (9.25)
P.2 Desplazamiento real

Dada la secuencia aperiódica y real x[ n] ↔ X ( e j Ω )
X ( e jΩ )
j n0 Ω
x[ n − n0 ] ↔ e− (9.26)
La expresión anterior se puede demostrar aplicando (9.24) a la propiedad (8.19) de
desplazamiento real de la TZ. Lo anterior implica que un atraso de n0 muestras en
x[ n] se traduce en un atraso de fase en la TFTD. Por otro lado, un adelanto de n0
muestras, general en un adelanto de fase en la TFTD.
Ejemplo 9.9 Verificar numéricamente la propiedad de desplazamiento real.

Propiedad de
desplazamiento
real de la
TFTD.
Solución: Usando MATLAB creamos la señal aleatoria x[ n] en el intervalo
®
0 ≤ n ≤ 10 y
a partir de esta evaluamos 500 puntos de X ( e jΩ
) para Ω = [0, π]
» n=0:10; xn=rand(1,length(n));
» M=500; [XjW,W]=tftd(xn,n,M,[0,1]);
Construimos y[ n] = x[ n − 2] y evaluamos 500 puntos de Y ( e j Ω ) para Ω = [0, π]

» [yn,ny]=despsec(xn,n,2); YjW=tftd(yn,ny,M,[0,1]);
Multiplicamos X ( e jΩ ) por e− j 2 Ω y restamos el resultado de Y ( e j Ω ) :

» YjWm=(exp(-j*2*W)).*XjW; error=max(abs(YjWm-YjW))
error = 9.6097e-015
El error máximo puede variar por el carácter aleatorio de x[ n] .
Ejemplo 9.10 Utilizando la propiedad de desplazamiento real obtener la TFTD de

Efecto del
desplazamiento x[ n] = cos( nΩ 0 + θ)
real en la TFTD.
Solución: Modificando la expresión de x[ n] , obtenemos

x[ n] = cos( nΩ0 + θ) = cos[ Ω0 ( n + θ / Ω0 )]
Aplicando la propiedad de desplazamiento real para n 0 = θ / Ω 0 muestras hacia

adelante y usando T7 de la tabla 9.2 para la componente fundamental ( k = 0)
X0 ( e j Ω ) = e j ( θ / Ω0 )Ω π[ δ( Ω − Ω0 ) + δ( Ω + Ω 0 )], − π ≤ Ω ≤ π
Aplicando la propiedad de muestreo de la señal impulso

X0 ( e j Ω ) = π[ e j θ δ(Ω − Ω 0 ) + e− j θ δ( Ω + Ω 0 )], − π ≤ Ω ≤ π
La figura 9.15 muestra el espectro de magnitud, formado por dos impulsos

ubicados en Ω = ± Ω0 , que corresponde al espectro de la señal cos( n Ω0 ) . El
espectro de fase está determinado por el factor e± jθ y parece como efecto del
desplazamiento real θ.
9.4 – PROPIEDADES DE LA TFTD 9 - 23
X0 ( e j Ω ) X0 ( e j Ω )
θ
Figura 9.15 π π −Ω0 Ω
Espectro de señal
armónica Ω
desplazada en −π Ω0 π
−θ
tiempo real. −π − Ω0 Ω0 π
P.3 Desplazamiento en frecuencia digital

Dada la señal discreta, aperiódica y real x[ n] ↔ X ( e j Ω )
e j n Ω 0 x[ n] ↔ X ( e j ( Ω −Ω 0 ) ) (9.27)
Esta expresión se puede demostrar aplicando la transformación (9.24) a la propiedad
(8.24) de escalamiento complejo de la TZ, para a = e j Ω 0 .
Ejemplo 9.11 Asumiendo x[ n] = cos( n π / 2) y usando la propiedad de desplazamiento en

Propiedad de frecuencia de la TFTD, evaluar a y[ n] = e j n π / 4 x[ n] .
desplazamiento
en frecuencia
de la TFTD.
Solución: Aplicando la propiedad de desplazamiento real (9.27) al período fundamental
de x[ n] dado en T7 de la tabla 9.2
Y0 ( e j Ω ) = X0 ( e j ( Ω −π / 4) ) = π [ δ( Ω − 3π / 4) + δ( Ω + π / 4)]
La interpretación gráfica se muestra en la figura 9.16
X0 ( e j Ω ) Y0 ( e j Ω )
Figura 9.16 π π π π
Propiedad de
Ω Ω
desplazamiento en
frecuencia de la −π π π π −π π π π 3π π
TFTD. − − −
2 2 2 4 2 4
Es posible verificar numéricamente este resultado usando MATLAB®:

» n=0:50; xn=cos(pi*n/2); yn=exp(j*pi*n/4).*xn; M=500;
» [XjW,W]=tftd(xn,n,M,[-1,1]); YjW=tftd(yn,n,M,[-1,1]);
La parte superior figura 9.17 muestra una aproximación numérica de la TFTD

de x[ n] = cos( nπ / 2) , como dos impulsos ubicados en Ω = ± π / 2 . La parte
inferior muestra estos impulsos desplazados hacia la derecha Ω 0 = π / 4 .
Figura 9.17
Evaluación numérica de
la propiedad de
desplazamiento en
frecuencia de la TFTD.
P.4 Reflexión en tiempo discreto

Dada la señal discreta, aperiódica y real x[ n] ↔ X ( e j Ω )
x[ − n] ↔ X ( e− j Ω ) (9.28)
La demostración de esta propiedad puede lograrse a partir de la definición (9.10) o

aplicando la transformación (9.24) a la propiedad (8.22) de reflexión real de la TZ.
Esta propiedad establece que al reflejar la señal discreta x[ n] su TFTD es la
conjugada de la TFTD de la señal original.
Ejemplo 9.12 Verificar numéricamente la propiedad de reflexión en tiempo discreto.

Propiedad de
reflexión de la
TFTD.
Solución: Usando MATLAB creamos la señal discreta aleatoria x[ n] en el intervalo
®
−5 ≤ n ≤ 10 y evaluamos 500 puntos de X ( e j Ω ) para Ω = [ −π, π] :

» n=-5:10; xn=rand(1,length(n));
» M=500; [XjW,W]=tftd(xn,n,M,[-1,1]);
Construimos y[ n] = x[ − n] y evaluamos Y ( e j Ω )
» yn=fliplr(xn); ny=-fliplr(n); YjW=tftd(yn,ny,M,[-1,1]);
A partir de X ( e j Ω ) evaluamos X m ( e jΩ ) = X ( e− j Ω ) y la restamos de Y ( e j Ω ) :
» XjWm=fliplr(XjW); error=max(abs(XjWm-YjW))
error = 1.8301e-015
El error máximo puede variar por el carácter aleatorio de x[ n] .
n
Ejemplo 9.13 Determinar la TFTD del pulso discreto no causal x[ n] = a , a < 1 .
TFTD de pulso
discreto no
causal.
Solución: Para facilitar el cálculo de la TFTD, expresamos x[ n] como:
x[ n] = a n u[ n] + a − n u[ − n] − δ[ n]
Aplicando T1 y T4 de la tabla 9.2 y la propiedad de reflexión
1 1 1 − a2
X0 ( e j Ω ) = + − 1 = , −π≤Ω≤ π
1 − ae− j Ω 1 − ae j Ω 1 − 2 acos(Ω ) + a2
Como x[ n] es real y par, según (9.22) su TFTD también es real y par.
P.5 Multiplicación por n

Dada una señal discreta y real x[ n] ↔ X ( e j Ω ) ,
d
nx[ n] ↔ j X ( e jΩ ) (9.29)
dΩ
Para demostrar esta propiedad derivamos los dos miembros de la definición (9.10):
dX ( e j Ω ) d ∞ ∞ ∞
dΩ
= ∑
d Ω n=−∞
x[ n ] e − j nΩ
= ∑
n =−∞
( − jn ) x[ n ] e − jΩ
= − j ∑
n =−∞
{ nx[ n]} e− jΩ
que de acuerdo con la definición (9.10), conduce a la ecuación (9.29). También se

puede demostrar (9.29) si en la propiedad de multiplicación por z de la TZ, se sustituye
z = e j Ω . Usando esta propiedad es fácil demostrar la T5 de la tabla 9.2.
P.6 Convolución lineal

Dadas dos señales discretas y reales x1[ n] ↔ X1 ( e j Ω ) y x2 [ n] ↔ X2 ( e j Ω )
x1[ n] ∗ x2 [ n] ↔ X1 ( e j Ω ) ⋅ X2 ( e jΩ ) (9.30)
que se puede demostrar aplicando (9.24) a la propiedad de convolución lineal de la TZ.

Esta propiedad es fundamental en el análisis de filtros digitales, que serán tratados en
la sección 9.5.
Ejemplo 9.14 La respuesta impulso de un sistema discreto LIT es,

Propiedad de
sen( nπ / 3)
convolución h[ n] =
lineal de la nπ
TFTD.
Calcular la respuesta del sistema para x[ n] = sen( nπ / 8) − 2 cos( nπ / 4)
Solución: Se trata de evaluar y[ n] = h[ n] ∗ x[ n] . Aplicando T10 de la tabla 9.2 para

Ω 0 = π / 3 , obtenemos la RDF del sistema discreto
sen( n π / 3) ⎛ Ω ⎞
h[ n] = ↔ H ( e j Ω ) = rect ⎜ ⎟, − π ≤ Ω ≤ π
nπ ⎝ π/3⎠
que es periódica con período 2π . Como x[ n] está formada por dos
componentes armónicas, aplicamos la estrategia de la página 9-14, analizando
la componente fundamental en el intervalo −π ≤ Ω ≤ π . Por lo tanto, usando
T7 y T8 de la tabla 9.2 para k = 0
X0 ( e j Ω ) = − j π[ δ( Ω − π / 8) − δ(Ω + π / 8)] − 2π [δ(Ω − π / 4) + δ(Ω + π / 4)]

Aunque esta expresión y la de H ( e j Ω ) pueden sustituirse en (9.30) para
obtener la forma analítica de la componente fundamental de la respuesta como
Y0 ( e j Ω ) = H ( e j Ω ) ⋅ X0 ( e j Ω ) , es más práctico usar la interpretación gráfica en el
intervalo [ −π, π] , tal como se muestra en la figura 9.18.
X0 ( e j Ω )
H ( e jΩ )
jπ
Figura 9.18 −π / 4 π/8 π/4 Ω
Interpretación gráfica
de la convolución
lineal en un sistema −π / 6 π/6
discreto. −π / 8
− jπ
−2 π −2 π
En esta figura se observa que H ( e j Ω ) se comporta como un filtro pasa-bajo
ideal (digital) que suprime las frecuencias digitales que están por encima de su
ancho de su banda Ω B = π / 6 rad . Luego, el espectro de la salida es
Y0 ( e j Ω ) = H ( e jΩ ) X0 ( e j Ω ) = − j πδ( Ω − π / 8) + j πδ(Ω + π / 8), − π ≤ Ω ≤ π
Aplicando T8 de la tabla 9.2 y considerando la propiedad de extensión

periódica, obtenemos y[ n] = sen( π n / 8) . Como x[ n] es armónica y el sistema
está en reposo, la expresión de y[ n] es la respuesta estacionaria.
P.7 Modulación
Dada una señal aperiódica discreta y real x[ n] cuya TFTD X ( e j Ω ) es de banda
limitada, considerando que cos( Ω 0 n) es una señal armónica
X ( e j ( Ω−Ω0 ) ) + X ( e j ( Ω+Ω0 ) ) , − π ≤ Ω ≤ π
1 1
x[ n] ⋅ cos( Ω0 n) ↔ (9.31)
2 2
Su demostración se logra aplicando la identidad de Euler y la propiedad de

desplazamiento en frecuencia (9.27) en el intervalo [ −π, π]
x[ n] ⋅ 21 ( e j n Ω0 + e− j n Ω0 ) ↔ 21 X ( e j ( Ω−Ω0 ) ) + 21 X ( e j ( Ω+Ω0 ) ) , − π ≤ Ω ≤ π
Este resultado muestra que la modulación de una señal discreta x[ n] de banda

limitada, usando como señal portadora x p [ n] = cos( Ω0 n) , genera un espectro de
frecuencia periódico con período 2π , cuya componente fundamental tiene dos
armónicos ubicados en Ω = Ω0 y Ω = −Ω0 , respectivamente.
Ejemplo 9.15 Obtener la TFTD de la señal discreta y[ n] = x[ n] ⋅ cos( nπ / 2) , asumiendo que

Propiedad de x[ n] es la señal del ejemplo 9.13, para a = 0.5 .
modulación de
la TFTD.
Solución: Del ejemplo 9.13, para a = 0.5 obtenemos
0.75
X0 ( e j Ω ) = , −π≤Ω≤ π
1.25 − cos(Ω )
Aplicando la propiedad de modulación (9.31) para Ω 0 = π / 2
1⎡ 0.75 0.75 ⎤
Y0 ( e j Ω ) = ⎢ + , −π≤ Ω ≤ π
2 ⎣ 1.25 − cos( Ω − π / 2) 1.25 − cos( Ω + π / 2) ⎥⎦
Considerando que cos( Ω ± π / 2) = ∓ sen( Ω)
1⎡ 0.75 0.75 ⎤ 15
Y0 ( e j Ω ) = ⎢ + ⎥= , −π≤Ω≤ π
2 ⎣ 1.25 − sen( Ω) 1.25 + sen( Ω) ⎦ 9 + 16 cos2 ( Ω )
Para verificar este resultado, construimos x[ n] en el intervalo n = [ −10,10] y

numéricamente X0 ( e j Ω ) para 300 puntos en el intervalo Ω = [ −π, π] :
» n=-10:10; xn=(0.5).^abs(n);
» M=300; [XjW,W]=tftd(xn,n,M,[-1,1]);
Con estos valores se construyó la gráfica mostrada en la figura 9.19, donde se

observa que el espectro de x[ n] no es de banda limitada.
Figura 9.19
Señal discreta real
no causal y su
TFTD.
Para obtener la señal modulada y[ n] = x[ n] ⋅ cos( nπ / 2) , donde Ω 0 = π / 2 ,

evaluamos Y0 ( e j Ω ) , en el intervalo Ω = [ −π, π] , usando la función especial
tftd() o su expresión analítica, como
» W0=pi/2; yn=xn.*cos(n*W0); [YjW,W]=tftd(yn,n,M,[-1,1]);

» YWm=15./(9+16*cos(W).^2);
El resultado se muestra en la figura 9.20.
Figura 9.20
TFTD de la señal
modulada, evaluada
numéricamente y
analíticamente.
Según (9.31) la amplitud de cada armónico de la señal modulada Y ( e j Ω ) debe

ser la mitad de la amplitud de X ( e jΩ ) . Sin embargo en la figura 9.18 no se
cumple esta condición. En efecto, en la figura 9.17 la amplitud de X ( e jΩ ) es
3.0, mientras que la de cada armónico de Y ( e j Ω ) en la figura 9.18 es
15
Y0 ( e j Ω ) = = 1.6667
Ω=π / 2 9 + 16 cos2 ( Ω ) Ω=π / 2
en lugar de 1.5, como era el valor esperado. Lo anterior ocurre porque la señal
original x[ n] no es de banda limitada, lo cual produce un solapamiento de los
dos armónicos generados por la modulación. El solapamiento genera una
componente DC de 0.1667 , que desplaza hacia arriba la señal modulada y[ n] .
P.8 Convolución periódica en el dominio-Ω

Dadas dos señales discretas y reales x1[ n] ↔ X1 ( e j Ω ) y x2 [ n] ↔ X2 ( e j Ω )
x1[ n] ⋅ x2 [ n] ↔ X1 ( e j Ω ) ⊗ X2 ( e jΩ ) (9.32)
Esta propiedad es una generalización de la propiedad de modulación (9.31). La

ecuación (9.32) utiliza el símbolo especial ⊗ para identificar la convolución periódica
de las funciones continuas X1 ( e j Ω ) y X2 ( e j Ω ) con período 2π , la cual de acuerdo con
lo tratado en la sección 2.3 se evalúa como
π
X1 ( e ) ⊗ X ( e ) = 2π ∫ X ( e ) X ( e ) dθ
jΩ jΩ 1 jθ j( Ω − θ)
2 1 2 (9.33)
−π
Dado que X1 ( e j Ω ) y X2 ( e jΩ ) son señales periódicas con período 2π , también son

infinitas y por lo tanto no existe su convolución lineal. De aquí surge la necesidad de
recurrir a la convolución periódica (9.33), que se evalúa en el intervalo [ −π, π] .
Ejemplo 9.16 Repetir el ejemplo anterior aplicando convolución periódica.

Propiedad de
convolución
periódica de la
TFTD.
Solución: Asumiendo que x1[ n] = (0.5) n y x2 [ n] = cos( nπ / 2) , obtenemos la TFTD para
cada señal en el intervalo −π ≤ Ω ≤ π , como
0.75
X1 ( e j Ω ) = , X2 ( e j Ω ) = π [ δ( Ω − π /2) + δ(Ω + π /2)]
1.25 − cos( Ω)
Aplicando la propiedad de convolución periódica (9.33), obtenemos la TFTD

de y[ n] = x1[ n] ⋅ x2 [ n] en el intervalo −π ≤ Ω ≤ π , como
π
0.75
Y ( e j Ω ) = 21 ∫ [δ(Ω − π /2 − θ) + δ(Ω + π /2 − θ)] dθ
−π
1,25 − cos( θ )
Aplicando la propiedad de muestreo de la señal impulso para θ = Ω − π / 2

π
0.75
Y (e jΩ
) = ∫ 1.25 − cos
1
2 δ( Ω − π /2 − θ)d θ
−π
( Ω − π /2)
π
0.75
+ 21 ∫ δ( Ω + π /2 − θ)d θ
−π
1.25 − cos( Ω + π /2)
Simplificando
π
1 0.75
Y (e ) = ×
jΩ
∫ δ(Ω − π /2 − θ)dθ
2 1.25 − sen( Ω) −π
π
1 0.75
+ × ∫ δ(Ω + π /2 − θ)dθ
2 1.25 + sen( Ω) −π
Considerando que cada integral vale 1,
1⎡ 0.75 0.75 ⎤ 15
Y ( e jΩ ) = ⎢ + ⎥= , −π≤ Ω≤ π
2 ⎣ 1,25 − sen( Ω ) 1,25 + sen( Ω ) ⎦ 9 + 16 cos2 ( Ω )
que coincide con el resultado del ejemplo 9.14.
P.9 Teorema de Parseval

Este teorema es un colorario de la convolución periódica (9.33) y permite evaluar la
energía de una señal discreta aperiódica y sumable en el dominio de la frecuencia
digital Ω, a partir de su TFTD, como
∞ π
1
X ( e jΩ ) dΩ
2
∑ ∫
2
Ex = x[ n] = (9.34)
n =−∞ 2π −π
La condición de simetría conjugada de X ( e j Ω ) facilita la evaluación de (9.34), tal

como se muestra en el siguiente ejemplo.
Ejemplo 9.17 Utilizando el teorema de Parseval, calcular la energía de la señal discreta

Energía de señal
discreta a partir x[ n] = 2(0.5)n u[ n]
de su espectro.
Solución: Como x[ n] es real, su energía normalizada en el dominio del tiempo es:
∞ ∞
1 16
Ex = ∑
n =−∞
x2 [ n] = 4∑ (0.5)2 n = 4
n=0
=
1 − 0.25 3
Utilizando el resultado del ejemplo 9.3
2 2
X ( e jΩ ) = − jΩ
=
1 − 0.5 e [1 − 0.5 cos( Ω)] + j 0.5 sen( Ω)
Aplicando (9.34) y considerando que por ser x[ n] real su espectro de magnitud

tiene simetría par (simetría conjugada):
π π
1 4 1
X ( e jΩ ) dΩ = ∫
2
Ex = ∫
2π −π π 0 [1 − 0.5 cos( Ω)]2 + 0.25 sen2 ( Ω)
dΩ
Utilizando la integral 20 del apéndice A.6, para a = 0.5 y x = Ω ,

π
4 8 −1 32 π 16
Ex = × tan [3tan( Ω / 2)] = × =
π 3 0 3π 2 3
que coincide con el resultado anterior.
P.10 Teoremas de la ordenada central

Dada una señal discreta y real x[ n] ↔ X ( e j Ω )
∞
X ( e jΩ ) = ∑ x[ n] (9.35)
Ω= 0
n =−∞
que se puede demostrar si se evalúa la definición de la TFTD (9.10) para Ω = 0 . Esta

primera versión permite calcular la componente DC de la señal discreta x[ n] a partir
de sus muestras. La segunda versión establece que
π
∫ X ( e ) dΩ
1 jΩ
x[0] = (9.36)
2π −π
cuya demostración se consigue evaluando la expresión de la transformada inversa

(9.12) para n = 0 . Esta versión permite calcular el valor inicial de x[ n] , de modo
similar al teorema del valor inicial de la TZ. En (9.36) se observa que x[0] es el
valor medio en un período de la TFTD de x[ n] .
Ejemplo 9.18 Aplicar los teoremas del valor central, para verificar el resultado de la señal
Teoremas de discreta x[ n] del ejemplo 9.13, para a = 0.5 .
la ordenada
central y la
TFTD.
Solución: Del ejemplo 9.13, para a = 0.5 , obtenemos

0.75
x[ n] = (0.5)|n| ↔ X ( e jΩ ) =
1.25 − cos( Ω)
Del ejemplo 9.13 representamos a x[ n] como
x[ n] = (0.5)n u[ n] + (0.5)− n u[ − n] − δ[ n]
Aplicando (9.35) y considerando que (0.5)n u[ n] + (0.5)− n u[ − n] tiene simetría

par, obtenemos
∞ ∞ ∞
X ( e jΩ ) = ∑ x[ n] = 2∑ (0.5)n − ∑ δ[ n] = 4 − 1 = 3
Ω= 0
n =−∞ n=0 n=0
que coincide con el valor de X ( e j Ω ) para Ω = 0 . Aplicando (9.36)

π π
0.75
X ( e jΩ ) d Ω =
1 1
x[0] =
2π
∫−π
∫
2 π 1.25 − cos( Ω )
−π
dΩ
Usando la integral 21 del apéndice A.6 para a = 0.5 y x = Ω

π π
1 0.75 1 ⎡ ⎛ Ω ⎞⎤ 1⎛ π π⎞
x[0] = ∫
2 π −π 1.25 − cos( Ω )
d Ω = tan −1 ⎢ 3tan ⎜ ⎟ ⎥ = ⎜ + ⎟ = 1
π ⎣ ⎝ 2 ⎠ ⎦ −π π ⎝ 2 2 ⎠
que corresponde al valor calculado a partir de x[ n] para n = 0 .
La tabla 9.3 presenta un resumen de las propiedades de la TFTD que fueron demostradas
en los ejemplos anteriores.
9.5 APLICACIONES DE LA RDF Y LA TFTD

La transformada de Fourier en tiempo discreto (TFTD) y la respuesta de frecuencia (RDF)
desarrolladas en las secciones anteriores, son herramientas fundamentales para el análisis y
diseño de sistemas de comunicaciones, sistemas de control digital y otras aplicaciones de
la ciencia y la ingeniería. Problemas relacionados con el procesamiento digital de señales
(DSP), análisis y diseño de filtros digitales, modulación y multiplexión digital, análisis y
diseño de sistemas de control digital, son algunos casos típicos donde estas herramientas
son indispensables para comprender los fenómenos físicos asociados con estos procesos.
En esta sección se analizarán problemas típicos de aplicación, relacionados con el análisis

de la respuesta de filtros digitales.
9.5 – APLICACIONES DE LA RDF Y LA TFTD 9 - 33
Tabla 9.3 – Propiedades de la TFTD

No. Nombre Dominio - n Dominio - Ω
P1 Linealidad a1 x1[ n] + a2 x2 [ n] a1 X1 ( e j Ω ) + a2 X2 ( e j Ω )
P2 Desplazamiento real x[ n − n0 ] e− j n0 Ω X ( e j Ω )
P3
Desplazamiento en
e j n Ω0 x[ n] X ( e j ( Ω−Ω0 ) )
frecuencia digital
P4
Reflexión en tiempo
x[ − n] X ( e− j Ω )
discreto
d
P5 Multiplicación por n nx[ n] j X ( e jΩ )
dΩ
P6 Convolución lineal x1[ n] ∗ x2 [ n] X1 ( e j Ω ) ⋅ X2 ( e j Ω )
X ( e j ( Ω−Ω0 ) ) + X ( e j ( Ω+Ω0 ) )
1 1
P7 Modulación x1[ n] ⋅ cos( Ω0 n)
2 2
P8
Convolución x1[ n] ⋅ x2 [ n] X1 ( e j Ω ) ⊗ X2 ( e j Ω )
periódica
∞ π
X ( e jΩ ) d Ω
1 2
∑ ∫
Teorema de 2
P9 x[ n]
Parseval n =−∞ 2 π −π
π ∞
X ( e jΩ ) d Ω
1
P10
Teorema del valor x[0] = ∫ X ( e jΩ ) = ∑ x[ n]
central 2 π −π Ω= 0
n =−∞
Función de transferencia discreta compleja

En la sección 7.5 se demostró que usando convolución lineal, es posible evaluar la
respuesta forzada de un sistema LIT en reposo, ante una entrada arbitraria x[ n] , cuando es
modelado a través de su respuesta impulso h[ n] . Aplicando la propiedad P6 de
convolución lineal de la tabla 9.3, es posible desarrollar el modelo de la figura 9.21.
Figura 9.21
Modelo de un X ( z) H ( z) Y ( z) X ( e jΩ ) H ( e jΩ ) Y ( e jΩ )
sistema discreto en
dominio-z y en el (reposo) (reposo)
dominio-Ω.
En el capítulo 8 se reconoció a H ( z) como la función de transferencia discreta (FTD). La

similitud entre los dos diagramas de la figura 9.21 permite identificar a H ( e j Ω ) como la
función de transferencia discreta compleja (FTDC) de un sistema discreto LIT.
Ejemplo 9.19 Obtener la respuesta ante una entrada armónica x[ n] = Acos( nΩ 0 + θ) del
Respuesta de
filtro diferenciador digital, cuya RDF se muestra a continuación.
filtro
diferenciador
digital a señal H e jΩ ( ) H e jΩ ( )
armónica. π
π 2
Ω
Ω
−π π
π
−π π −
2
Solución: El filtro mostrado en la figura anterior es la versión digital del filtro analógico
presentado en el ejemplo 5.1. Usando el resultado del ejemplo 9.9
x[ n] ↔ X0 ( e j Ω ) = A π[ e j θ δ( Ω − Ω 0 ) + e− j θ δ( Ω + Ω 0 )], − π ≤ Ω ≤ π
De acuerdo con la figura anterior, la FTDC del filtro puede expresarse como
H ( e jΩ ) = j Ω, − π ≤ Ω ≤ π
Aplicando convolución lineal, la respuesta en el intervalo −π ≤ Ω ≤ π es

Y0 ( e j Ω ) = H ( e jΩ ) X0 ( e j Ω ) = j Ω × A π[ e jθ δ(Ω − Ω 0 ) + e− j θδ(Ω + Ω 0 )]
Utilizando la propiedad de muestreo de la señal impulso, para Ω = ± Ω0
Y ( e j Ω ) = j Ω0 A π[ e jθ δ( Ω − Ω0 ) − e− j θ δ(Ω + Ω 0 )]
Asumiendo que −π ≤ Ω0 ≤ π , utilizamos T8 de la tabla 9.2 y el resultado del
ejemplo 9.9, para evaluar la transformada inversa como
y[ n] = − A Ω0 sen( nΩ0 + θ)
Respuesta estacionaria de sistemas LIT discretos a una señal senoidal

Si el modelo de FTD de un sistema discreto LIT es una fracción racional, como ocurre en
aplicaciones prácticas de filtros digitales, es posible usar la RDF: H ( e j Ω ) para construir
directamente la respuesta del sistema ante una entrada senoidal (armónica). Como el
sistema está en reposo, el resultado es la respuesta forzada y debido al carácter armónico
de la entrada, coincide con la respuesta permanente o respuesta estacionaria.
Sea x[ n] = A cos( nΩ0 + θ) la entrada de un sistema LIT caracterizado por su FTD H ( z) .

Según ejemplo 9.1, la respuesta estacionaria y ss [ n] debe ser de la misma forma de x[ n] ,
escalada en amplitud por H ( e j Ω0 ) e incrementada su fase en H ( e j Ω0 ) . Luego:
y ss [ n] = A H ( e jΩ 0 ) cos ⎡⎣ nΩ0 + θ + H ( e j Ω 0 )⎤⎦ (9.37)
Si x[ n] es la combinación lineal de N armónicas, puede expresarse como

N
x[ n] = ∑ Ak cos( n Ω k + θ k ) (9.38)
k=1
Usando el principio de suposición, la respuesta estacionaria es:

N
y ss [ n] = ∑ Ak H ( e jΩ k ) cos ⎡⎣ n Ω k + θ k + H ( e j Ω k )⎤⎦ (9.39)
k=1
La función especial respss() presentada en la sección 5.1 puede utilizarse para evaluar la
respuesta estacionaria de un sistema discreto, modelado por su función de transferencia
H ( z) . Su descripción se presenta en el apéndice B. Introduciendo solo el nombre se
obtiene ayuda y un ejemplo demostrativo. Aplicando el ejemplo 9.1, obtenemos:
» nHz=0.5*[1 0]; dHz=[1 -0.8];

» yss=respess(nHz,dHz,[4 0 0;10 pi/8 –pi/6;15 pi/2 5*pi/6-pi/2],'z')
yss = 20+24.8611*cos(0.3927*n-1.3886)+11.713*cos(1.5708*n-1.1983)
que coincide con el valor obtenido en el ejemplo 9.1.
Filtros digitales selectivos de frecuencia

La característica de un filtro selectivo de frecuencia digital es similar a la que se presentó
en la sección 5.1 para los filtros continuos. La única diferencia es que su respuesta de
frecuencia es finita y periódica con período 2π , tal como se muestra en la figura 9.22.
H ( e jΩ ) H ( e jΩ )
1
1
Ω Ω
−π − Ωc Ωc π −π −Ω c Ωc π
Filtro digital pasa-bajo ideal
H ( e jΩ ) H ( e jΩ )
Figura 9.22
RDF de filtros 1
1
selectivos de
frecuencia,
ideales y Ω Ω
digitales.
−π − Ω c 2 − Ω c 1 Ωc1 Ωc2 π −π −Ω −Ω Ωc1 Ωc2 π
c2 c1
Filtro digital pasa-banda ideal Filtro digital rechazo-banda ideal
La RDF de un filtro digital pasa-bajo ideal puede modelarse como

H ( e jΩ ) = rect( Ω / 2Ω c ), − π ≤ Ω ≤ π (9.40)
Usando T10 de la tabla 9.2, la respuesta impulso del filtro digital pasa-bajo ideal es
sen( Ω c n) Ω c
h[ n] = = sinc ( Ω c n / π ) (9.41)
πn π
similar a la expresión que fue desarrollada en la sección 5.1 para el filtro analógico. La
ecuación (9.41) muestra una respuesta impulso infinita no sumable y por lo tanto el filtro
es inestable. Usando (9.40) y (9.41) se desarrollaron las gráficas de la figura 9.23, donde se
observa además la naturaleza no causal del filtro digital ideal.
Figura 9.23
RDF y respuesta
impulso del filtro
digital pasa-bajo
ideal.
En la sección 5.1 se demostró que es posible construir un filtro pasa-alto ideal, a partir de
un filtro pasa-bajo ideal. Usando la misma estrategia se puede demostrar que la RDF del
filtro digital pasa-alto ideal viene dada por
H ( e jΩ ) = 1 − rect( Ω / 2Ω c ), − π ≤ Ω ≤ π (9.42)
Usando T1 y T10 de la tabla 9.2, obtenemos la respuesta impulso del filtro pasa-alto
Ωc
sinc ( Ω c n / π )
h[ n] = δ[ n] − (9.43)
π
similar a la expresión de la sección 5.1 para el filtro analógico. Nuevamente se demuestra
que h[ n] es infinita no sumable y por lo tanto el filtro es inestable. Usando (9.42) y (9.43)
se construyó la figura 9.24, donde se observa además que el filtro ideal es no causal.
Figura 9.24
RDF y respuesta
impulso del filtro
digital pasa-alto
ideal.
Un tratamiento similar permite demostrar que la RDF del filtro digital pasa-banda ideal es
H ( e jΩ ) = rect( Ω / 2Ω c2 ) − rect( Ω / 2Ω c1 ), − π ≤ Ω ≤ π (9.44)
y la respuesta impulso como

Ωc 2 Ωc 1
h[ n] =
π
( )
sinc Ω c 2 n / π −
π
(
sinc Ω c 1 n / π ) (9.45)
Usando (9.44) y (9.45) se desarrolló la figura 9.25, donde se observa nuevamente que el
pasa-banda ideal es inestable y no causal.
Figura 9.25
RDF y respuesta
impulso del filtro
digital pasa-banda
ideal.
Finalmente para el filtro digital rechaza-banda se obtiene como RDF

H ( e jΩ ) = 1 − rect( Ω / 2Ω c 2 ) + rect( Ω / 2Ω c 1 ), − π ≤ Ω ≤ π (9.46)
y su respuesta impulso como

Ωc 2 Ωc 1
h[ n] = δ[ n] −
π
( )
sinc Ω c 2 n / π +
π
(
sinc Ω c 1 n / π ) (9.47)
Usando (9.46) y (9.47) se obtuvo la figura 9.26, que muestra un filtro no causal e inestable.
Figura 9.26
RDF y respuesta
impulso del filtro
digital rechaza-banda
ideal.
En las figuras 9.23 a 9.26 se observa que la respuesta impulso del filtro ideal es inestable y
no causal. Además como h[ n] es real y par, su RDF también es real y par y por lo tanto
su fase es cero. Para conseguir un filtro estable y causal pueden efectuarse las siguientes
operaciones:
- truncar la respuesta impulso h[ n] para volverla estable
- desplazar el filtro truncado hacia la derecha (atraso) para volverlo causal
Sin embargo, según la propiedad de desplazamiento real de la tabla 9.3, el desplazamiento

hacia atrás genera un factor exponencial que convierte la RDF en
H ( e jΩ ) = rect( Ω / 2Ω c ) e− j n 0 Ω (9.48)
Interpretando (9.48) a la luz de la propiedad P2 de desplazamiento real

sen[ Ω c ( n − n0 )] Ω c
h[ n] = = sinc [ Ω c ( n − n0 ) / π] (9.49)
πn π
Luego, desplazando n0 = Ω 0 / Ω c muestras hacia atrás genera fase el filtro FIR causal.
El siguiente ejemplo muestra como el desplazamiento hacia atrás de n0 muestras de un

filtro FIR no causal con fase cero, puede convertirlo en filtro FIR causal con fase lineal.
Ejemplo 9.20 Un filtro FIR no causal fue diseñado para una respuesta impulso dada por
Filtro FIR
simétrico
h[ n] = {1,2,3,4,5,4,3,2,1}
↑
causal a partir
de filtro no a. Obtenga la RDF del filtro no causal: H e j Ω . ( )
causal. b. Obtenga la RDF del filtro causal hc [ n] logrado por el desplazamiento de
4 muestras hacia atrás de h[ n] .
Solución: El filtro FIR no causal se reconoce como tipo 1 porque su respuesta impulso
tiene simetría par y es de orden par ( M = 8) .
a. Para obtener la RFD calculamos la FTD como la TZB de h[ n] :
H ( z) = z4 + 2 z3 + 3 z2 + 4 z + 5 + 4 z−1 + 3 z−2 + 2 z−3 + z−4

Expresándola como fracción racional en forma DSP
1 + 2 z−1 + 3 z−2 + 4 z−3 + 5 z−4 + 4 z−5 + 3 z−6 + 2 z−7 + z−8
H ( z) =
z−4
®
Los comandos de MATLAB necesarios para obtener la RDF son
» nHz=[1 2 3 4 5 4 3 2 1]; dHz=[0 0 0 0 1];
» W=0:0.001:pi; HjW=freqz(nHz,dHz,W);
» [magHncjW,faseHncjW]=rec2pol(HncjW,'r');
» faseHncjW=aproxcero(faseHncjW,0.0001);
La gráfica de la RDF del filtro no causal se muestra en la figura 9.27. Se

observa que como h[ n] es real y par, H ( e j Ω ) es real y par, con fase cero.
Figura 9.27
RDF de un filtro FIR
ideal tipo 1 no causal
con fase cero.
b. Desplazando 4 muestras hacia atrás obtenemos el filtro causal

hc [ n] = {1,2,3,4,5,4,3,2,1}
que resulta simétrica respecto de n = M / 2 = 4 (tipo 1). Aplicando la TZ
H c ( z) = 1 + 2 z−1 + 3 z−2 + 4 z−3 + 5 z−4 + 4 z−5 + 3 z−6 + 2 z−7 + z−8
Usando MATLAB®, obtenemos
» nHcz=[1 2 3 4 5 4 3 2 1]; dHcz=1;
» HcjW=freqz(nHcz,dHcz,W);
» [magHcjW,faseHcjW]=rec2pol(HcjW,'r');
» faseHcjW=unwrap(angle(HcjW));
El resultado se muestra en la figura 9.28, donde se observa que se trata de

un filtro FIR de fase lineal. La función unwrap() elimina los saltos en la
respuesta de fase que genera la función angle() de MATLAB®.
Figura 9.28
RDF de un filtro
FIR tipo 1 causal
de fase lineal.
De acuerdo con la figura 9.28, la respuesta de fase de un filtro FIR de fase lineal puede
representarse en general como
H ( e jΩ ) = −αΩ (9.50)
donde α es una constante de atraso de fase, que identifica la pendiente de la recta que pasa
por el origen. En la figura 9.26 se observa que α = 2π / 0.5π = 4 y coincide con el número
de muestras M / 2 = 4 que fueron desplazadas en el filtro no causal.
En los filtros FIR de fase lineal existe una variante de la expresión anterior [Proakis98],
conocida como fase lineal generalizada
H ( e jΩ ) = β − αΩ (9.51)
que representa la ecuación de una recta que no pasa por el origen, donde β = ± π / 2 . En
este caso α se reconoce como una constante de atraso de grupo.
Ejemplo 9.21 Un filtro FIR no causal fue diseñado para una respuesta impulso dada por
Filtro FIR
antisimétrico
h[ n] = {1, −2,3, −4,0,4, −3,2, −1}
↑
causal a partir
de un filtro no a. Obtenga la RDF del filtro no causal: H e
jΩ
. ( )
causal. b. Obtenga la RDF del filtro causal hc [ n] logrado por el desplazamiento de
4 muestras hacia atrás de h[ n] .
Solución: El filtro FIR se reconoce como tipo 3 porque su respuesta impulso tiene
simetría impar y de orden par ( M = 8) .
a. Usando la TZB, evaluamos la RDF en la forma DSP a partir de h[ n] :
1 − 2 z−1 + 3 z−2 − 4 z−3 + 4 z−5 − 3 z−6 + 2 z−7 − z−8

H nc ( z) =
z−4
Utilizando MATLAB®, obtenemos
» nHncz=[1 -2 3 -4 0 4 -3 2 -1]; dHncz=[0 0 0 0 1];
» W=0:0.001:pi; HncjW=freqz(nHncz,dHncz,W);
» [magHncjW,faseHncjW]=rec2pol(HncjW,'r');
» faseHncjW=aproxcero(faseHncjW,0.0001);
La RDF se muestra en la figura 9.29, donde se observa que su fase es − π / 2

y en consecuencia es imaginaria pura, por ser h[ n] real e impar.
b. Para obtener el filtro causal desplazamos 4 muestras hacia atrás, obteniendo

hc [ n] = {1, −2,3, −4,0,4, −3,2, −1}
que es antisimétrica respecto de n = ( M + 1) / 2 (tipo 3). Aplicando la TZ
H c ( z) = 1 − 2 z−1 + 3 z−2 − 4 z−3 + 4 z−5 − 3 z−6 + 2 z−7 − z−8

Usando MATLAB®, obtenemos
» nHcz=[1 2 3 4 5 4 3 2 1]; dHcz=1;
» HcjW=freqz(nHcz,dHcz,W);
» [magHcjW,faseHcjW]=rec2pol(HcjW);
» faseHcjW=unwrap(angle(HcjW));
Figura 9.29
tipo 3 no causal y
fase cero.
El resultado se muestra en la figura 9.26, donde se observa que es de fase

lineal y corresponde a la forma (9.51) con α = −4 y β = − π / 2 .
Figura 9.30
tipo 3 causal y de
fase lineal.
Se puede demostrar [Mitra06] que la característica fase lineal en un filtro FIR solo se
consigue si la respuesta impulso es simétrica o antisimétrica, lo cual impone algunas
restricciones en su aplicación. Por ejemplo el filtro FIR tipo 3 de la figura 9.30, no podría
utilizarse como filtro pasa-bajo o como filtro pasa-alto.
Para lograr que la respuesta impulso infinita del filtro real hR [ n] sea finita, es necesario
truncar h[ n] , usando técnicas de ventaneo [Proakis98]. De este modo
hR [ n] = h[ n] ⋅ w[ n] (9.52)
siendo w[ n] la función que define el tipo de ventana a utilizar. Una vez efectuado el
truncamiento se convierte en un filtro FIR estable. Si además se desplaza un número de
muestras hacia atrás se convierte en un filtro causal o realizable, tal como se demostró en
los ejemplos 9.20 y 9.21.
Sin embargo, el truncamiento genera un efecto de rizado en la banda de paso y en la banda

de rechazo, conocido como fenómeno de Gibbs. Usando una ventana rectangular
⎧ h[ n], 0 ≤ n ≤ M
hR [ n] = ⎨ (9.53)
⎩ 0, otro valor
se puede verificar que el efecto de rizado depende del tamaño de la ventana w[ n] , el cual
que establece el orden M del filtro FIR. La figura 9.31 se obtuvo usando valores de M = 20
y M = 10 para truncar la respuesta impulso del filtro ideal pasa-bajo de la figura 9.23.
Figura 9.31
Fenómeno de Gibbs
en RDF de un filtro
pasa-bajo causal y
estable.
La figura anterior muestra que la aproximación de la RDF respecto del filtro ideal mejora
en la medida en que el orden M del filtro sea mayor. Se observa además que la amplitud de
la oscilación es relativamente constante e independiente del orden M del filtro.
La figura 9.28 muestra otras ventanas [Mitra06] usadas en el diseño de filtros FIR y en el
análisis espectral, cuyo propósito es suavizar el cambio brusco que presenta la ventana
rectangular en los extremos, logrando mejorar el efecto que se genera por el truncamiento.
El Toolbox de Señales de MATLAB® incluye funciones para generar cada una de estas
ventanas, las cuales fueron usadas en la construcción de la figura 9.32.
Figura 9.32
Ventanas para el
diseño de filtro
digitales FIR.
9.6 SERIE DE FOURIER EN TIEMPO DISCRETO

De acuerdo con la sección 4.3, la serie de Fourier (SF) se utiliza para sintetizar señales
continuas periódicas como la combinación lineal de exponenciales complejas, cuyas
frecuencias son múltiplos (armónicos) de la frecuencia fundamental. Es posible buscar una
representación similar en el dominio del tiempo discreto, que en nuestro caso será utilizada
para la evaluación de la TFTD de señales discretas periódicas y para el desarrollo de la
transformada discreta de Fourier (TDF), que será presentada en el capítulo 11.
Serie de Fourier de señales discretas periódicas

En la sección 7.2, se demostró que una señal senoidal discreta puede ser periódica con
período N (entero) si cumple con (7.22). Generalizando, una señal discreta arbitraria x[ n]
es periódica, si para un valor entero de N
x[ n] x[ n + N ] (9.54)
Si x[ n] es periódica con período N, puede ser construida por extensión periódica de su

componente fundamental aperiódica y finita x[ n] , como
9.6 – SERIE DE FOURIER EN TIEMPO DISCREO 9 - 45
∞
x[ n] = ∑ x[ n − k N ]
k =−∞
(9.55)
Por conveniencia, la componente causal fundamental se puede expresar como

⎧ x[ n], 0 ≤ n ≤ N − 1
x[ n] = ⎨ (9.56)
⎩0, otro valor
La figura 9.33 muestra la interpretación gráfica del concepto de extensión periódica para
N = 10 y la conveniencia en tomar el intervalo 0 ≤ n ≤ N − 1 para definir la componente
fundamental x[ n] de la señal periódica x[ n] .
Figura 9.33
Secuencia periódica
con período N, por
extensión de una
secuencia aperiódica
de N muestras.
Por analogía con el análisis de Fourier en señales continuas, debe ser posible representar la
señal periódica x[ n] como la suma ponderada de señales exponenciales complejas, como
∞
x[ n] = ∑ce
k =−∞
k
j nΩk
, n = …, − 2, − 1, 0, 1, 2, … (9.57)
donde la frecuencia Ω k de cada componente armónico es múltiplo de la frecuencia

fundamental Ω0 . De acuerdo con (7.23) Ω0 = 2π / N y como los armónicos tienen
periodicidad 2π solo existen N posibles frecuencias. Luego
2π
Ω k = kΩ 0 = k , 0 ≤ k≤ N −1 (9.58)
N
y la sumatoria en (9.57) puede efectuarse para k = [0, N − 1] . De modo similar, como x[ n]

es periódica con período N, si la ecuación (9.57) se evalúa para k = 0 y n = 0, 1, 2, ..., N − 1
el resultado debe ser la componente fundamental x[ n] . Por lo tanto,
N −1
x[ n] = ∑ ck e j n k Ω 0 , 0 ≤ n ≤ N − 1 (9.59)
k=0
La ecuación (9.59) es la representación en serie de Fourier de la componente fundamental

x[ n] de la señal discreta periódica x[ n] , con período N y frecuencia fundamental
Ω0 = 2π / N . Los valores de ck son los coeficientes de la serie de Fourier.
Sustituyendo (9.59) en (9.55), obtenemos x[ n] por extensión periódica de x[ n] , como

∞
x[ n] = ∑ce
k =−∞
k
j nΩk
, −∞ ≤ n≤ ∞ (9.60)
Para determinar ck , hacemos k = m en (9.59) y multiplicamos los dos lados por e− j n k Ω 0
⎡ N − 1 j n m Ω 0 ⎤ − j n k ) Ω 0 N − 1 j n( m − k ) Ω 0
x[ n] e − j n kΩ 0
= ⎢ ∑ cm e ⎥e = ∑ cm e
⎣ m=0 ⎦ m =0
Sumando los dos lados en el intervalo n = [0, N − 1] e intercambiando las sumatorias

N −1 N −1 N −1 N −1 N −1
∑ x[ n] e
n=0
− j n kΩ 0
= ∑∑ cm e j n( m− k ) Ω 0 = ∑ cm ∑ e j n( m − k ) Ω 0
n=0 m=0 m=0 n=0
(9.61)
Sustituyendo θ = ( m − k) Ω0 en la segunda sumatoria y aplicando la serie geométrica 6 del

apéndice A.3, obtenemos
⎪⎧(1 − e ) /(1 − e ),
j Nθ jθ
N −1 N −1 N −1 e jθ ≠ 1
∑e j n( m − k ) Ω 0
= ∑e j nθ
= ∑(e jθ n
) =⎨
n=0 n=0 n=0 ⎪⎩ N , e jθ = 1
Sin embargo, la primera condición e j θ = e j ( m− k )2 π / N ≠ 1 se logra si m ≠ k , y por lo tanto

e j N θ = e j N ( m− k )Ω0 = e j ( m − k )2 π = 1 . La segunda condición e j θ = e j ( m− k )2 π / N = 1 implica que
m = k . Luego el resultado anterior se reduce a
N −1
⎧0, m ≠ n
∑e j n( m − k ) Ω 0
=⎨ (9.62)
n=0 ⎩N, m = n
Utilizando la definición de la función impulso discreta, (9.62) puede expresarse como
N −1
∑en=0
j n( m − k ) Ω 0
= N × δ[ m − k] (9.63)
Sustituyendo (9.63) en (9.61) y aplicando la propiedad de muestreo de δ[ n]

N −1 N −1 N −1
∑ x[ n] e
n=0
− j n kΩ 0
= ∑ cm N δ[ m − k] = N × ∑ cm δ[ m − k] = N × ck
m =0 m=0
Despejando ck , obtenemos
N −1
1
ck =
N
∑ x[ n] e
n=0
− j n kΩ 0
, 0 ≤ k≤ N −1 (9.64)
para Ω0 = 2π / N . La expresión (9.64) se reconoce como la ecuación de análisis y la

expresión (9.60) como la ecuación de síntesis. El conjunto de las dos constituye la serie de
Fourier en tiempo discreto (SFTD). Para facilitar la evaluación numérica de las ecuaciones
(9.59) y (9.64), definimos
WN e− j Ω 0 (9.65)
Expresando ck como una secuencia y sustituyendo en (9.59) y en (9.64), obtenemos

N −1
ES: x[ n] ∑ c[ k]W
k= 0
−nk
N , 0 ≤ n ≤ N −1
N −1
(9.66)
1
EA: c [ k]
N
∑ x[ n] W
n=0
nk
N , 0 ≤ k ≤ N −1
Como existe un número finito N de armónicos cuyas frecuencias están dadas por (9.58), la
serie de Fourier en tiempo discreto (SFTD) es finita, diferente a la serie de Fourier en
tempo continuo (SFTC) desarrollada en la sección 4.3, que es infinita. Por lo tanto la SFTD
no presenta problemas de convergencia, la representación de x[ n] es exacta y no existe el
fenómeno de Gibbs de la SFTC (ver ejemplo 4.9).
Como los coeficientes de la SFTD en (9.66) son una secuencia periódica compleja c[ k]
con período N, cumplen con la definición (9.54). Luego,
c[ k] = c [ k + N ] (9.67)
Ejemplo 9.22 Calcular los coeficientes de la SFTD de la siguiente señal discreta periódica
Coeficientes de
la SFTD. x[ n] = {…, 0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, …}
↑
Solución: La señal dada es periódica con período N = 4 y frecuencia fundamental

Ω0 = 2π / 4 = π / 2 , lo cual nos permite calcular W4 = e− j π / 2 = − j . Aplicando
(9.66) y considerando al componente fundamental x[ n] = {0, 1, 2, 3} :
3
1
c [ k] =
4
∑ x[ n]( − j )
n=0
nk
, k = 0, 1, 2, 3
Evaluando para los 4 valores de k, obtenemos

3
1 1
c0 =
4
∑ x[ n] = 4 (0 + 1 + 2 + 3) = 1.5
n=0
3
1 1
c1 =
4
∑ x[ n]( − j )
n=0
n
= [(0)(1) + (1)( − j ) + (2)( −1) + (3)( j )] = −0.5 + 0.5 j
4
3
1 1
c2 =
4
∑ x[ n]( − j )
n=0
2n
= [(0)(1) + (1)( −1) + (2)(1) + (3)( −1)] = −0.5
4
3
1 1
c3 =
4
∑ x[ n]( − j )
n=0
3n
= [(0)(1) + (1)( j ) + (2)( −1) + (3)( − j )] = −0.5 − 0.5 j
4
Del resultado anterior se puede reconocer una propiedad adicional de la SFTD. En efecto,
si x[ n] es una señal discreta real y periódica, en general se cumple que
c[ k] = c *[ N − k] (9.68)
Algoritmo para la evaluación numérica de la SFTD

Utilizando (9.65) y (9.66) es posible desarrollar un algoritmo para la evaluación numérica
de los coeficientes de la SFTD. En efecto, si x y c son vectores columna que contienen
las muestras de la componente fundamental x[ n] y de c [ k] , respectivamente, la ecuación
(9.66) puede escribirse como
c= 1 W N x ↔ x = W N∗ c (9.69)
N
donde la matriz W N se define como
⎡1 1 1 ⎤
⎢1 W 1 W ⎥
( N − 1)
W N = {WNk n } ⎢ ⎥
N N
(9.70)
⎢ ⎥
⎢ ( N − 1) 2 ⎥
⎣⎢ 1 WN WN( N −1) ⎦⎥ N × N
La expresión (9.70) se reconoce como la matriz de la SFTD y se utilizó junto con (9.69)
para desarrollar las función especial sftd(), que permite calcular los coeficientes de la
SFTD. Su descripción se presenta en el apéndice B y su sintaxis es
ck=sftd(xn,N)
Introduciendo solo el nombre de esta función se consigue ayuda y un ejemplo

demostrativo. Aplicando al ejemplo 9.22:
» xn=[0,1,2,3]; N=4; ck=sftd(xn,N)
ck = 1.5000 -0.5000+0.5000i -0.5000-0.0000i -0.5000-0.5000i
De modo similar, usando (9.69) y (9.70) se desarrolló la función especial isftd() para
obtener el período fundamental x[ n] , cuya estructura se muestra en el apéndice B. Para el
ejemplo 9.22, obtenemos
» xn=isftd(ck,N); xn=real(xn)
xn = 0.0000 1.0000 2.0000 3.0000
Relación entre la SFTD y la TZ

Como x[ n] en (9.60) es finita, es absolutamente sumable y existe su TZ. Luego, aplicando
la definición (8.7)
N −1
x[ n] ↔ X ( z) = ∑ x[ n] z− n (9.71)
n−0
Por otro lado los coeficientes de la SFTD de x[ n] , a partir de (9.64) es

N −1 N −1
∑ x[ n] ( e )
1 1 −n
c[ k] =
N
∑ x[ n] e− j n kΩ 0 =
n=0 N n=0
j kΩ 0
(9.72)
Comparando (9.72) con (9.71) se observa que

1
c[ k] = X ( z) (9.73)
N z= e j kΩ 0
lo cual significa que los coeficientes de la SFTD corresponden a N muestras igualmente

espaciadas de X ( z) , evaluadas alrededor del círculo unitario y escaladas por 1/ N .
Relación entre la SFTD y la TFTD

De modo similar, como x[ n] es aperiódica y finita, es absolutamente sumable y por lo
tanto existe su TFTD. Aplicando (9.10), obtenemos
N −1
x[ n] ↔ X ( e j Ω ) = ∑ x[ n] e− j n Ω (9.74)
n=0
Comparando (9.74) con (9.72), obtenemos
X ( e jΩ )
1
c[ k] = (9.75)
N Ω= k Ω 0
Según (9.58), la expresión anterior es la versión muestreada de la TFTD, donde el

intervalo de muestreo es la frecuencia fundamental Ω0 = 2π / N de la señal periódica
x[ n] . El valor de Ω0 establece la calidad en la resolución de la versión muestreada
X ( e jΩ k ) respecto de la versión continua X ( e j Ω ) , tal como sucede con el período de
muestreo ( T ) de una señal muestreada x( nT ) , respecto de su versión continua x( t ) .
Ejemplo 9.23 Dada la señal discreta aperiódica y causal

Relación entre
SFTD, TFTD y
x[ n] = {0, 1, 2, 3}
a. Calcular la TFTD X ( e ) a partir de la TZ.

TZ. jΩ
b. Muestrear X ( e jΩ ) para Ω0 = 2π / N y demostrar que el resultado es el

mismo de c[ k] , escalado en magnitud N = 4 del ejemplo 9.22.
Solución: La secuencia x[ n] no es periódica pero sí es finita.
a. Aplicando la definición (8.7), la TZ de x[ n] es
X ( z) = 0 + z−1 + 2 z−2 + 3 z−3

Utilizando la transformación (9.11)
X ( e j Ω ) = X ( z) z = e j Ω = e − j Ω + 2 e − j 2 Ω + 3 e − j 3 Ω
b. Muestreando X ( e j Ω ) para Ω0 = 2π / 4 = π / 2 y Ω = k Ω0 , k = 0, 1, 2, 3
k = 0, X ( e j 0×( π / 2) ) = 1 + 2 + 3 = 6 = 4 × c[0]
k = 1, X ( e j 1×( π / 2) ) = e− j ( π / 2) + 2 e− j 2( π / 2) + 3 e− j 3( π / 2) = −2 + 2 j = 4 × c[1]
k = 2, X ( e j 2×( π / 2) ) = e− j 2×( π / 2) + 2 e− j 2×2( π / 2) + 3 e− j 2×3( π / 2) = 2 = 4 × c[2]
k = 3, X ( e j 3×( π / 2) ) = e− j 3×( π / 2) + 2 e− j 3×2( π / 2) + 3 e− j 3×3( π / 2) = −2 − 2 j = 4 × c[3]
TFTD de señales periódicas

En esta sección utilizaremos la SFTD para evaluar la TFTD de una señal discreta y
periódica. Para su análisis aplicaremos la estrategia propuesta en la página 9-14, que se usó
para las señales exponenciales y senoidales, en el sentido de evaluar solo el espectro de la
componente fundamental. La estrategia es la siguiente:
- dada una señal discreta y periódica x[ n] , usando (9.56) se puede obtener su

componente fundamental aperiódica x[ n] .
- a partir de esta componente x[ n] , aplicamos la definición (9.10) para evaluar
X0 ( e j Ω ) en el intervalo [ −π, π] , que también es periódica con período 2π .
- la TFTD de la señal periódica x[ n] debe ser la extensión periódica de X0 ( e jΩ ) .
Para demostrar lo anterior, representamos la componente fundamental x[ n] de la señal

periódica x[ n] a través de la serie de Fourier (9.60) desarrollada en el párrafo anterior,
N −1
x[ n] = ∑ c[ k] e j n k Ω 0 , 0 ≤ n ≤ N − 1
k=0
donde Ω0 = 2π / N . Aplicamos la definición de la TFTD a x[ n]

N −1
⎧ N −1 ⎫ ∞
x[ n] = ∑ c[ k] e j k n Ω0 ↔ X0 ( e j Ω ) = F ⎨ ∑ c[ k] e j k n Ω0 ⎬ = ∑ c[ k]F{e j k n Ω0 }
k=0 ⎩ k=0 ⎭ k=0
donde el símbolo F{} se usa para indicar la TFDT. El término exponencial corresponde a
la T6 de la tabla 9.2, en el intervalo [0,2π] . Luego
F{e j n( k Ω0 ) } = 2πδ(Ω − k Ω 0 ) , − π ≤ Ω ≤ π
que es un espectro discreto de impulsos ubicados en la frecuencia digital kΩ0 , similar al

caso de las señales senoidales. Por lo tanto la TFTD de la componente x[ n] es
N −1
X0 ( e j Ω ) = 2π ∑ c[ k] δ( Ω − k Ω0 ) , − π ≤ Ω ≤ π (9.76)
k=0
Es posible obtener una expresión alterna para evaluar la TFTD de la componente

fundamental x[ n] , usando su relación con la SFTD. Expresando c[ k] a través de (9.75)
2π N −1
X0 ( e jΩ
) = N ∑ X (e 0
j k Ω0
) δ(Ω − k Ω ),
0 −π≤Ω≤ π (9.77)
k=0
El resultado anterior muestra dos formas para obtener la TFTD de la componente

fundamental: usando la SFTD para representar la componente fundamental x[ n] de la
señal periódica x[ n] o como la versión muestreada de la TFTD de x[ n] .
Ejemplo 9.24 Calcular la TFTD de la señal discreta y periódica mostrada a continuación, a

TFTD de una
partir de la SFTD y de la versión muestreada de la TFTD.
señal discreta
periódica, no
senoidal.
x[ n]
… … n
−3 −2 −1 1 2 3 4 5
Solución: Usando el método de la SFTD aplicamos (9.73) para calcular los coeficientes
la componente fundamental x[ n] = {0, 1, 1} . Para N = 3 y W3 = e− j 2 π / 3
2
c [ k] = 31 ∑ x[ n]( e− j 2 π / 3 )n k = 31 ( x[0] + x[1]e− jk2 π / 3 + x[2]e− jk 4 π / 3 )
n=0
Evaluando para k = 0,1,2

1
c0 = [0 + 1 + 1] = 2 / 3
3
1 1
c1 = ⎡⎣0 + 1e− j 2 π / 3 + e− j 4 π / 3 ⎤⎦ = ⎡⎣ −0.5 − j 3 / 2 + ( −0.5 + j 3 / 2)⎤⎦ = −1/ 3
3 3
1 1
c2 = ⎡⎣0 + e− j 4 π / 3 + e− j 8 π / 3 ⎤⎦ = ⎡⎣ −0.5 + j 3 / 2 + ( −0.5 − j 3 / 2 ⎤⎦ = −1/ 3
3 3
que puede verificarse usando MATLAB®

» format rat, ck=sftd(xn,N); ck=real(ck), format
ck = 2/3 -1/3 -1/3
Sustituyendo en (9.76), la TFTD de la componente fundamental x[ n] es

2
X0 ( e j Ω ) =2π∑ c[ k] δ( Ω − k Ω0 )
k=0
4π 2π 2π
X0 ( e j Ω ) = δ( Ω) − δ( Ω − Ω0 ) − δ( Ω − 2Ω 0 ), − π ≤ Ω ≤ π
3 3 3
que es periódica con período 2π . El mismo resultado se obtiene muestreando
X0 ( e jΩ ) . Para esto evaluamos la TFTD de x[ n] aperiódica:
X0 ( e j Ω ) = X ( z) z= e jΩ = 0 + z−1 + z−2 = e− j Ω + e−2 jΩ

z = e jΩ
Luego la versión muestreada de X0 ( e jΩ ) para Ω = k Ω0 es
X0 ( e j k Ω 0 ) = e− j k Ω 0 + 2 e−2 j k Ω 0
Evaluando para k = 0,1,2 y Ω0 = 2π / 3
X0 ( e j 0 ) = e− j (0) + e− j 2(0) = 2
X0 ( e j 2 π / 3 ) = e− j (2 π / 3) + e− j 2(2 π / 3) = ( −0.5 − j 0.8667) + ( −0.5 + j 0.8667) = −1
X0 ( e j 4 π / 3 ) = e− j ( 4 π / 3) + e− j 2( 4 π / 3) = ( −0.5 − j 0.8667) + ( −0.5 + j 0.8667) = −1
Aplicando (9.77), obtenemos la TFTD de la componente fundamental x[ n]
∑ X(e ) δ(Ω − k Ω )
2
2π
X0 ( e j Ω ) =
j kΩ 0
0
3 k= 0
4π 2π 2π
X0 ( e j Ω ) = δ( Ω ) − δ( Ω − Ω 0 ) − δ( Ω − 2Ω 0 ), − π ≤ Ω ≤ π
3 3 3
Se logra así el mismo resultado del primer método. La interpretación gráfica se

muestra la figura 9.34 donde se observa que la TFTD de una señal periódica
x[ n] es un tren de impulsos ubicados en la versión muestreada de su
componente fundamental x[ n] .
Figura 9.34
TFTD de una señal
periódica y su
componente
fundamental.
El siguiente guión de MATLAB® permite generar la figura anterior:

» xn=[0,1,1]; N=length(xn); n=0:N-1; M=500;
» [XjW,W]=tftd(xn,n,500,[-2,2]); ck=sftd(xn,N); ck=real(ck)
» W0=2*pi/N; X1Wk=2*pi*[ck,ck,ck(1)]; W1k=W0*(-3:3);
El ejemplo 9.24 utiliza la función especial stemp() de MATLAB® que fue creada para
generar una gráfica similar a la función estándar stem(), con marcas que simulan la señal
impulso unitaria continua. Su descripción se presenta en el apéndice B. Su sintaxis es
» stemp(k,xk,rotulo,titulo,Rx,Ry)
Introduciendo solo el nombre de esta función se consigue ayuda y un ejemplo

demostrativo de aplicación.
Observaciones:
1. La TFTD de una señal aperiódica x[ n] es continua y periódica con período 2π .
2. La TFTD de una señal periódica x[ n] con período N, es un tren de impulsos
periódico, con N impulsos por período 2π , ubicados en la frecuencia Ω k = 2π k / N .
3. Las señales senoidales discretas son un caso particular de señales discretas periódicas
y su TFTD también es un tren de impulsos.
4. La forma discreta de la TFTD de x[ n] se debe a la naturaleza misma de la SFTD.
5. De la ecuación (9.77) se puede inferir que la TFTD de x[ n] es la versión muestreada
de la TFTD de su componente fundamental x[ n] , escalada en magnitud por el factor
2π / N , tal como se observa en la figura 9.30.
El análisis anterior muestra que el manejo de señales discretas periódicas en el dominio de

Fourier no es muy conveniente, por la presencia de impulsos que se generan en su
determinación. Sin embargo, estos resultados son el fundamento de la transformada
discreta de Fourier (TDF) que será desarrollada en el capítulo 11. Sin embargo, antes de
introducir la TDF es necesario analizar con detalle los aspectos relacionados con la
obtención de una señal discreta a partir del muestreo de una señal continua, temas que será
tratados en el próximo capitulo.

File

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

File

Diunggah oleh

Hak Cipta:

Format Tersedia

ANÁLISIS DE SISTEMAS DISCRETOS

Se hará referencia al concepto de respuesta de frecuencia (RDF) que permite inferir

9.1 DOMINIO DEL TIEMPO DISCRETO v/s DOMINIO-Ω

Respuesta de un sistema discreto LIT a una señal armónica

El segundo factor en (9.1) es la señal de entrada y el término entre corchetes es una

Sustituyendo (9.2) en (9.1) la respuesta forzada del sistema discreto es

donde H ( z) es la FTD del sistema. Como la señal armónica de entrada x[ n] no incluye

Aplicando la definición (8.52), la FTD viene dada por

En la señal de entrada x[ n] se identifican tres componentes armónicas, cuyos

En x1[ n] la frecuencia digital es cero y se reconoce como la componente DC

Aplicando (9.3) construimos la respuesta a cada componente, como

Del dominio del tiempo discreto al dominio de la frecuencia digital (Ω)

x[ n] = 4 + 10 cos( nπ / 8 − 0.5362) + 15cos( nπ / 2 + 1.0472)

Tabla 9.1 – Valores característicos de componentes armónicas

la cual permite identificar los armónicos contenidos en la descripción algebraica de x[ n]

Los valores característicos de frecuencia, magnitud y fase mostrados en la tabla 9.1 y la

9.2 RESPUESTA DE FRECUENCIA DE UN SISTEMA DISCRETO

Definición de la RDF e un sistema discreto y relación con la FTD

cuyas frecuencias son los valores particulares de Ω . El resultado se define como la

Comparando la ecuación (9.5) con la definición (8.3) de la transformada Z, se observa que

Características de la RDF de un sistema discreto

Para demostrar esta característica expresamos (9.5) en forma rectangular

Como la magnitud de los complejos es igual, se cumple que

La fase en el primer caso es − tan−1( b / a) y en el segundo caso es + tan−1( b / a) .

Luego se satisface la condición de simetría impar,

A partir de (9.7) y (9.8) se consigue la simetría conjugada, que se expresa como

Como consecuencia de la periodicidad y de la simetría conjugada, la evaluación de la RDF

Ejemplo 9.2 Verificar las características de periodicidad y simetría conjugada de la RDF

El resultado se muestra en la figura 9.3 donde se observa que la RDF es

Evaluación de la RDF de sistemas discretos

Para obtener la RDF de un sistema de datos muestreados modelado por H ( z) , es necesario

La siguiente opción permite establecer el dominio de la frecuencia digital Ω en radianes

A partir de la evaluación numérica de la RDF, es posible desarrollar diferentes tipos de

Un diagrama rectangular representa la magnitud y fase de H ( e j Ω ) en función de la

El diagrama polar de RDF representa la magnitud respecto de la fase en escala polar,

El diagrama logarítmico utiliza escala logarítmica para la frecuencia digital ( Ω) . Un caso

Las aplicaciones de la RDF serán tratadas en la sección 9.5, luego de definir la

9.3 TRANSFORMADA DE FOURIER EN TIEMPO DISCRETO

se reconoce como la transformada de Fourier en tiempo discreto (TFTD). La ecuación

Comparando (9.11) y (9.6) se pueden reconocer las siguientes diferencias fundamentales

- analíticamente no existe diferencia alguna entre la RDF y la TFTD. Sin embargo, en

La transformada inversa de Fourier en tiempo discreto, viene dada por

La notación es la misma que se ha usado en otros métodos de transformación

Tabla de transformada de Fourier en tiempo discreto (TFTD)

Tabla 9.2 – Transformada de Fourier en tiempo discreto

TFTD de señales senoidales

Como la integral se desarrolla en el intervalo [ −π, π] , solo interviene en la sumatoria el

∫ δ(Ω − Ω0 ) e dΩ = e 0 ∫ δ(Ω − Ω 0 )dΩ = e 0

donde el último resultado se logra aplicando la propiedad de muestreo de la señal impulso.

Considerando el espectro de la componente fundamental en el intervalo Ω = [ −π, π]

siendo Ω0 = 2π / N la frecuencia digital en radianes y N el período en muestras/ciclo. La

Para la señal senoidal x[ n] = cos( Ω0 n) , usando la identidad de Euler

Aplicando (9.14), obtenemos

que corresponde a la T7 de la tabla 9.2. Su interpretación gráfica se muestra en la figura

X0 ( e j Ω ) = πδ(Ω − Ω0 ) + πδ(Ω + Ω 0 ), − π ≤ Ω ≤ π (9.15)

Análisis espectral de señales armónicas discretas

El siguiente ejemplo muestra el uso de esta estrategia en la evaluación del espectro de

X0 ( e j Ω ) = 3π[ δ( Ω − π / 12) + δ( Ω + π / 12)] + 5 j π [δ(Ω − π / 18) − δ(Ω + π / 18)]

La interpretación gráfica se muestra en la figura 9.9. Luego, la TFTD de la

¿Cuál sería el espectro si Ω1 = 13π / 12 ?

Evaluación numérica y gráfica de la TFTD

El resultado se muestra en la figura 9.10, donde se observa la propiedad de

Si X ( z) es una función racional, usando la función freqz() presentada en la sección

El resultado se muestra en la figura 9.11 igual a la que se obtuvo en la figura

» W0=pi/2; yn=xn.cos(nW0); [YjW,W]=tftd(yn,n,M,[-1,1]);