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.
9-1
9-2 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
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)
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
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
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.
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9-4 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
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:
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 9-5
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
Figura 9.2
Valores característicos
de armónicos en la
entrada y salida del
ejemplo 9.1.
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9-6 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
H ( e j Ω ) = H ( z) z = e j Ω (9.6)
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.
De modo similar
∞ ∞
H ( e− j Ω ) = ∑ h[ k] e j k Ω = ∑ h[ k]{cos( kΩ) + jsen( kΩ)} = a + jb
k =−∞ k =−∞
H ( e j Ω ) = H ( e− j Ω ) (9.7)
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.2 – RESPUESTA DE FRECUENCIA DE UN SISTEMA DISCRETO 9-7
H ( e j Ω ) = − H ( e− jΩ ) (9.8)
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.
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.
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...
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9-8 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
Figura 9.3
Periodicidad y
simetría conjugada
de la RDF.
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')
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.2 – RESPUESTA DE FRECUENCIA DE UN SISTEMA DISCRETO 9-9
- diagramas rectangulares
- diagramas polares
- diagramas logarítmicos
Figura 9.4
Diagrama
rectangular de RDF
de un sistema
discreto.
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
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
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
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 =−∞
X ( e j Ω ) = X ( z) z = e j Ω (9.11)
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
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 12 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
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
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.3 –TRANSFORMADA DE FOURIER EN TIEMPO DISCRETO 9 - 13
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 =−∞
( )
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
x[ n] = e j Ω0 n ↔ X0 ( e j Ω ) = 2πδ(Ω − Ω 0 ), − π ≤ Ω ≤ π (9.14)
x[ n] = cos( Ω0 n) = 21 e jΩ0 n + 21 e− j Ω0 n
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 14 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
∞ ∞
X ( e j Ω ) = π ∑ δ( Ω − Ω0 − 2π k) + π ∑ δ(Ω + Ω 0 − 2π k)
k =−∞ k =−∞
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
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
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.3 –TRANSFORMADA DE FOURIER EN TIEMPO DISCRETO 9 - 15
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
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.
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);
» %comandos de graficación...
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 16 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
Figura 9.10
Evaluación directa
de la TFTD en el
intervalo [ −π, π] .
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');
» %comandos de graficación...
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.3 –TRANSFORMADA DE FOURIER EN TIEMPO DISCRETO 9 - 17
Figura 9.11
Evaluación indirecta
de la TFTD en el
intervalo Ω = [ −π, π]
usando la TZ.
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
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 18 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
⎡ ⎛ 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®.
Figura 9.12
Evaluación de la
TFTD para x[ n]
experimental.
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.3 –TRANSFORMADA DE FOURIER EN TIEMPO DISCRETO 9 - 19
{ } { }
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)
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);
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 20 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
Figura 9.13
Espectro de
frecuencia de una
señal real y par
Figura 9.14
Espectro de
frecuencia de una
señal real e impar.
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.3 –TRANSFORMADA DE FOURIER EN TIEMPO DISCRETO 9 - 21
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.
a1 x1[ n] + a2 x2 [ n] ↔ a1 X1 ( e j Ω ) + a2 X2 ( e j Ω ) (9.25)
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.
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 22 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
X0 ( e j Ω ) = e j ( θ / Ω0 )Ω π[ δ( Ω − Ω0 ) + δ( Ω + Ω 0 )], − π ≤ Ω ≤ π
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
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
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 .
Y0 ( e j Ω ) = X0 ( e j ( Ω −π / 4) ) = π [ δ( Ω − 3π / 4) + δ( Ω + π / 4)]
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
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 24 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
Figura 9.17
Evaluación numérica de
la propiedad de
desplazamiento en
frecuencia de la TFTD.
x[ − n] ↔ X ( e− j Ω ) (9.28)
Construimos y[ n] = x[ − n] y evaluamos Y ( e j Ω )
» yn=fliplr(xn); ny=-fliplr(n); YjW=tftd(yn,ny,M,[-1,1]);
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.4 – PROPIEDADES DE LA TFTD 9 - 25
» 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.
dΩ
= ∑
d Ω n=−∞
x[ n ] e − j nΩ
= ∑
n =−∞
( − jn ) x[ n ] e − jΩ
= − j ∑
n =−∞
{ nx[ n]} e− jΩ
x1[ n] ∗ x2 [ n] ↔ X1 ( e j Ω ) ⋅ X2 ( e jΩ ) (9.30)
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 26 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
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 )
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
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.4 – PROPIEDADES DE LA TFTD 9 - 27
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
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
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 )
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 28 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
Figura 9.19
Señal discreta real
no causal y su
TFTD.
Figura 9.20
TFTD de la señal
modulada, evaluada
numéricamente y
analíticamente.
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.4 – PROPIEDADES DE LA TFTD 9 - 29
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] .
x1[ n] ⋅ x2 [ n] ↔ X1 ( e j Ω ) ⊗ X2 ( e jΩ ) (9.32)
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 30 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
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 )
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.4 – PROPIEDADES DE LA TFTD 9 - 31
∞ ∞
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)
∫ X ( e ) dΩ
1 jΩ
x[0] = (9.36)
2π −π
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.
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 32 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
x[ n] = (0.5)n u[ n] + (0.5)− n u[ − n] − δ[ n]
La tabla 9.3 presenta un resumen de las propiedades de la TFTD que fueron demostradas
en los ejemplos anteriores.
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.5 – APLICACIONES DE LA RDF Y LA TFTD 9 - 33
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
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 =−∞
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.
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 34 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
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
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)
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.5 – APLICACIONES DE LA RDF Y LA TFTD 9 - 35
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:
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
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 36 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
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.
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.5 – APLICACIONES DE LA RDF Y LA TFTD 9 - 37
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)
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.
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 38 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
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
H ( e jΩ ) = rect( Ω / 2Ω c ) e− j n 0 Ω (9.48)
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.5 – APLICACIONES DE LA RDF Y LA TFTD 9 - 39
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] :
Figura 9.27
RDF de un filtro FIR
ideal tipo 1 no causal
con fase cero.
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 40 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
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.
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.5 – APLICACIONES DE LA RDF Y LA TFTD 9 - 41
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] :
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 42 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
Figura 9.29
RDF de un filtro FIR
tipo 3 no causal y
fase cero.
Figura 9.30
RDF de un filtro FIR
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.
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.5 – APLICACIONES DE LA RDF Y LA TFTD 9 - 43
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.
⎧ 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.
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 44 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
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.
x[ n] x[ n + N ] (9.54)
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.6 – SERIE DE FOURIER EN TIEMPO DISCREO 9 - 45
∞
x[ n] = ∑ x[ n − k N ]
k =−∞
(9.55)
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)
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 46 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
⎡ 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
∑ 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)
⎪⎧(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
∑en=0
j n( m − k ) Ω 0
= N × δ[ m − k] (9.63)
∑ 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)
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.6 – SERIE DE FOURIER EN TIEMPO DISCREO 9 - 47
WN e− j Ω 0 (9.65)
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, …}
↑
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 48 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
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)
c= 1 W N x ↔ x = W N∗ c (9.69)
N
⎡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)
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
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.6 – SERIE DE FOURIER EN TIEMPO DISCREO 9 - 49
N −1
x[ n] ↔ X ( z) = ∑ x[ n] z− n (9.71)
n−0
∑ 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)
X ( e jΩ )
1
c[ k] = (9.75)
N Ω= k Ω 0
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 50 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
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]
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
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.6 – SERIE DE FOURIER EN TIEMPO DISCREO 9 - 51
F{e j n( k Ω0 ) } = 2πδ(Ω − k Ω 0 ) , − π ≤ Ω ≤ π
… … 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
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008
9 - 52 Capítulo 9 – ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO DE LA FRECUENCIA
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 k Ω 0 ) = e− j k Ω 0 + 2 e−2 j k Ω 0
X0 ( e j 0 ) = e− j (0) + e− j 2(0) = 2
∑ 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
Figura 9.34
TFTD de una señal
periódica y su
componente
fundamental.
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2009
9.6 – SERIE DE FOURIER EN TIEMPO DISCREO 9 - 53
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)
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.
SEÑALES Y SISTEMAS CONTINUOS Y DISCRETOS – Aplicaciones en MATLAB® - Carlos Alberto Rey Soto - 2008