Cap 3 PDS

3
Se nales y sistemas en tiempo discreto

Para llevar a cabo el procesamiento de se nales en un DSP, es necesario contar con una se nal o secuencia de entrada. Como se dijo en el cap tulo 1, el origen de la se nal, hasta cierto punto, no tiene importancia, pues la secuencia puede provenir de un proceso inherentemente discreto en tiempo, o bien, de una se nal anal ogica, es decir, denida en tiempo continuo. Sin embargo, es importante comprender el concepto de discretizaci on en el tiempo de la se nal, en el caso de que el origen sea una se nal denida en tiempo-continuo.
3.1.
Representaci on de se nales en tiempo discreto
Una se nal en tiempo discreto puede representarse como una se nal o secuencia de n umeros {x[0], x[1], . . . x[N 1]} obtenida a partir del muestreo de una se nal denida en tiempo continuo x a (t). As , una se nal en tiempo discreto o secuencia, es {x[n]}, donde x[n] es el valor de la se nal en el tiempo discreto n. Una notaci on com un es tambi en x n . Por lo general, emplearemos la notaci on con par entesis cuadrados, ya que ser a m as f acil denotar, de ese modo, por ejemplo, dos se nales en tiempo discreto x 1 [n] y x2 [n]. En la gura 3.1 se representa el proceso de muestreo como un circuito de conmutaci on, el cual toma el valor de la se nal continua x a (t) a intervalos uniformes de tiempo t = nT , donde T es el periodo de muestreo, n es cualquier n umero entero, incluyendo el cero. Entonces, la se nal en tiempo discreto puede escribirse como, (3.1) xn = x[n] = xa (t)|t=nT = xa (nT ). Adem as, se tiene que Fs = 1/T es la frecuencia de muestreo en Hz, mientras que s = 2 T = 2Fs , es la frecuencia de muestreo en rad/s. 37
38
DE SENALES 3.1. REPRESENTACION EN TIEMPO DISCRETO
xa (t)
xn = xa (t)|t=nT
t = nT Figura 3.1: Muestreo de una se nal. La frecuencia de muestreo debe cumplir con el requisito impuesto por el teorema de muestreo de Shannon, el cual dice que una se nal en banda limitada x(t), se puede reconstruir completamente a partir de sus muestras, siempre y cuando estas se encuentren con un espaciamiento no mayor a 1 a la frecuencia m as alta contenida en la se nal x(t). En el 2fm , donde fm ser caso en que la raz on o rapidez de muestreo sea insuciente, se presentar a el fen omeno de traslape espectral, tambi en conocido como alias o aliasing. Es pr actica com un incluir antes del proceso de muestro de cualquier se nal, un ltro anti-traslape que debe tener una frecuencia de corte inferior a F s /2. El ltro anti-traslape puede ser un simple ltro pasa-bajas, el objetivo es disminuir al m nimo aquellos componentes de frecuencia que pudieran causar el traslape.
3.1.1.
Muestreo y el traslape espectral
A continuaci on se introducen algunos conceptos sobre se nales en tiempo continuo y se nales en tiempo discreto, para mostrar la conexi on entre ambos dominios y la importancia de reducir los efectos de traslape antes de aplicar el proceso de muestreo en la adquisici on de se nales. Existen, b asicamente, cuatro combinaciones entre los dominios continuo, discreto, frecuencia, y tiempo. 1. tiempo continuo frecuencia discreta 2. tiempo continuo frecuencia continua 3. tiempo discreto frecuencia continua 4. tiempo discreto frecuencia discreta M as espec camente, algunas relaciones entre la forma de onda (dominio del tiempo) y el contenido espectral (dominio de la frecuencia) de la se nal son: 1. La se nal es peri odica y en tiempo continuo, entonces, su espectro ser a no peri odico y discreto. Esta relaci on corresponde a la representaci on por una serie de Fourier.
G. Miramontes, ISBN 968-5923-15-9 PDS: Introducci on con teor a y pr actica
DE SENALES 3.1. REPRESENTACION EN TIEMPO DISCRETO 2.
39
La se nal es no peri odica y en tiempo continuo, entonces, su espectro ser a no peri odico y continuo. Esta relaci on corresponde a la transformada (o integral) de Fourier. La se nal es no peri odica y discreta en tiempo, entonces, su espectro ser a peri odico y continuo. Esta relaci on corresponde a la transformada z , tambi en como a la Transformada de Fourier en Tiempo Discreto (TFTD). La se nal es peri odica y discreta en tiempo, entonces, su espectro ser a peri odico y discreto. Esta relaci on corresponde a la Transformada de Fourier Discreta (TFD).
3.
4.
Las dos u ltimas formas se obtienen como resultado de un proceso de muestreo de la se nal, ya sea en el dominio del tiempo o en el dominio de la frecuencia. Se puede comprender f acilmente el efecto del muestreo de una se nal en tiempo continuo usando un muestreo ideal y analizando el resultado en el dominio de la frecuencia. La operaci on de muestreo puede expresarse matem aticamente como una multiplicaci on de una se nal en tiempo continuo (o anal ogica), g(t), por un tren peri odico de pulsos, p(t). La operaci on de multiplicaci on da: g(t)p(t) =
n=
g(nT )(t nT ).
(3.2)
En la gura 3.2 se representa el muestreo de una se nal de 60 Hz. Puede verse que es posible la correcta reconstrucci on de la se nal original a partir de las muestras de la se nal en tiempo continuo. Si aplicamos la se nal muestreada a un ltro pasa-bajas (FPb), se obtiene una se nal que pr acticamente es igual a la se nal original. Esto se ilustra en la gura 3.3.
0.3 0.2 0.1 Amplitud 0 Seal muestreada y seal original
0.1 0.2 0.3 0.4 0 20 40 60 80 Nmero de muestras (en 100 puntos) 100
Figura 3.2: Muestreo de una se nal de 60 Hz.

40

0.15 0.1 0.05 Amplitud 0 Salida del FPb
0.05 0.1 0.15 0.2 0 0.02 0.04 0.06 Tiempo [s] 0.08 0.1
Figura 3.3: Salida del ltro de reconstrucci on. Cuando se aplica un muestreo deciente, es decir que no cumple con el teorema de muestreo, la se nal resultante aparece como una se nal de m as baja frecuencia, como se puede observar en la gura 3.4.
0.3 0.2 0.1 Amplitud 0 Seal submuestreada y seal original
0.1 0.2 0.3 0.4 0 50 100 Nmero de muestras 150
Figura 3.4: Efecto del sub-muestreo en una se nal de 60 Hz. Los efectos del muestreo en una se nal se pueden analizar en el dominio del tiempo o en el dominio de la frecuencia. La conexi on entre el dominio del tiempo y el dominio de la frecuencia de se nales muestreadas est a dada por las f ormulas de la Suma de Poisson (FSP), como sigue: FSP No. 1 s (j ) = G
k =
G(j ( ks )) =
n=
T g(nT )ejnT ,
(3.3)
s (j ) es peri odica en , con periodo s = 2/T . donde G

DE SENALES 3.1. REPRESENTACION EN TIEMPO DISCRETO FSP No. 2 g P (t) =

k =
41
g(t kP ) =
1 G(jno )ejno t , P n=
2 P .
(3.4)
odica en t, con periodo P y o = donde g P (t) es peri FSP No. 3
N 1 N,k }N 1 = T F D{T g N T (nT )}n {G =0 , k =0
(3.5)
donde TFD es la Transformada de Fourier Discreta. Si g() es una se nal anal ogica que est a limitada en banda a B Hz, entonces G(j ) =

g(t)ej t dt = 0 donde 2B < ||.
(3.6)
Haciendo s = 2/T > 4B , entonces g(t) se puede recuperar para toda t a partir de sus muestras en tiempo discreto {g(nT )} n= . Este hecho, que adem as es muy importante en el procesamiento de se nales, es conocido como el Teorema de Muestreo. El efecto del proceso de muestreo tambi en se puede explicar a trav es de un procedimiento basado en el dominio de la frecuencia; tomando la Transformada de Fourier de (3.2) nos dar a la convoluci on en el dominio de la frecuencia de G(j ) y P (j ). El resultado es un n umero innito de repeticiones del espectro original, Ga (j ), desplazado en frecuencia por k s , es decir,
k =
G(j ( ks )).
(3.7)
Debe quedar claro que si s no es mayor que 4B o si la se nal no est a limitada en banda, los espectros se traslapar an, cambiando el espectro que est a siendo medido sobre una banda de frecuencias dada. Para reconstruir la se nal original, las muestras de la se nal muestreada se hacen pasar por un ltro de reconstrucci on (un FPb). Para el caso de la se nal de 60 Hz con un muestreo deciente, la salida del FPb se representa en la gura 3.5 y se observa claramente que no es la misma que la se nal original. En la pr actica, para asegurarse que g(t) no contiene componentes de frecuencia arriba de B Hz, se tiene que usar un ltro pasa bajas, llamado ltro anti-traslape (anti-aliasing lter), antes de aplicar el proceso de muestreo. Idealmente, el ltro anti-traslape debe tener ganancia unitaria en la banda de paso y cero salida para frecuencias mayores que s /2, pero esta operaci on de ltrado ideal no puede realizarse; por lo tanto, el ltro tiene que aproximarse con una tolerancia aceptable, una respuesta en magnitud en la banda de rechazo que exceda un nivel de atenuaci on m nimo y una banda
42

0.3 0.2 0.1 Amplitud 0
0.1 0.2 0.3 0.4 0 0.05 0.1 0.15
Tiempo [s]
Figura 3.5: Salida del ltro de reconstrucci on de la se nal sub-muestreada. de transici on aceptable. La banda de paso, p ; la banda de rechazo, r ; y on la frecuencia de muestreo, s , deben satisfacer la relaci p < r s . 2 (3.8)
Debido a que las se nales con componentes de frecuencia mayores que s /2 aparecer an como frecuencias m as bajas que s /2 por el traslape espectral, a determinado el nivel de atenuaci on del ltro anti-traslape en > s /2 est por la cantidad de traslape que se pueda tolerar en la banda de paso.
Respuesta en magnitud del filtro antitraslape 10
0
|H (j)|
10
10
p 10
1
T/2 10
0
o 10
1
10
Figura 3.6: Efecto del traslape en la banda de inter es de la se nal. En la gura 3.6, o es traslapada (aliased) a p . La l nea s olida representa el espectro de la se nal original -de hecho, es el espectro permitido por el ltro anti-traslape-, y la l nea punteada representa la atenuaci on, o p erdida en dB, producida por el ltro anti-traslape sobre el espectro traslapado hacia p . Si la cantidad aceptable del espectro traslapado en p es ap = 20 log10 (1/A), entonces la atenuaci on m nima del ltro en o debe ser tambi en ap (v ease
43
Jackson, 1992), debe ser especicada la atenuaci on en o y no la atenuaci on en s/2 . En el dise no del ltro, es necesario encontrar el orden, n, del ltro, el cual depende de par ametros como atenuaci on m nima en r y el ancho de la banda de transici on r p . En la pr actica, cuando la aplicaci on requiere de m nimo traslape espectral, una buena selecci on es una frecuencia de muestreo que sea tres o cuatro veces mayor que la banda de paso del ltro anti-traslape, p . En aplicaciones con requerimientos no tan cr ticos, ease K. Mitra, una frecuencia de muestreo m as que adecuada es de 2 p (v 1998). El an alisis anterior se nala que la amplitud total del espectro podr a distorsionarse severamente si no se emplean ltros anti-traslape apropiados antes del proceso de muestreo; e igualmente, que las altas frecuencias aparecer an acentuadas debido a los efectos del traslape espectral.
3.1.2.
Muestreo de im agenes
El teorema de muestreo de Shannon tambi en se aplica a im agenes en movimiento. Por ejemplo, en una pel cula donde se toma un cierto n umero de cuadros o im agenes por segundo es bien conocido el efecto que se produce al lmar una rueda que gira. Seguramente se ha observado c omo en la rueda que comienza a girar en un sentido, conforme aumenta la velocidad angular, parece que se invierte el sentido de giro; esto es t pico en las pel culas del oeste (las famosas Western). Para mostrar el principio de muestreo en una imagen, consid erese un vector que gira a una velocidad angular , como se ilustra en la gura 3.7.
m{z }

e{z }
Figura 3.7: Vector que gira a una velocidad angular . La posici on del vector a un tiempo t est a dada por la siguiente expresi on: z = rej t , (3.9)
donde r es la longitud del vector o el radio del c rculo que describe al girar, y es la velocidad de giro o velocidad angular. La operaci on de muestreo
44
sobre una x(t) = ej t , suponiendo r = 1, nos entrega una se nal en tiempo discreto dada por (3.10) x[n] = ej nT = (ejT )n . Se observa que es una se nal peri odica con periodo 2 ya que ej (T +k2) = ejT (ej 2 )k = ejT . (3.11)
En la gura 3.8 se muestran tres posiciones de una rueda que gira en contra de las manecillas del reloj (CMR) para tres instantes de tiempo seg un se ilustra en la gr aca.
t=0
t=T
t = 2T
Figura 3.8: Giro CMR en tres tiempos. Sup ongase que se tiene una c amara que toma un cuadro cada T segundos, es decir, con una frecuencia de muestreo Fs = 1/T . Se sabe que = 2 f , por lo que f = /(2 ), donde f es el n umero de revoluciones por segundo. Si T es la distancia de giro de la rueda en T segundos, es decir, es la distancia angular entre observaciones, se tiene que al cumplirse la condici on 0 < T < parecer a que la rueda tiene un giro CMR con una velocidad angular , es decir, la observaci on es correcta. Si por el contrario se cumple la condici on < T < 2 , como se ilustra en la gura 3.9, entonces la rueda parece tener un giro en el sentido de las manecillas del reloj (SMR) con una velocidad angular ((2 )/T ) lo cual es incorrecto.
t=0
t=T
t = 2T
Figura 3.9: Giro SMR en tres tiempos. En general, para una rueda con n puntos (que pueden ser las tuercas, rayos, ejes) que gira a una velocidad angular el tiempo entre observaciones deber a ser . (3.12) T < n
3.2. ALGUNAS SECUENCIAS IMPORTANTES
45
3.2.
Algunas secuencias importantes
Algunas secuencias que son muy u tiles en la caracterizaci on de SLIT discretos son: la secuencia muestra unitaria y la secuencia escal on.
3.2.1.
La muestra unitaria y el escal on unitario
La secuencia muestra unitaria, que se observa en la gura 3.10, es la secuencia m as simple y una de las m as u tiles. Esta es tambi en llamada impulso en tiempo discreto o impulso unitario. La secuencia muestra unitaria est a denida por 1, si n = 0 (3.13) [n] = 0, si n = 0. La secuencia [n], al igual que (t), sirve para caracterizar completamente,
1.2 1 0.8 0.6 0.4 0.2 0 10 n secuencia muestra unitaria
0 Nmero de muestras
10
Figura 3.10: La secuencia muestra unitaria o impulso en tiempo discreto. en el dominio del tiempo, a los sistemas lineales en tiempo discreto, y en tiempo continuo, respectivamente. Adem as, como cualquier se nal arbitraria se puede representar como una combinaci on lineal de funciones impulso o secuencias unitarias; entonces conociendo la respuesta al impulso, podemos calcular la respuesta a cualquier secuencia arbitraria de entrada. La secuencia escal on unitario en tiempo discreto, que se muestra en la gura 3.11 est a denida por u[n] = 1, si n 0 0, si n < 0. (3.14)
Estas dos secuencias, [n] y u[n] est an relacionadas por u[n] =

G. Miramontes, ISBN 968-5923-15-9
k =
[k],
(3.15)
PDS: Introducci on con teor a y pr actica
46

u secuencia escaln unitario 1.2 1 0.8 0.6 0.4 0.2 0 10
n
0 5 10 Nmero de muestras
15
20
Figura 3.11: La secuencia escal on unitario en tiempo discreto.
[n] = u[n] u[n 1].
(3.16)
3.2.2.
La secuencia exponencial
La secuencia exponencial est a dada por x[n] = An , (3.17)
donde A y pueden ser n umeros reales o complejos. Si se trata de una secuencia compleja, es de esperar que esta tenga una parte real y una parte imaginaria. Esto se puede demostrar f acilmente empleando la notaci on polar, si escribimos = e j = e+j y A = |A|ej , entonces podemos expresar a x[n] como x[n] = Ae(+j)n = |A|en ej (n+) , y empleando las relaciones de Euler, x[n] = |A|en (cos(n + ) + j sen(n + )), (3.19) (3.18)
donde , y son n umeros reales. Finalmente, distinguimos las dos componentes como x[n] = Re{x[n]} + I m{x[n]}, donde I m{x[n]} = |A|en sen(n + ).
Re{x[n]} = |A|en cos(n + )
(3.20)

Secuencia exponencial compleja 3 2.5 2 1.5 1 0.5 0 0.5 1 1.5 2 20 0 Parte real 20 > 0, amplitude creciente
47
2.5 2 1.5 1 0.5 0 0.5 1 1.5 2
2.5 20
0 Parte imaginaria
20
Figura 3.12: La secuencia exponencial compleja creciente en tiempo discreto.

Secuencia exponencial compleja 6 4 2 0 2 4 6 20 < 0, amplitude decreciente 4 2 0 2 4 6 8 20
0 Parte real
20
0 Parte imaginaria
20
Figura 3.13: La secuencia exponencial compleja decreciente en tiempo discreto. El t ermino |A|e representa la envolvente de la componente compleja u oscilante. En la gura 3.12 aparece una secuencia exponencial compleja con > 0 mientras que en la gura 3.13 se muestra el caso en que < 0. Si tanto A como son reales, entonces tenemos una secuencia exponencial real, la cual, como puede verse en la gura 3.14, no presenta oscilaci on.
3.2.3.
La secuencia sinusoidal
Si la secuencia exponencial compleja mantiene una magnitud constante, es decir, con = 0, entonces se convierte en una secuencia sinusoidal. Esta secuencia es peri odica con periodo N en tanto N sea un entero m ultiplo de 2 , o sea, N = 2k, donde N es un entero positivo. El valor m as
48
3.3. ALGUNAS PROPIEDADES DE LAS SECUENCIAS

xn = , || < 1
n
9 8 7 6 5 4 3 2 1 0 20 15 10
5 0 5 Nmero de muestras
10
15
Figura 3.14: La secuencia exponencial real decreciente en tiempo discreto. peque no posible que satisfaga esta condici on es el periodo fundamental de la secuencia.
3.3.
Algunas propiedades de las secuencias
El conocimiento de las propiedades de las secuencias es u til en el an alisis de estas, permiti endonos simplicar muchos procesos. A continuaci on se presentan algunas propiedades u tiles de las secuencias: 1. {x[n]} es real, es decir, una se nal real o una secuencia real si x[n] = x [n] para toda n donde n es un entero. 2. a) {x[n]} es de longitud nita, o de duraci on nita, si x[n] = alg un valor, si N1 n N2 sin valor, el resto (3.21)
b) de lo contrario {x[n]} es de longitud innita. 3. a) {x[n]} es conjugada sim etrica o Herm tica si x[n] = x [n]. Nota: Si x[n] es real, entonces Herm tica es lo mismo que par. b) {x[n]} es conjugada anti-sim etrica o Herm tica-sesgada (skewHermitian) si x[n] = x [n]. xcs [n] = (3.22)
Nota:
x[n] + x [n] , 2 donde el sub ndice cs indica conjugada sim etrica. xcs [n] = x[n] + x [n] 2
(3.23)
3.3. ALGUNAS PROPIEDADES DE LAS SECUENCIAS x[n] x [n] , 2 donde el sub ndice ca indica conjugada anti-sim etrica. xca [n] = xca [n] = x[n] + x [n] 2
49 (3.24)
(3.25) (3.26)
x[n] = xcs [n] + xca [n],
es decir, una secuencia x[n] est a compuesta o puede ser expresada por dos componentes: la conjugada sim etrica y la conjugada anti-sim etrica. 4. a) {x[n]} es peri odica conjugada sim etrica si 1 xpcs [n] = (x[< n >N ] + x [< n >N ]), 2 (3.27)
donde < n >N = n indica m odulo N es decir, 0 [< n > N ] < N , mientras que b) {x[n]} es peri odica conjugada anti-sim etrica si xpca [n] = adem as, xpcs [n + N ] = xpcs [n] xpca[n + N ] = xpca[n]. 5. (3.29) (3.30) 1 (x[< n >N ] x [< n >N ]), 2 (3.28)
{x[n]} es una se nal acotada si existe una constante nita B x tal que |x[n]| Bx para toda n. Ejemplo 3.3.1 Sea la secuencia exponencial x[n] = n , si || < 1, entonces la secuencia ser a no acotada, ya que se extiende hasta el innito cuando n se hace m as negativa. Esto puede apreciarse en la gura 3.15. Si || = 1 entonces {x[n]} es acotada con cota = 1.
6.
{x[n]} es absolutamente sumable o, mejor dicho, sumable en valor absoluto si

n=
|x[n]| < .
(3.31)
7.
La energ a en una se nal en tiempo discreto puede obtenerse directamente como una extensi on de la denici on de energ a de una se nal x(t) para el caso de tiempo continuo, es decir, recordando que Ex =

|x(t)|2 dt
(3.32)
50
3.4. ALGUNAS PROPIEDADES DE LOS SISTEMAS EN TIEMPO DISCRETO

9 8 7 6 5 4 3 2 1 0 20 15 10 5 0 5 Nmero de muestras 10 15 xn = , || < 1
n
Figura 3.15: Secuencia exponencial real no acotada. es la energ a normalizada contenida en la se nal anal ogica x(t), entonces denimos la energ a para la se nal en tiempo discreto por Ex =
n=
|x[n]|2 .
(3.33)
{x[n]} es una se nal de energ a (nita) si E x < , entonces se dice que {x[n]} pertenece a l 2 . 8. La potencia promedio, igualmente que en el caso de la energ a, est a dada por 1 Pprom = l m |x[n]|2 . (3.34) k 2k + 1 n= {x[n]} es una se nal de potencia si se cumple que 0 < P prom < .
3.4.
Algunas propiedades de los sistemas en tiempo discreto
En la representaci on de sistemas en tiempo discreto, se emplear a el s mbolo L para denotar al sistema en tiempo discreto o regla de transformaci on. Ln designar a al sistema o regla de transformaci on evaluada en el instante discreto n. Algunas propiedades importantes de los sistemas en tiempo discreto son 1. Linealidad: Un sistema en tiempo discreto L lineal cumple con el teorema de superposici on, es decir si y [n] = Ln {x1 [n] + x2 [n]} = y1 [n] + y2 [n].
(3.35)
3.4. ALGUNAS PROPIEDADES DE LOS SISTEMAS EN TIEMPO DISCRETO
51
Lo anterior indica que si el sistema es lineal, la respuesta del sistema y [n] a la suma de las entradas x1 [n] y x2 [n] es igual a la suma de las respuestas parciales y1 [n] y y2 [n]. Note que el sistema lineal (SL) satisface: Ln {0} = 0, 2.
Ln {ax[n]}n = aLn {x[n]}n . Invariancia en el tiempo (o invariancia al desplazamiento): Un sistema L es lineal invariante en el tiempo (SLIT) si Ln {x[n k]} = Lnk {x[n]}, (3.36)
es decir, la respuesta a una entrada desplazada es igual a la respuesta desplazada a una entrada sin desplazar, o en palabras m as simples, a un retardo en la entrada corresponde el mismo retardo en la salida. 3.
0 olo {x[n]}n Causalidad: Un sistema L es causal si y [n 0 ] emplea s n= , o sea, si la salida depende s olo de las muestras anteriores y de la muestra presente al tiempo n0 .
4. 5.
Realidad: Un sistema es real si la salida es una se nal real para toda entrada real. Respuesta a la muestra unitaria y convoluci on discreta: La respuesta de un sistema en tiempo discreto L a la muestra unitaria, tambi en llamado impulso unitario en tiempo discreto, se dene por h[n] = Ln {[n]}n . Ahora bien, una secuencia arbitraria x[n] puede ser expresada como una suma de muestras unitarias ponderadas por el valor en amplitud de la secuencia x en el instante de muestreo n como: {x[n]} =
k =
xk {[n k]}n ,
(3.37)
de modo que la respuesta y [n] del sistema a una entrada arbitraria x[n] se puede escribir de la siguiente manera: y [n] = Ln { = =

k =
x[k][n k]}n
k = k =
Ln {x[k][n k]}n x[k]Ln {[n k]}n (3.38)
de la propiedad de invariancia al desplazamiento Ln {[n k]}n = Lnk {[n]}n = h[n k],

52
3.4. ALGUNAS PROPIEDADES DE LOS SISTEMAS EN TIEMPO DISCRETO al nal tenemos que y [n] = =
k = k =
h[n k]x[k] h[k]x[n k]. (3.39)
A (3.39) se le llama la suma de convoluci on o convoluci on discreta. Esta nos permite determinar la salida y [n] de un sistema a una entrada arbitraria x[n], con base en el conocimiento de su respuesta a la muestra unitaria h[n], directamente en el dominio del tiempo. A partir del conocimiento de {h[n]} se pueden determinar algunas propiedades b asicas, por ejemplo, un SLIT es causal si y s olo si (ssi) {h[n]} es una se nal causal. Para demostrarlo, tomemos el resultado dado en (3.39) y [n] =
1 k =
h[n]x[n k] +
k =0
h[k]x[n k],
la primera suma emplea h[1]x[n + 1] + h[2]x[n + 2] + . . . = {x[l]} l=n+1 , mientras que la segunda emplea h[0]x[n 1] + h[1]x[n 2] + . . . = {x[l]}n l= , donde n representa el valor presente. Si h k = 0 para toda k < 0, entonces y [n] =
k =
h[k]x[n k] sistema causal
es decir, {h[n]} se nal causal sistema causal. De la discusi on anterior podemos introducir una par de deniciones sobre las se nales causales: Una se nal es anti-causal si {x[n]} : x[n] = 0 para toda n > 0. {x[n]} es casi causal si {x[n l]}n es una se nal causal para alg un valor nito de l. {x[n]} es casi anti-causal si {x[n l]}n es una se nal anti-causal para alg un valor nito de l.
3.5. ALGUNAS OPERACIONES BASICAS 6.
53
Estabilidad al acotamiento o estabilidad-EASA: Un SLIT presenta estabilidad al acotamiento (EASA = Entrada Acotada Salida Acotada) si y s olo si
n=
|h[n]| < .
A la estabilidad al acotamiento (estabilidad-EASA) se le conoce en la terminolog a inglesa como bounded input bouded output - stable (BIBOstable). La estabilidad-EASA se puede demostrar como sigue: sea la salida del sistema y [n] = k = h[n]x[n k ], supongamos una entrada acotada, es decir, |x[n]| < Bx , donde Bx es una constante nita. Supongamos ahora que n= |h[n]| < , entonces tenemos, |y [n]| =
k =
h[k]x[n k]
k =
|h[k]x[n k]|
k =
k =
|h[k]||x[n k]| Bx
|hk |.
Como se supuso que k = |hk | = By , donde By es una constante nita (acotada), nalmente se demuestra que Bx By < , entonces el sistema es estable al acotamiento, o estable-EASA. 7. Sistema pasivo: Un sistema en tiempo discreto es pasivo si para toda se nal de energ a {x[n]} se cumple,
n=
|y [n]|2
n=
|x[n]|2 .
3.5.
Algunas Operaciones b asicas
En la representaci on gr aca, a base de bloques, de algunos sistemas en tiempo discreto, haremos uso de algunos s mbolos para representar las operaciones b asicas que se aplicar an a las secuencias. Por medio de una representaci on gr aca se podr an analizar diferentes estructuras para la implantaci on de ltros digitales, como se ver a m as adelante. Algunos operadores b asicos son: El bloque b asico de multiplicaci on, el cual se muestra en la gura 3.16 tiene dos puntos de entrada y un punto de salida El bloque b asico de amplicaci on o ganancia es representado en la gura 3.17. La ganancia se denota por una constante , la cual puede ser
54
3.5. ALGUNAS OPERACIONES BASICAS wn = x n y n

-
xn
- X 6
yn Figura 3.16: Multiplicador.
xn xn
- -
yn = xn yn = xn
Figura 3.17: Ganancia.
positiva, negativa, mayor o menor que uno. El bloque b asico de suma puede sumar o restar, dependiendo del signo de las entradas. Este se muestra en la gura 3.18 El bloque b asico de retardo unitario permite introducir un retardo mayor a la unidad especicando el valor del retardo deseado como en se tiene el retardo inverso D k , seg un un exponente, es decir, D k . Tambi se muestra en la gura 3.19 En los textos de control se emplea el s mbolo q k para denotar el retardo con salida y [n] = x[n k], en el dise no de ltros emplearemos como unidad k a una salida y [n] = x[n k]. El de retardo el operador z el cual producir retardo unitario, el cual ser a usado ampliamente en los cap tulos siguientes, ser a z 1 con su correspondiente salida y [n] = x[n 1].
xn
- + 6
wn = xn + yn
-
yn Figura 3.18: Sumador.

3.6. LA TRANSFORMADA Z xn y n = x n 1
-
55
- D - D 1
xn
yn = xn+1
-
Figura 3.19: Retardo D y retardo inverso D 1 .
3.6.
La transformada Z
Para completar la caracterizaci on de las se nales y los sistemas en tiempo discreto, se revisa, a manera de repaso, la transformada Z . As como la transformada de Laplace se usa para obtener modelos de la funci on de transferencia de sistemas anal ogicos y sus se nales, en los sistemas con datos muestreados se emplear a la transformada Z . Puede comprobarse que la transformada Z no es mas que la versi on en tiempo discreto de la transformada de Laplace. Para ver esta conexi on, comenzamos repasando la expresi on de la transformada de Laplace dada por X (s) =

x(t)est dt,
(3.40)
donde x(t) es una se nal en tiempo continuo. Si ahora tomamos una versi on muestreada de la se nal anal ogica x(t), dada por xm (t) = x(t) |t=nT = su transformada de Laplace es Xm (s) = L{xm (t)} = =
n=0 n=0
x(nT )(t nT ),
(3.41)
x(nT )(t nT )est dt (3.42)
x(nT )esnT .
n=0
Empleando la variable compleja z = esT , tenemos X (z ) =

n=0
x(nT )z n ,
(3.43)
llamada la transformada Z unilateral.

56 La transformada Z bilateral ser a X (z ) =
3.6. LA TRANSFORMADA Z
x(nT )z n .
(3.44)
n=
3.6.1.
C alculo de algunas transformadas Z
En el c alculo de la transformada Z se har a uso frecuente de la suma de una secuencia exponencial. Por ello, haremos primero la derivaci on de la suma de una secuencia exponencial, tambi en llamada serie geom etrica. Sea dada la secuencia {e[n]} = an , con n = 0, 1, 2, . . . , N 1. Calculemos la suma: S [n] = aS [n] = aS [n] = aS [n] =
N 1 n=0 N 1 n=0 N
an , multiplicando ambos lados por a, an+1 , haciendo k = n + 1,
ak regresando k a cero, tenemos

k =1 N 1 k =0
ak + aN 1.
ermino m as (a 0 ) Los t erminos aN y -1 aparecen porque hemos agregado un t y hemos eliminado el u ltimo t ermino en la suma (a N ). Podemos, adem as, N 1 k reconocer que la suma k=0 a es exactamente S [n] as que podemos escribir aS [n] = S [n] + aN 1, por lo tanto S [n] = Finalmente podemos escribir S [n] =
1aN 1a ,
1 aN , con a = 1. 1a si a = 1 a = 1.
N,
(3.45)
La expresi on (3.45) es m as f acil de recordar de la siguiente manera,

sup
an =
n=inf
ainf asup+1 . 1a
(3.46)
La expresi on (3.46) ser a muy u til para obtener la transformada Z .

57
Cuando |a| < 1, entonces aN 0 para N y tenemos la f ormula asimpt otica 1 , con |a| < 1. (3.47) l m = N 1a Ejemplo 3.6.1 Obtener la transformada Z de x(t) = e at u(t). N otese que en muchas ocasiones se pide obtener la transformada Z de una se nal en tiempo continuo, se sobrentiende que la se nal debe pasar primero por un proceso de discretizaci on en tiempo. Para designar este paso intermedio, se designa un operador ZT . ZT {eaT u(t)} = =
eanT z n (eaT z 1 )n = (eaT z 1 )0 (eaT z 1 )+1 . 1 (eaT z 1 )
n=0 n=0
De la expresi on anterior, puede verse que el segundo t ermino del numerador aT 1 +1 z ) | < 1, por lo tanto podemos escribir, converge s olo si |(e X (z ) = 1 1 eaT z 1 = z , z (eaT )
esta serie converge s olo si |z | > |eaT |, lo que dene una Regi on de Convergencia (ROC del ingl es Region Of Convergence), o Regi on de Existencia que designaremos por RDE. Ejemplo 3.6.2 Obtener U (z ) de la se nal escal on unitario u(t). Para su soluci on hacemos ZT {u(t)} = =
u(t)z n =
n=0
z n
n=0 z0
nuevamente, para que la serie exista se requiere que |z 1 | < 1. Cumpliendo esta condici on tenemos, U (z ) = z 1 = , con RED |z | > 1. 1 1z z1
(z 1 )+1 , 1 z 1
3.6.2.
Propiedades de la transformada Z
La transformada Z , al igual que las otras transformadas como la de Laplace y la de Fourier, presentan las siguientes propiedades: 1. Linealidad: ZT {ax1 (t) + bx2 (t)} = aX1 (z ) + bX2 (z )
(3.48)
58 2. Desplazamiento en el tiempo: ZT {x(t kT )} = z k X (z ) +
1 m=k
x(mT )z mk , y x(mT )z m+k . (3.49)
ZT {x(t + kT )} = z k X (z )
k 1
m=0
La primera parte se puede demostrar de la siguiente manera: ZT {x(t kT )} = = = =

n=0
x(nT kT )z n x(mT )z (m+k) , donde m = n k x(mT )z

mk
m=k 1
m=0
x(mT )z m z k
m=k 1
x(mT )z mk + z k X (z ).
m=k
3. Modulaci on: Sea Z{x(t)} = X (z ) entonces, ZT {e

aT
x(t)} = =
n=0 n=0
eanT x(nT )z n x(nT )(eaT z )n .
Haciendo z = eaT z ZT {eaT x(t)} =

n=0
x(nT ) z n X ( z) (3.50)
= X (eaT z ). 4. Teorema del valor inicial: Si X (z ) = Z T {x(t)} entonces x(0) = l m X (z ).

z
(3.51)
La demostraci on es directa y como sigue: X (z ) =

n=0
x(nT )z n x(T ) x(2T ) x(3T ) + + , as que + z z2 z3
= x(0) +
z
l m X (z ) = x(0).
3.6. LA TRANSFORMADA Z Ejemplo 3.6.3 Sea x(nt) = (eaT )n u(nT ). Se ve que

n n
59
l m x(nT ) = 0, ssi |eaT | < 1, y ssi |eaT | = 1
l m x(nT ) = 1,
de lo contrario, x(nT ) diverge u oscila. La transformada Z , X (z ) = z/(z eaT ) tiene un cero en 0, y un polo en z = eaT . Si la magnitud del polo es estrictamente menor que 1, entonces, x(nT ) converge a cero asimpt oticamente. Si el polo est a en z = 1, entonces x(nT ) es un escal on unitario. Esto se puede generalizar para cualquier par x(nT ), X (z ) : l m x(nT ) <
n
si y s olo si todos los polos de X (z ) est an estrictamente dentro del c rculo unitario en el plano-z , excepto, posiblemente, para un solo polo en z = 1. 5. Multiplicaci on por t: ZT {tx(t)} = 6.
n=0
nT x(nT )z n = T z
d X (z ). dz
(3.52)
La transformada Z de la convoluci on discreta: sea la convoluci on dada por y (nT ) = entonces con Ry (Rx Rh ), al menos. Z{x(nT ) h(nT )} = X (z )H (z ). (3.53)
k =0
x(kT )h(nT kT ) = x(nT ) h(nT ),
7.
Complejo conjugado: Z{x [n]} =

n= n=
x [n]z n x[n](z )n ) (3.54)
= (
= (X (z ) = X (z ) Note que X (z ) = X (z ) si X (z ) es real.
Recu erdese que un SLIT es real {h[n]} es una se nal real, donde h[n] es la respuesta delta del sistema. As , se tiene que {h[n]}real h[n] = h [n]n H (z ) = H (z ). (3.55)
60
Con la (3.55) se puede comprobar si un sistema es real. Sup ongase un sistema cuya salida est a dada por y [n] =
k =
h[n]x[n k].
La funci on de respuesta en frecuencia (FRF) est a dada por H (ejT ) =
h[n]ejnT )|ej(T ) .
= |H (e Para un sistema real
n= jT
H (z ) = H (z ) H (ejT ) = H (ejT ) |H (e entonces |H (ejT )| = |H (ejT )|, es decir, la magnitud de la FRF es una funci on par de T , y odulo 2, ej(T ) = ej(T ) (T ) = (T ), m es decir, la fase ser a una funci on impar de T . Ejemplo 3.6.4 Sup ongase un SLIT con una respuesta en frecuencia dada por H (ejT ) = jT, si |T | < /4 0, si /4 |T | . (3.58) (3.57)
jT
)|e
j (T )
= |H (ejT )|ej(T ) ,
|H (ejT )|ej(T )
(3.56)
Determine si el sistema es real. Para ver si el sistema es real se deben cumplir dos condiciones: 1. {h[n]} real 2. H (ejT ) = H (ejT ), entonces, para se tiene que H (ejT ) = jT, si |T | < /4 0, si /4 |T | ,
3.6. LA TRANSFORMADA Z y H (ejT ) = jT, si |T | < /4 0, si /4 |T | ,
61
es un sistema real. La gura es decir, H (ejT ) = H (ejT ), por lo tanto s 3.20 muestra la FRF en magnitud y fase para este sistema, donde se puede observar con claridad la simetr a par para la respuesta en magnitud y la simetr a impar para la respuesta en fase. |H (ejT )| . . . . . . . . . . . /4 /2 . . . . . . . . . . . . . . . . . . . . /4 (T ) . . . . . . . . . /2 . . . . . . . . . . . 2 . . . . . . . . . . . . . . . . . . . . . . . . . .- T . . . . . . . . . . .- T
. . . . . . . . .
Figura 3.20: Retardo D y retardo inverso D 1 .
Si a un SLIT se aplica una entrada x[n] = ej0 nT , por la suma de convoluci on tenemos que y [n] =
k =
ej0 (nk)T
= ej0 nT = e
j0 nT
h[k](ej0 T )k ). (3.59)
H (e
k = j0 T
Note que la salida es igual a la misma entrada multiplicada por el valor on de H () a la frecuencia 0 . Se dice entonces que la entrada es una funci caracter stica del sistema. Sup ongase que se tiene una entrada x[n] = a 1 cos(1 nT )+a2 sen(2 nT ), n. Si el sistema es real entonces la salida se puede expresar como: y [n] = a1 Ln { e(ej1 nT )} + a2 Ln { m(ej2 nT )}
= a1 e(ej1 nT H (ej1 T )) + a2 m(ej2 nT H (ej2 T )).
(3.60)
62
3.6. LA TRANSFORMADA Z Si el sistema no es real, entonces por las relaciones de Euler 1 1 y [n] = a1 ej1 nT H (ej1 T ) + a1 ej1 nT H (ej1 T ) 2 2 1 j2 nT 1 + a2 e H (ej2 T ) a2 ej2 nT H (ej2 T ) j2 j2
(3.61)
Para el ejemplo 3.6.4, encuentre la salida si se aplica una entrada x[n] = 5 cos(0.1n) para toda n. La se nal de entrada puede escribirse como x[n] = 5 cos(0.1n) = 5 e(ej 0.1n ). Como el sistema es real entonces su salida est a dada por y [n] = 5 e(ej 0.1n H (ej 0.1 )) = 5 e(ej 0.1n j (0.1)), por Euler = 5 e((0.1)j cos(0.1n) sen(0.1n)) = 5 (0.1)sen(0.1n). Como puede verse, la salida es la derivada de la entrada, as que el sistema es un diferenciador pasa-bajas.
3.6.3.
Relaci on entre la transformada Z y la F
La relaci on entre la transformada Z y la transformada de Fourier en tiempo discreto (TFTD) se puede ver reemplazando z por e j , X (z )|z =e = F{x[n]} = X (ej ). (3.62)
Reemplazando x(nY ) por la notaci on x[n], se puede demostrar la relaci on (3.62) como sigue: X (z ) = si expresamos z = rej , entonces X (rej ) = X (rej ) =
n=
x[n]z n ,
x[n](rej )n
n= n=
{x[n]r n }ej n ,
que es la transformada de Fourier de la secuencia x[n] multiplicada por r n , es decir, X (rej ) = F{x[n]r n }.
3.6. LA TRANSFORMADA Z Si r = 1 o |z | = 1, entonces Z = F y X (z )|z =ej = F{x[n]}.
63
Para que la F converja se requiere que x[n]r n tambi en converja, dependiendo de r (puede verse la similitud de x[n]r n con x[n]z n ). En general, como se hizo notar antes, hay un margen de valores de z para el cual X (z ) converge, y est a asociado con la Z de la secuencia. Si la RDE incluye el c rculo unitario, entonces la F tambi en converge. Ejemplo 3.6.5 Sea x[n] = an u[n], obtener su transformada Z . Aplicando directamente la denici on de la transformada tenemos X (z ) = =
an u[n]z n =
(az 1 )n
n= (az 1 )0
n=0
(az 1 )+1 , 1 (az 1 )
para que la serie converja se requiere que |(az 1 )| < 1 es decir, |a| < |z |, entonces X (z ) = z 1 = , con |z | > |a|. 1 1 az za z 1 = , |z | > 1. 1z z1
Para a = 1, x[n] es la secuencia escal on unitario cuya transformada Z es X (z ) =
N otese que X (z ) es una funci on racional y, al igual que en la transformada de Laplace, se puede caracterizar por sus ceros y sus polos. Para X (z ) = z/(z a) tenemos un cero en z = 0 y un polo en z = a. Adem as, la X (z ) ser a una funci on racional siempre que x[n] sea una funci on lineal de exponenciales reales o complejas. Ejemplo 3.6.6 Sea x[n] = an u[n 1], obtener su X (z ). X (z ) = =
n= 1 n=
an u[n a]z n an z n =
n=1
an z n
= 1
(a1 z )n = (a1 z )+1 , 1 (a1 z )

= 1
n=0 (a1 z )0
64
3.7. PROPIEDADES DE LA RDE
para tener convergencia se requiere que |a 1 z | < 1, o sea |z | < |a|, luego X (z ) = 1 = 1 a 1 z 1 1 = = 1 a 1 z 1 a 1 z az 1 z z = = , |z | < |a|. 1 1a z az za
Comparar con el resultado del ejemplo 3.6.5. La X (z ) del ejemplo 3.6.5 es igual (incluyendo su diagrama de cero/polo) a la X (z ) del ejemplo 3.6.6, y s olo dieren en la RDE.
3.7.
Propiedades de la RDE
La RDE tiene varias formas: puede consistir de un anillo en el plano-z , o bien extenderse hacia el innito o hacia el centro, lo que depender a de las caracter sticas de la secuencia y de sus propiedades, que son siguientes: 1. La RDE de X(z) consiste de un anillo centrado en el origen del plano-z . 2. La RDE no contiene ning un polo. 3. Si x[n] es de duraci on nita, entonces la RDE es el plano-z completo, excepto posiblemente en z = 0 y/o z = . 4. Si x[n] es una secuencia derecha y si el c rculo |z | = r 0 est a en la RDE, entonces todos los valores nitos de z para los cuales |z | > r 0 tambi en estar an en la RDE. a en la 5. Si x[n] es una secuencia izquierda y si el c rculo |z | = r 0 est RDE, entonces todos los valores de z para los cuales 0 < |z | < r 0 tambi en estar an en la RDE. a en la RDE, entonces 6. Si x[n] es bilateral y si el c rculo |z | = r 0 est la RDE consistir a de un anillo en el plano z , el cual incluye el c rculo |z | = r0 .
3.7.1.
Sea
Causalidad a partir de la RDE

n=
X (z ) = con RDE
x[n]z ( n), z Rx ,
Rx = {z C :
n=
|x[n]||z |n < }.
3.8. LA TRANSFORMADA Z INVERSA Desarrollando la suma, X (z ) = + x[n]z 2 + x[1]z +z [0] +x[1]z 1 + x[2]z 2 + ,
0 si z 0 si z 0
65
es decir, los t erminos a la derecha de x[0] tienden a innito si z tiende a cero haciendo que la suma tienda a innito (no converja), a menos que x[n] sea cero para n > 0. La secuencia ser a una secuencia anticausal. En resumen se puede decir que si Rx [z = 0], entonces x[n] es una se nal anticausal. La expresi on anterior indica que si la RDE incluye al cero (z = 0) entonces x[n] es una se nal anticausal. Por otra parte, X (z ) = + x[n]z 2 + x[1]z +z [0] +x[1]z 1 + x[2]z 2 + ,
si z 0 si z
es decir, los t erminos a la izquierda de x[0] tienden a innito si z tiende a innito haciendo que la suma tienda a innito (no converja), a menos que x[n] sea cero para n < 0. La secuencia ser a una secuencia causal. En resumen se puede decir que si nal causal. Rx [z = ], entonces x[n] es una se La expresi on anterior indica que si la RDE incluye al innito (z = ) entonces x[n] es una se nal causal.
3.7.2.
Estabilidad-EASA a partir de la RDE
Recu erdese que un SLIT con respuesta delta h[n] es estable-EASA si y s olo si
n=
|h[n]| < , y
Rh = {z C :
n=
|h[n]||z |n < },
de modo que un SLIT con funci on del sistema H (z ) y RDE R h es estableEASA Rh [|z | = 1], es decir, si la RDE incluye al c rculo unitario.
3.8.
La transformada Z inversa
si Z{x[n]} = X (z ) con RDE Rx .
Con frecuencia es u til encontrar la representaci on, en el dominio del tiempo discreto n, de una se nal de la cual se conoce su transformada Z . Decimos que (3.63) x[n] = Z 1 {X (z ); Rx }
66
3.8. LA TRANSFORMADA Z INVERSA
Ejemplo 3.8.1 Sea x[n] = pn1 u[n 1], entonces su X (z ) es X (z ) =

n=1
p n 1 z n = p 1
p ( )n z n=1
= p 1
(p/z )1 (p/z )+1 , 1 (p/z )
donde (p/z )+1 0 si |p/z | < 1, as X (z ) = p1 Esto implica que Z 1 1 ; |p| < |z | = pn1 u[n 1]. zp p/z 1 = , |z | > |p|. 1 (p/z ) zp
Obs ervese que x[n] es una secuencia causal. Ejemplo 3.8.2 Si en lugar de esta secuencia se tiene una secuencia anticausal dada como x[n] = pn1 u[n], su transformada Z es
0
X (z ) = p1
n=
(p/z )n = p1
(p/z ) (p/z )0+1 1 (p/z )
donde (p/z ) 0 si |p/z | > 1, as X (z ) = p1 Esto implica que Z 1 1 ; |z | < |p| = pn1 u[n]. zp (p/z ) 1 = ; |z | < |p|. 1 (p/z ) zp
A partir de los dos ejemplos anteriores se obtiene una f ormula para la transformada Z inversa: 1 = zp
n1 u[n 1]z n , n= p n1 u[n]z n , n= p
|p| < |z | |z | < |p|
(3.64)
Este tipo de serie es llamada la expansi on en serie de Laurent, o expansi on en serie de potencias. Por lo tanto, encontrar la transformada Z inversa x[n] = Z 1 {X (z ); Rx }, equivale a encontrar la secuencia x[n] tal n = X (z ), z R que x n= x[n]z
3.8. LA TRANSFORMADA Z INVERSA Ejemplo 3.8.3 Se tiene una X (z ) dada por 1 X (z ) = , 1 < |z | (z + j )(z j )
67
donde
para encontrar su transformada inversa, se aplica una descomposici on en fracciones parciales como sigue: A B 1 = + X (z ) = (z + j )(z j ) (z + j ) (z j ) A = l m (z + j )X (z ), y B = l m (z j )X (z ).
z j z j
Una vez realizada la descomposici on en fracciones parciales, es necesario observar que existen dos RDE posibles. 1. Si |z | < 1 la soluci on corresponde a una secuencia anticausal dada por x[n] = A (j )n1 u[n] B (j )n1 u[n]. Si 1 < |z | la soluci on corresponde a una secuencia causal dada por x[n] = A (j )n1 u[n 1] + B (j )n1 u[n 1].
2.
+2 Ejemplo 3.8.4 Sea F (z ) = (z z j )(z +4) , encontrar todas las transformadas inversas posibles. Como F (z ) es estrictamente propia, aplicando la descomposici on en fracciones parciales tenemos A B z+2 = + F (z ) = (z j )(z + 4) (z j ) (z + 4)
donde
j+2 , z j j+4 4 + 2 B = l m (z + 4)F (z ) = . z 4 4 j Por la posici on de los polos se tienen tres RDE posibles y por lo tanto tres transformadas inversas posibles. Las tres RDE son: A = l m (z j )F (z ) = i) Rf = [|z | < 1], con una f [n] anticausal, dada por: f [n] = A (j )n1 u[n] B (4)n1 u[n].
ii) Rf = [1 < |z | < 4] con una f [n] bilateral, dada por: iii) Rf = [4 < |z |] con una f [n] causal, dada por:
f [n] = A (j )n1 u[n 1] B (4)n1 u[n].
f [n] = A (j )n1 u[n 1] + B (4)n1 u[n 1].

68
3.8. LA TRANSFORMADA Z INVERSA
3.8.1.
Transformada Z inversa con polos m ultiples
En la f ormula (3.64) y los ejemplos sobre transformada Z inversa anteriores se han tenido s olo expresiones que contienen polos simples. Sin embargo, con frecuencia se presentan casos en los que hay ra ces repetidas (o polos m ultiples). Cuando F (z ) contiene polos m ultiples se necesita de una expresi on similar a la que se obtuvo para 1/(z p) pero para t erminos de la forma 1/(z p)l . Aplicando la primera derivada a 1/(z p) con respecto a z se obtiene d dz 1 (z p) = 1 . (z p)2
Puede notarse que al aplicar sucesivamente la derivada se obtendr an los l t erminos de la forma (z p) . Sin embargo, al lado derecho de (3.64) no se puede aplicar la derivada con respecto a z ya que son funciones de n. Una propiedad importante de la serie de Laurent dice que dentro de la RDE la suma de las derivadas con respecto a n tambi en converge a la derivada de F (z ). As , se obtiene una expresi on completa que es equivalente a la f ormula de la transformada Z inversa pero para polos de multiplicidad dos, es decir, d dz 1 zp = 1 = (z p)2
n1 u[n 1]z n1 , |p| < n= (n)p n 1 u[n]z n1 , |z | < |p|, n= (n)p
|z |
haciendo z n1 = z (n+1) , cambiando n + 1 = n z n

n 2 u[n n = (n 1)p n 2 u[(n n = (n 1)p
2]z n , |p| < |z | 1)]z n , |z | < |p|.
Aplicando consecutivamente la segunda, tercera, y m as derivadas se obtiene la f ormula para la transformada Z inversa para polos m ultiples como 1 = (z p)l

n=
n1 pnl u[n l]z n , |p| < |z | l1 n1 pnl u[n]z n , |z | < |p|, n= l1
(3.65)
donde
nl l1 y ! indica factorial.
(n 1)(n 2) . . . (n l + 1) , l = 1, 2, . . . (l 1)!
DE LA TRANSFORMADA Z 3.9. APLICACION Para los cuatro primeros valores de l se tiene:

1, si l = 1 (n 1), si l = 2 = n2) (n1)( , si l = 3 2! (n1)( n2)(n3)
3!
69
n1 l1
(3.66)
, si l = 4
Ejemplo 3.8.5 Si F (z ) = 1/(z 2)4 encontrar todas las Z 1 posibles. Se tiene un polo de orden 4 en z = 2 (orden=multiplicidad). Adem as, se tienen dos RDE posibles: i) Si Rf = [|z | < 2], f [n] es anticausal y como l = 4 y p = 2, tenemos que f [n] = n1 41 2n4 u[n]
ii) Si Rf = [2 < |z |], f [n] es causal, entonces tenemos que f [n] = n1 41 2n4 u[n 4],
donde
n1 41
(n1)(n2)(n3) . 3!
3.9.
Aplicaci on de la transformada Z
A trav es del uso de la transformada Z se puede caracterizar a un ltro digital por su funci on de transferencia H (z ). Esta funci on de transferencia juega el mismo papel que la funci on de transferencia H (s) en los sistemas o ltros de tiempo continuo. A continuaci on se determinan algunas de estas caracter sticas, como la respuesta en frecuencia y su estabilidad.
3.9.1.
La funci on de transferencia en tiempo discreto
Recordemos que para los sistemas en tiempo continuo, la funci on de transferencia H (s) se dene como la raz on de la transformada de Laplace de la salida a la transformada de Laplace de la entrada, H (s) = Y (s)/X (s). Igualmente, para los sistemas en tiempo discreto, la funci on de transferencia se dene como la raz on entre la transformada Z de la salida a la transformada Z de la entrada H (z ) = Y (z )/X (z ). Esto puede mostrarse f acilmente a partir de la suma de convoluci on dada por y [n] = k= x[k]h[n k] que, como se recordar a, nos permite obtener la salida y [n] de un sistema en tiempo discreto con respuesta al impulso h[n] cuando se excita con una
70
3.9. APLICACION DE LA TRANSFORMADA Z
se nal de entrada x[n]. Tomando la transformada Z a ambos lados tenemos que Y (z ) = X (z )H (Z ), de donde H (z ) = Y (z ) . X (z )
Quiz a la manera m as f acil de expresar un ltro digital es a trav es de una ecuaci on en diferencias
N N
y [n] =
i=0
ai x[n i]
i=0
bi y [n i].
Tomando la transformada Z a ambos lados y ajustando los t erminos tenemos H (z ) = Y (z ) = X (z )

N N i i=0 ai z , N N i i=0 bi z
cuya forma factorizada, a partir de las ra ces del numerador y del denominador, es N i=1 (z zi ) H (z ) = H0 N , (3.67) i=1 (z pi ) on de donde zi representa los ceros y pi representa los polos de la funci transferencia H (z ), as que al igual que los ltros en tiempo continuo o anal ogicos, H (z ) se puede representar por un diagrama cero/polo.
3.9.2.
Estabilidad a partir del diagrama cero/polo
El diagrama cero/polo de H(z) se traza sobre un plano denominado plano-z , que equivale al plano-s para sistemas en tiempo continuo. El planoz se obtiene de una transformaci on sobre el plano-s, as que habr a alguna equivalencia entre ambos dominios; sin embargo, esta equivalencia no es un voca, es decir, un solo punto de un plano puede corresponder a varios puntos en el otro plano. Como resultado de la transformaci on, el eje imaginario j del plano-s se convierte en un c rculo de radio uno, sobre el plano-z . Todo el lado izquierdo del plano-s pasa a ser el interior de c rculo sobre el plano-z . Como se vio en (3.67), la funci on de transferencia en tiempo discreto es una funci on racional de polinomios en z . Para ltros causales, el grado del numerador es igual o menor que el grado del denominador. Por la transformaci on del plano-s al plano-z , los polos del lado izquierdo del plano-s corresponden al interior del c rculo unitario, lo que determinar a si el ltro es estable o inestable. Por lo tanto para que un ltro o sistema en tiempo discreto sea estable se requiere que todos sus polos est en dentro del c rculo unitario.
BIBLIOGRAF IA
71
Bibliograf a
[1] Carlson, G. E., Signal and Linear System Analysis, Houghton Min Company, 1992. [2] Chen Chi-Tsong, System and Signal Analysis, 2nd. ed., Saunders College Pub., 1989. [3] Gabel, R. A., Roberts, R. A., Se nales y Sistemas Lineales, LIMUSA, 1975. [4] Kamen, E. W., Introduction to Signals and Systems, 2nd. Edition, McMillan Publishing Co., 1987. [5] Haykin, S., Van Veen, B., Se nales y Sistemas, LIMUSA Wiley, 2001. [6] Karni, S., Byatt, W. J., Mathematical Methods in Continuous and Discrete Systems, Hoolt, Rinehart and Winston, 1982. [7] Kwakernaak, H., Sivan, R., Modern Signals and Systems, Prentice Hall,1991. [8] Mitra, S. K., Digital Signal Processing: a computer based approach, McGraw-Hill, 1998. [9] Ne H. P. Jr., Continuous and Discrete Linear Systems, Harper & Row Publishers, 1984. [10] Oppenheim, A. V., Young, I. T., Se nales y Sistemas, Prentice Hall Hispanoamericana, 1994. [11] Papoulis A., Signal Analysis, McGraw-Hill ISE, 1977. [12] Tretter, S. A., Introduction to Discrete-time Signal Processing, John Wiley and Sons, 1976. [13] Ziemer, R. E., Tranter, W. H., Fannin, D. R., Signals and Systems: continuous and discrete, 2nd. Ed., Macmillan Publishing Co. 1989.
Problemas
Problema 3.1 Dibuje las siguientes se nales: a) x(t) = (u(t) u(t 5)) b) x[n] = n(u[n + 2] u[n 3]) Problema 3.2 Determine la parte par e impar de las siguientes secuencias reales. El origen de tiempo, n = 0 se identicar a con el n umero en negrillas: a) x[n] = {8, 13, 4, 12, 0, 6, 13, 9, 5}
72 b) x[n] = {3, 1, 2, 3, 0, 0.5, 6, 5, 4} c) x[n] = {A cos(n0 ) + B sen(n0 )} d) x[n] = {n2 } u[n] e) x[n] = {n3 }
BIBLIOGRAF IA
Problema 3.3 Cu ales de las siguientes secuencias son secuencias acotadas? umeros complejos, y || < 1. a) {x[n]} = {An } donde A y son n b) {y [n]} = {An u[n]} donde A y son n umeros complejos, y || < 1 (u[n] es la secuencia escal on). umeros complejos, y | | > 1. c) {h[n]} = {C n } donde C y son n d) {x[n]} = {4sen2 (ns )}. e) {x[n]} = {3 cos 2(nc )}. Problema 3.4 Muestre que una secuencia causal real x[n] se puede recuperar completamente a partir de su parte par x par [n] para toda n. Problema 3.5 Dibuje las siguientes se nales en tiempo discreto contra n, e indique cu ales son acotadas: a)u[n 5]. b)(n 5)u[n]. c) u[n 5] u[n + 1]. Problema 3.6 En la gura 3.21 se muestra una se nal peri odica dada por: y (t) =
k =0
e(t5k) [u(t 5k) u(t 5 5k)].
Observe la gura. Demuestre que el periodo fundamental es T = 5k. Problema 3.7 En la gura 3.22 se muestra una se nal compuesta peri odica dada por: y (t) = cos( t) + (1/3)sen(3 t). Observe la gura. Demuestre que el periodo fundamental es T=2. Problema 3.8 Obtener y dibujar x[n]par y x[n]impar de x[n] = 0, si n > 0 2n, si n 0
BIBLIOGRAF IA
1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0
73
amplitud
tiempo[seg]
10
15
Figura 3.21: Se nal para el problema 3.6.

1.5
0.5
amplitud
0.5
1.5
0.5
tiempo [seg]
1.5
2.5
3.5
Figura 3.22: Se nal para el problema 3.7. Problema 3.9 Se tiene un sistema en tiempo discreto dado por:
1
y [n] = Ln {x[n]} =
k =0
x[n] x[n 2k]
Muestre si el sistema es a) lineal, b) causal. Problema 3.10 Se tiene un pulso dado por x(t) = u(t) u(t 1) y un segundo pulso dado por h(t) = t, si 0 t 1 0, en caso contrario
En forma gr aca encuentre la convoluci on de x(t) con h(t) Problema 3.11 Obtener y dibujar x(t)par y x(t)impar de x(t) = t2 , si t 0 0, si t < 0
74
BIBLIOGRAF IA
Problema 3.12 Se tiene un sistema en tiempo discreto dado por:

1
y [n] = Ln {x[n]} =
k =0
x[n]x[n k]
Muestre si el sistema es a) lineal, b) causal. Problema 3.13 La salida de un SLIT en tiempo discreto est a dada por la suma de convoluci on, es decir y [n] =
k =
x[n k] h[k].
Demuestre que para que el sistema sea estable-EASA se requiere que la respuesta al impulso h[n] sea absolutamente sumable, es decir que
n=
|h[n]| <
Problema 3.14 Determine la transformada Z y dibuje la RDE para cada caso: a) y [n] = u[n]. b) p[n] = u[n]. Problema 3.15 Encuentre la transformada Z y la RDE de y [n] = (4)n u[n 2] Problema 3.16 (10 pts.) Dibuje las siguientes se nales: a) x(t) = t (u(t) u(t 5)) b) x[n] = u[n 4] u[n 5] Problema 3.17 Encuentre la transformada Z y la RDE de y [n] = (3)n u[n + 2] Problema 3.18 Determine la transformada Z y dibuje la RDE para cada caso (Note que [n] es el escal on): a) x[n] = (3)n [n]. b) p[n] = (3)n [n]. Problema 3.19 A partir de la ubicaci on de los ceros y polos de X (z ) dada en la gura 3.23, identique todas las regiones de existencia (RDE) v alidas y especique las caracter sticas de la secuencia correspondiente
BIBLIOGRAF IA I m{z } j1 2
3 4
75
Re{z } j 1 2
Figura 3.23: Ubicaci on de ceros y polos para el Problema 3.19. Problema 3.20 Un ltro lineal invariante en el tiempo est a descrito por la siguiente ecuaci on en diferencias: y [n] = x[n] x[n 2] a) Obtenga una expresi on para la respuesta en frecuencia del sistema. b) Bosqueje la respuesta en frecuencia en magnitud vs. para = 0, /2 y . Problema 3.21 Calcule la energ a de la secuencia de longitud nita N : x[n] = cos 2kn , 0nN 1 N
Problema 3.22 Analice el diagrama a bloques de las guras 3.24, y 3.25 y desarrolle la relaci on entre la entrada y la salida, es decir y [n] en funci on de x[n] para cada. x[n]
- + I -
y [n]

+
D
Figura 3.24: Diagrama a bloques para el problema 3.22. Problema 3.23 Para la secuencia {x(nT )} = e anT u(nT ) encuentre su valor inicial Problema 3.24 Sea la transformada Z de h H (z ) =
z 1 z 2 , |z | > 1 1 + z 1
76
BIBLIOGRAF IA
x[n]
- + 6
a[n]
- D
a[n 1]
? - +
b[n] -1
? - +
y [n]
Figura 3.25: Diagrama a bloques para el problema 3.22. a) Bosqueje el diagrama cero/polo b) Encuentre h[n], para toda n a) Es este un ltro estable? Problema 3.25 Encuentre X (z ) para la secuencia {x[n]} = a |n| , incluyendo su RDE. Qu e condici on se requiere sobre a para que X (z ) exista? Problema 3.26 Encuentre X (z ) para la secuencia de duraci on nita x[n] = on cero/polo cuando deteran {u[n] u[n N ]}. Note una posible cancelaci mine la RDE. Problema 3.27 Determine la transformada Z de cada una de las siguientes secuencias. Trace el diagrama cero/polo e indique la RDE. a) [n]. b) [n 1].
n c) ( 1 4 ) u[n]. 1 n n d) {( 1 2 ) + ( 4 ) }u[n]. n1 u[n 1]. e) ( 1 4) n f) ( 1 4 ) u[n 1].
g) [n + 1].
| n| h) ( 1 4) .
Problema 3.28 Determine la transformada Z de la secuencia x[n] = [n] 0.9[n 1].

BIBLIOGRAF IA
77
Problema 3.29 Determine la funci on de transferencia para un SLIT causal cuya ecuaci on en diferencias es 1 1 y [n] y [n 1] + y [n 2] = x[n]. 2 4 Problema 3.30 Se tiene la interconexi on (en cascada) de dos sistemas, como se muestra en la gura 3.26. La salida w[n] del primer sistema est a dada por la ecuaci on en diferencias w[n] = x[n] x[n 1].
x[n]
H1 (z )
w[n]
H2 (z )
y [n] = x[n]
-
Heq (z ) Figura 3.26: Diagrama de H1 y H2 en cascada para el problema 3.30. a) Encuentre la funci on de transferencia H 1 (z ). Dibuje sus ceros y polos en el plano-z . b) Se desea que el segundo sistema, H 2 (z ), tenga una salida y [n] que sea igual a la entrada original x[n]. Encuentre la funci on de transferencia para H2 (z ). Dibuje sus ceros y polos en el plano-z . c) Cu al es la funci on de transferencia equivalente a la conexi on en cascada de H1 (z ) y H2 (z )? Problema 3.31 Se tiene un SLIT con funci on de sistema H (z ) = z 10 (z j 0.5)(z + j 0.5)(z 2)2
a) Encuentre su RDE de modo que el sistema sea estable-EASA. b) Encuentre su RDE de modo que el sistema sea causal. c) Encuentre hn para b). Problema 3.32 Un SLIT tiene una entrada x(t) = e 2|t| y una h(t) = e3t u(t). Encuentre la salida y (t) por convoluci on. Problema 3.33 Sea un SLIT dado por su h(t). a) Demuestre (por convoluci on) que si la entrada es x(t) = e j0 t , la salida
78 est a dada por y (t) = ej0 t H (j0 ). b) Suponga que H ( ) est a dada por
j/2 , 1e 0,
BIBLIOGRAF IA
H ( ) =
1ej/2 ,
1 < < 0 0<<1 en caso contrario
y recuerde que H (j ) = |H ( )|ej() . Dibuje H ( ). c) Suponga que se tiene una entrada x(t) = cos(t) + sen(2t), encuentre la salida y (t).

Cap 3 PDS

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Cap 3 PDS

Uploaded by

Copyright:

Available Formats

3

Se nales y sistemas en tiempo discreto

Representaci on de se nales en tiempo discreto

DE SENALES 3.1. REPRESENTACION EN TIEMPO DISCRETO

Muestreo y el traslape espectral

DE SENALES 3.1. REPRESENTACION EN TIEMPO DISCRETO 2.

Figura 3.2: Muestreo de una se nal de 60 Hz.

DE SENALES 3.1. REPRESENTACION EN TIEMPO DISCRETO

0.1 0.2 0.3 0.4 0 50 100 Nmero de muestras 150

s (j ) es peri odica en , con periodo s = 2/T . donde G

DE SENALES 3.1. REPRESENTACION EN TIEMPO DISCRETO FSP No. 2 g P (t) =

odica en t, con periodo P y o = donde g P (t) es peri FSP No. 3

N 1 N,k }N 1 = T F D{T g N T (nT )}n {G =0 , k =0

g(t)ej t dt = 0 donde 2B < ||.

DE SENALES 3.1. REPRESENTACION EN TIEMPO DISCRETO

0.1 0.2 0.3 0.4 0 0.05 0.1 0.15

DE SENALES 3.1. REPRESENTACION EN TIEMPO DISCRETO

DE SENALES 3.1. REPRESENTACION EN TIEMPO DISCRETO

3.2. ALGUNAS SECUENCIAS IMPORTANTES

Algunas secuencias importantes

La muestra unitaria y el escal on unitario

Estas dos secuencias, [n] y u[n] est an relacionadas por u[n] =

PDS: Introducci on con teor a y pr actica

3.2. ALGUNAS SECUENCIAS IMPORTANTES

Figura 3.11: La secuencia escal on unitario en tiempo discreto.

[n] = u[n] u[n 1].

La secuencia exponencial est a dada por x[n] = An , (3.17)

Re{x[n]} = |A|en cos(n + )

PDS: Introducci on con teor a y pr actica

3.2. ALGUNAS SECUENCIAS IMPORTANTES

2.5 2 1.5 1 0.5 0 0.5 1 1.5 2

Figura 3.12: La secuencia exponencial compleja creciente en tiempo discreto.

3.3. ALGUNAS PROPIEDADES DE LAS SECUENCIAS

Algunas propiedades de las secuencias

G. Miramontes, ISBN 968-5923-15-9

PDS: Introducci on con teor a y pr actica

x[n] = xcs [n] + xca [n],

{x[n]} es absolutamente sumable o, mejor dicho, sumable en valor absoluto si

G. Miramontes, ISBN 968-5923-15-9

PDS: Introducci on con teor a y pr actica

3.4. ALGUNAS PROPIEDADES DE LOS SISTEMAS EN TIEMPO DISCRETO

Algunas propiedades de los sistemas en tiempo discreto

PDS: Introducci on con teor a y pr actica

3.4. ALGUNAS PROPIEDADES DE LOS SISTEMAS EN TIEMPO DISCRETO

Ln {x[k][n k]}n x[k]Ln {[n k]}n (3.38)

de la propiedad de invariancia al desplazamiento Ln {[n k]}n = Lnk {[n]}n = h[n k],

h[n k]x[k] h[k]x[n k]. (3.39)

h[k]x[n k] sistema causal

3.5. ALGUNAS OPERACIONES BASICAS 6.

Algunas Operaciones b asicas

3.5. ALGUNAS OPERACIONES BASICAS wn = x n y n

yn Figura 3.16: Multiplicador.

Figura 3.17: Ganancia.

yn Figura 3.18: Sumador.

Figura 3.19: Retardo D y retardo inverso D 1 .

x(nT )(t nT )est dt (3.42)

Empleando la variable compleja z = esT , tenemos X (z ) =

llamada la transformada Z unilateral.

56 La transformada Z bilateral ser a X (z ) =

C alculo de algunas transformadas Z

an , multiplicando ambos lados por a, an+1 , haciendo k = n + 1,

ak regresando k a cero, tenemos

La expresi on (3.45) es m as f acil de recordar de la siguiente manera,