Universidad Nacional de Colombia

Facultad de Minas
ctrica y Automa
tica
Departamento de Energa Ele
ales
Procesamiento Digital de Sen

Primer Laboratorio
12 de Febrero de 2016

Manipulaci
on y representaci
on de Se
nales en Matlab

Figura 1: Codigo para la representacion de una se

nal sinusoidal.
La Figura 1 muestra un segmento de codigo en Matlab que crea una se
nal
sinusoidal y la representa en el dominio del tiempo y de la frecuencia (espectro
1

de magnitud). Luego de transcribir y ensayar el codigo en un script en Matlab,

se proponen las siguientes actividades:
1. Los resultados obtenidos luego de ejecutar el programa deben tener una
forma similar a la mostrada en la Figura 2. Analice dichos resultados e interpretelos a la luz de la teora. Que relacion existe entre las componentes
espectrales y la se
nal original en el dominio del tiempo? A que frecuencias aparecen dichos componentes? Hay alg
un tipo de discrepancia con
los resultados esperados?

Figura 2: Resultados obenidos del programa.

2. Tome grabaciones de audio por medio del microfono del computador (puede usar el comando wavrecord ) y haga representaciones en el dominio del
tiempo y de la frecuencia de las se
nales capturadas. Efectue manipulaciones simples sobre dichas seales (cambio de amplitud o volumen, inversion
en el dominio del tiempo, combinacion o mezclado entre varias se
nales,
etc) y tome nota del efecto de dichas manipulaciones en las representaciones de la se
nal en el dominio del tiempo y de la frecuencia.

Efectos del remuestreo en las se

nales
El remuestreo (resampling) es el cambio en la frecuencia de muestreo original
de una se
nal digital. La ejecucion de una rutina de remuestreo est basada en
las operaciones de decimacion (downsampling) e interpolacion (upsampling). La
idea es cambiar la frecuencia de muestreo original de la se
nal (denotada como
FS ) a una frecuencia completamente distinta (denotada como FSr ). La relacion
entre FS y FSr est
a dada por un par de parametros (p y q), que sirven para
representar la razon entre las frecuencias antes y despues del proceso de remuestreo.
En este punto se propone tomar grabaciones de audio por medio del computador, usando como referencia una frecuencia de muestreo FS de 15 kHz. Posteriormente se propone el cambio de la frecuencia de muestro original a dos
valores diferentes: 7 kHz y 44 kHz.
Tome nota de las diferencias en las secuencias de audio antes y despues del
remuestreo, usando los siguientes criterios:
La representaci
on de las se
nales en el dominio del tiempo.
La representaci
on de las se
nales en el dominio de la frecuencia.
La calidad de la reproduccion del audio para cada secuencia.
El tama
no de los archivos de audio para las secuencias en cada caso (El
comando wavwrite sirve para almacenar una secuencia de audio en un
archivo, usando el formato wav ).
Analice y explique los resultados obtenidos.

Tratamiento de se
nales de audio: Eliminador de
eco
La Ecuacion (1) describe un sistema capaz de tomar una se
nal de audio de
entrada (x(n)) y generar una respuesta con un eco (y(n)). Se sabe que el eco es
consecuencia de la superposicion de dos se
nales de audio identicas, pero con un
desafase difrente.
y (n) = x (n) + x (n D)

(1)

El valor del desfase en tiempo discreto (D) debe ajustarse dependiendo de

la frecuencia de muestreo de las se
nales, para lograr una diferencia de tiempo
(retardo) de entre 150 ms y 600 ms. El valor de la atenuacion () se escoge
de tal manera que la se
nal de eco (la retardada) se perceptible cuando se la
3

reproduce mezclada con el audio original.

En este punto se propone la implementacion del sistema generador de eco,
descrito en la Ecuacion (1). Deben seleccionarse adecuadamente los valores de
D y , de tal manera que en la se
nal de salida (y(n)), pueda percibirse auditivamente el efecto del eco. Compare y analice las se
nales de entrada y de salida
del sistema (x(n) y y(n)), en terminos de su representacin en el dominio del
tiempo y de su espectro.
En segundo lugar, suponga que la se
nal y(n) se entrega sin ninguna informaci
on adicional de los parametros que fue generada (es decir: no se cuenta con
los valores de desfase y atenuacion). Conciba e implemente una estrategia para
eliminar el eco de la secuencia de audio en estas condiciones. Tome nota de los
resultados obtenidos y analice los resultados (Sugerencia: Usar la correlacion
cruzada entre las se
nales x(n) y y(n)).

Implementaci
on de filtros en tiempo discreto
Se tiene un filtro digital dado por la siguiente ecuacion en diferencias:
y(n) = 0,40x(n)0,81x(n1)+0,4x(n2)+0,62y(n1)0,43y(n2)
Se propone el siguiente ejercicio con el filtro propuesto:
Implemente el sistema de procesamiento representado por la ecuacion anterior, por medio de un codigo en Matlab.
Pruebe el sistema filtrando se
nales de audio. Es posible determinar que tipo de filtro se ha implementado a partir de la reproduccion del audio de
salida?
Determine de manera experimental la frecuencia de corte del filtro (sugerencia: haga un grafico del espectro de magnitud del filtro).
De manera alternativa, se cuenta con un filtro digital del que se conoce su
respuesta cuando la entrada es una se
nal impulso unitario. Dicha respuesta al
impulso, se muestra de forma tabulada a continuacion:
n
h(n)

0
0,4

1
0,56

2
0,12

3
0,16

4
0,15

5
0,024

6
0,051

7
0,042

8
0,004

Repita el ejercicio propuesto con este nuevo filtro y compare los resultados
obtenidos para ambos sistemas. A la luz de la teora vista en clase, como
clasificara cada uno de estos sistemas? que ventajas y desventajas puede tener
cada una de estas formas de implementacion?

Efectos de audio
Investigue acerca de efectos comunes en el procesamiento de audio (fade in,
fade out, reverberacin, mezclado, inversion). Implemente al menos dos de ellos
usando Matlab. Pruebe y comente los resultados obtenidos.

Bonus: Correlaci
on cruzada de im
agenes
La correlacion cruzada permite medir el parecido relativo entre dos se
nales,
para diferntes desfases o desplazamientos de una se
nal con respecto a la otra.
En clase se hizo la definicion formal de la correlacion cruzada para se
nales de
una sola dimension (dependientes, por ejemplo, del tiempo), pero el concepto es
v
alido tambien para se
nales multidimensionales (como es el caso de las imagenes).

Figura 3: Imagen completa y una seccion de la imagen original.

La Figura 3 muestra dos imagenes. En la esquina superior derecha esta la
imagen completa, mientras que en la esquina inferior izquierda, se encuentra una
peque
na porcion de la imagen original. Cuando se calcula la correlacion cruzada
entre este par de imagenes, se esta estmando el parecido para diferentes desplazamientos relativos entre ellas. Aquellos valores en los que la correlacion sea
m
axima, corresponden a los desplazamientos en los cuales una imagen se parece
mucho a la otra.

El resultado de la correlacion se representa en forma grafica en la Figura

4. En dicha figura, las areas en rojo representan las zonas que tienen maxima
correlaci
on, y las tonalidades en azul representan las zonas de correlacion baja. Pueden observarse varios puntos en la se
nal de correlacion en los que hay
un buen parecido con la subregion escogida. Examinando la imagen original,
se pude concluir que dichas zonas corresponden a las posiciones en donde hay
jugadores del equipo blanco.

Figura 4: Resultado de la correlacion para las imagenes de la Figura 3.

Como puede verse del ejemplo de las Figuras 3 y 4, la correlacion en dos dimensiones puede aprovecharse para separar o segmentar areas de interes en una
imagen, para lograr la cuenta automatica de algunos objetos que tienen forma
similar, y para muchos propsitos mas. En este punto opcional del laboratorio
se propone investigar sobre la correlacion cruzada de imagenes, y replicar los
resultados presentados en las figuras mencionadas.

Fecha de entrega: Jueves 17 de Marzo de 2016