Professional Documents
Culture Documents
1
Un sistema muestreado es aquel que, partiendo de
una señal o magnitud analógica o continua es capaz de
generar una secuencia de valores discretos, separados a
intervalos de tiempo.
y(t) yk yr(t)
Rec
-
3
1.1. Secuencias
El computador lee y genera secuencias de
números.
{u k}= {" u -3 , u -2 , u -1 , u 0 , u 1"} [1.1]
Suma
{u k} = {xk + v k} [1.2]
Impulso y Escalón
forma siguiente:
{δ k}= {1,0,0,"}
[1.4]
{l k}= {1,1,1,"}
4
1.2. Sistema Discreto
{uk} {yk}
Sistema
Discreto
{ }
k
{ y k } = ∑u i [1.5]
i=1
Promediador
{ y k } = ( u k-1 + u k + u k+1 )
1
[1.6]
3
5
1.3. Ecuaciones en Diferencias
t
1
x (t) =
TT
∫ ω (t) dt
0
[1.7]
k-1
1
x (kT) =
TT
∑ T ω (iT)
0
k
1
x ((k +1)T) =
TT
∑ T ω (iT)
0
T [1.8]
x ((k +1)T) - x (kT) = ω (kT)
TT
ecuación en diferencia:
T
x ((k +1)T) = x (kT) + ω (kT) [1.9]
TT
en general
x k + a 1 x k -1 + " + a n x k-n = b0 ω k + b1 ω k-1 +" + b m ω k-m [1.10]
Linealidad
{ u 1 } ⇒ { y 1 } ,{ u 2 } ⇒ { y 2 }
k k k k
{ α 1 u1 + α 2 u 2 } ⇒ { α 1 y 1 + α 2 y 2 }
[1.11]
k k k k
6
1.4. Secuencia de Ponderación de un Sistema.
Vinculación de entrada y salida
{δ k} {gk}
Sistema
Discreto
∞
{ u k }= ∑ u n { δ k-n } [1.13]
n=- ∞
Convolución discreta:
7
{ y k } = { g k }* { u k }
∞ ∞ [1.16]
y k = ∑ u i g k-i = ∑ g i u k -i
i=- ∞ i=- ∞
Secuencia de Ponderación
Sean las secuencias de ponderación y de entrada
de un sistema las siguientes
[1.17]
{ g k }= { 1 , 2 ,1 }
{ u k }= { 0 , 3 , 4 }
12
10
0
1 2 3 4 5 6
8
∞
y 0 = ∑ u 0-i g i = u 3 g -3 + u 2 g -2 + u 1 g -1 = 0
i=- ∞
si uk es acotada se verifica
[1.20]
uk ≤ c ∀ k
∞
yk ≤ c ∑ gi
i=- ∞
9
∞ a ) {g i } acotada
∑ g i < ∞ sii [1.21]
i=- ∞ b) lim
i →∞
gi = 0
salida
[1.23]
∞
y k = ∑ g i e jω (k -i)
i=- ∞
∞
yk = e jω k
∑ i
g
i=- ∞
e
-jω i
10
G es el desarrollo en serie de Fourier (según
[1.23]) por lo tanto los coeficientes serán:
π
1
∫ ω dω
jω k
gk = G( ) e [1.27]
2π -π
11
1.7. Transformada de Fourier de una Secuencia
[1.30]
n ∞
χ k( ω ) = lim ∑ x i e -jω i = ∑ x i e -jω i
n →∞
i=-n i=- ∞
π
1
xk =
2π ∫
-π
χ ( ω ) e jω k d ω
∑
i=- ∞
xi < ∞ [1.31]
∞
y k = ∑ g k −i u i [1.32]
i=- ∞
∞ ∞
∞
∑
k=- ∞
yk e -jω k
= ∑
k=- ∞
e
-jω k
∑ k −i i
i=- ∞
g u
∞ ∞
= ∑ ∑e ω
k=- ∞ i=- ∞
-j k
g k −i u i
[1.33]
∞ -jωi ∞
= ∑ e ui ∑ e
-jω (k −i)
g k −i
i=- ∞ k=- ∞
el último [] va desde −∞ a +∞ por lo que es
independiente de i
(i-k = k)
Υ ( ω ) = G( ω ) U( ω ) [1.34]
12
1.8. Teorema del Muestreo
Una señal continua con espectro en frecuencia
nulo fuera del intervalo[ −ω0 , ω 0 ] es reconstruible
totalmente si se la muestrea con una frecuencia
ω s > 2ω 0 . La reconstrucción se obtiene mediante el
siguiente cálculo:
∞ sen (ω s ( t − kT ) 2 )
f (t ) = ∑ f ( kT ) (ω ( t − kT ) 2 )
k =−∞
[1.35]
s
- Demostración
La transformada de Fourier y la antitransformada
de la función continua son:
∞
F (ω ) = ∫ e − jω t f ( t ) dt [1.36]
−∞
1 ∞ jω t
f (t ) = e F (ω ) d ω
2π ∫−∞
[1.37]
k =−∞
[1.38]
y su antitransformada
1 π
f k = f ( kT ) = ∫π e jω k Fs (ω ) d ω [1.39]
2π −
13
f ( kT ) tiene dos formas de calcularse, de acuerdo
a [1.37] y a [1.39].
La [1.37] se puede integrar por partes
∞ ( 2 r +1)π
1 ∞ 1
f ( kT ) =
2π ∫−∞
e jω kT
F (ω ) d ω =
2π
∑ ∫(
r =−∞
T
2 r −1)π e jω kT F (ω ) d ω
T
[1.40]
Ω + 2π r
cambio de variable:ω =
T
Ω frecuencia relativa al período de muestreo
( 2 r +1)π Ω+ 2π r
1 ∞ j kT Ω + 2π r Ω + 2π r
f ( kT ) =
2π
∑∫
r =−∞
T
( 2 r −1)π e T
F
T
d
T
T
[1.41]
1 ∞
1 π j( Ω+2π r )k Ω + 2π r
f ( kT ) =
2π
∑
r =−∞ T
∫− π
e F
T
dΩ
[1.42]
nota: e j 2π rk = 1
1 ∞
1 π jΩk Ω + 2π r
f ( kT ) =
2π
∑
r =−∞ T ∫−π
e F
T
dΩ
[1.43]
1 π 1 ∞ jΩk Ω + 2π r
fk =
2π ∫−π T r∑
=−∞
e F
T
dΩ
[1.44]
14
1 ∞ Ω + 2π r
Fs (ω ) = ∑ F [1.45]
T r =−∞ T
2π
o, dado que T =
ωs
1 ∞ 2π r 1 ∞
Fs (ω ) = ∑ F ω + = ∑ F (ω + ω s r ) [1.46]
T r =−∞ T T r =−∞
Si la frecuencia de muestreo es mayor a dos veces
la máxima frecuencia para la cual la Transformada de
Fourier es no nula, la Transformada de la señal
muestreada será una repetición infinita del lóbulo de la
transformada continua.
Tomando una parte de esta transformada se puede
reconstruir exactamente la señal continua, excepto un
factor de escala 1 .
T
Fs(ω)
F(ω) Fs(ω)
1 1/T 1/T
ωs ωc ω 2ωs
ω ωc ω s ω
15
El reconstructor de la ecuación [1.35] es no causal
1
0.8
0.6
0.4
T
0.2
-0.2
-0.4
-50 0 50
16
1.9. Transformada de Laplace
La Transformada de Laplace de una función
continua se define como
∞
X( s ) = Ls {x(t)} = ∫ x(t) e -stdt
0 [1.47]
s =σ + j ω
Transformada de un impulso
Ls {δ ( t )} = ∫ δ ( t ) e -stdt = 1
∞
[1.48]
0
17
1.9.1. Transformada de Laplace de una
Secuencia
Secuencia {xk }, muestreo de una señal continua,
se puede escribir como una sumatoria de impulsos
modulados por los elementos de la secuencia,
∞
xk = ∑ x kT δ (t - kT) [1.50]
k=0
3π/Τ
2π/Τ
1
π/Τ
18
1.10. Transformada en Z
Solo se define para secuencias
∞
Z ({xk }) = X ( z ) = ∑xz k
−k
[1.52]
k=−∞
∆(z) = 1 [1.54]
de una secuencia
{xk } = {1, a, a 2 ,"} [1.55]
∞ ∞
∑a z ∑ ( az −1 )
k
X (z) = k −k
= [1.56]
k=−∞ k=−∞
19
- Propiedades
Linealidad:
Z ( af + bg ) = aZ ( f ) + bZ ( g ) [1.58]
Desplazamiento
Z ( q−d f ) = z −d Z ( f ) [1.59]
Valor Inicial
lim ( f k ) = lim Z ( f ) [1.60]
k →0 z →∞
Valor Final
lim ( f k ) = lim (1 − z −1 ) Z ( f ) [1.61]
k →∞ z →1
20
1.11. Reconstrucción
¿Es posible reconstruir la señal continua una vez
muestreada?
y(t) yk yr(t)
Rec
-
es no causal
21
1.2
0.8
0.6
0.4
0.2
-0.2
-0.4
-10 -5 0 5 10
22
1.11.2. Bloqueadores
El más usual es el bloqueador de orden cero
1.5
0.5
-0.5
-1
-1.5
0 1 2 3 4 5
0.5
-0.5
-1
-1.5
-2
-2.5
-3
0 0.2 0.4 0.6 0.8 1
23
1.12. Aparición de Frecuencias Espurias
1
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
0 0.2 0.4 0.6 0.8 1
24