DSP - L1 - Señales y Sistemas Discretos

Procesamiento Digital de
Señales - DSP
Señales y Sistemas Discretos
Sistemas discretos lineales invariantes, ecuaciones en
diferencias lineales, representación en frecuencia
Bibliografía: Tratamiento de señales en tiempo discreto 2.1 - 2.6
Esteban Mora Tola

Contenido de la presentación:
● Señales en tiempo continuo y en tiempo discreto
● Sistemas en tiempo discreto
● Sistemas discretos lineales e invariantes con el tiempo
● Ecuaciones en diferencias lineales con coeficientes constantes
● Representación en el dominio de la frecuencia de señales y sistemas: DTFT

Introducción
● ¿Qué es una señal?
● ¿Cuáles son señales en tiempo continuo y cuáles en

tiempo discreto?
● ¿Qué es discretizar una señal?

Introducción
● Señal = algo que lleva información sobre el estado o el comportamiento de un
sistema físico.
● Las señales se representan matemáticamente como funciones de una o más

variables independientes.
● Una señal de voz se representa matemáticamente como una función del

tiempo.
● Una imagen fotográfica se representa como una función del brillo respecto a
dos variables espaciales.
Introducción
● Es común referirse a la variable independiente de la representación
matemática de la señal como el tiempo. Puede ser continua o discreta.
● Señales en tiempo continuo: Variable independiente continua denominadas

señales analógicas.
● Señales en tiempo discreto: la variable independiente toma valores discretos,

es decir, los instantes discretos del tiempo se representan como secuencias de
números.
● Además del carácter continuo o discreto de la variable independiente, la

amplitud de la señal puede ser también continua o discreta.
Introducción
● Señales continuas de variable continua: Una señal sinusoidal de voltaje,
sonido
● Señales continuas de variable discreta: (rangos de tiempos definidos)

Temperatura diaria a lo largo de un mes, nivel de un estanque en las primeras
6 horas del día
● Señales discretas de variable continua: Pulso cardiaco, el rebotar de una

pelota al caer libremente.
● Señales discretas de variable discreta: mp3, películas, fotos de cámara

digital, interruptores de dos posiciones: abierto – cerrado.
Introducción
● Las señales digitales son aquellas que son discretas tanto en el tiempo
como en la amplitud.
● Los sistemas en tiempo continuo: la entrada y salida son señales en tiempo

continuo. Los sistemas en tiempo discreto: la entrada como la salida son
señales en tiempo discreto.
● Un sistema digital: la entrada y la salida son señales digitales. El tratamiento

digital de señales trata, entonces, de la transformación de señales que son
discretas tanto en tiempo como en amplitud.
Señales en tiempo continuo y tiempo discreto
● Señales en tiempo discreto se representan matemáticamente como secuencias
de números x, en los que el n-ésimo número se indica como x[n], siendo n un
entero.
● Surgen de muestrear una señal analógica, el valor numérico del n-ésimo

número de la secuencia es igual al valor de la señal analógica, xa(t), en el
instante temporal nT
● La cantidad T se denomina periodo de muestreo, y su inversa es la frecuencia

de muestreo.
● Es importante tener en cuenta que x[n] está definida sólo para valores enteros
de n. No es correcto pensar que x[n] es cero en valores de n no enteros.
Simplemente, x[n] no está definida para valores no enteros de n.
Demostración matlab audio

cualquier secuencia
relación escalón impulso
cualquier secuencia
Exponencial real
● A>0 y 0<α<1, los valores son positivos y decrecen al aumentar n
Exponencial real
● -1<α<0, los valores alternan el signo, pero su módulo decrece al aumentar n
Exponencial real: |α|>1, el módulo de los valores crece al aumentar n
Secuencia exponencial compleja
● Si
● w0 en radianes (-π < w0 < π); n es entero

● La secuencia tiene parte real e imaginaria que son sinusiodes
Secuencia exponencial compleja
● La secuencia oscila con una envolvente exponencial creciente si 𝛼 >1 o con
una envolvente exponencial decreciente si 𝛼<1
Secuencias exponenciales y sinusoidales
● Considerando, por ejemplo, una frecuencia (w0 + 2π)
Las secuencias exponenciales complejas con frecuencias

(w0 + 2π), siendo r un número entero, no se pueden
distinguir entre sí.
La misma propiedad se mantiene para secuencias sinusoidales:

Periodicidad
● En el caso de tiempo continuo, las señales sinusoidales y las exponenciales
complejas son ambas periódicas ( 2π).
● En el caso de tiempo discreto, una secuencia periódica es aquella que su

frecuencia f es un número racional y cumple la relación:
Periodicidad
● El periodo más pequeño de N se conoce como periodo fundamental.
● Para el caso de las señales discretas sinusoidales y exponenciales complejas,

la condición de periodicidad requiere que se cumpla
● Lo que exige que:

Periodicidad
● Para el caso de la suma o multiplicación de secuencias periódicas, el periodo
fundamental resultante se puede determinar de la siguiente manera:
● Si x1[n], es una secuencia periódica con un periodo N1 y x2[n], es otra

secuencia periódica con un periodo N2, la suma x1[n], + x2[n] o el producto
x[n]= x1[n] x2[n], será una señal periódica con periodo fundamental
● Donde mcd (N1,N2) representa el máximo común divisor de N1 y N2.

● Ejemplos:
A diferencia del
tiempo continuo,
en el caso
discreto al
aumentar la
frecuencia, w0
de una
sinusoide, no
disminuye
necesariamente
el periodo de
una señal:
Ejercicios:
Determine si las siguientes señales son periódicas. En caso de ser periódicas
encuentre el periodo fundamental N y realice las gráficas de las secuencias en
Matlab
Ejercicios:
● Dada la señal x_n = [0 2 5 7 1 2 0 1 -2 -5 2 1 0 -3];
Procesar la señal en Matlab
Mostrar la señal cruda y la modificada

en un mismo gráfico.
Gráfico final usando subplot

Sistemas en tiempo discreto
● Operador que transforma una secuencia de entrada con valores x[n] en una
secuencia de salida con valores y[n]
● y en cada instante n, puede depender de todo o parte de la secuencia x.
Ejemplos: Amplificación de señal punto a punto, ventaneo, promedio total de

la señal
Sistema de retardo ideal:
● Si nd es positivo, el sistema forma una secuencia de salida desplazada nd

muestras hacia la derecha (señal retrasada).
● Si nd es negativo, el sistema forma una secuencia de salida desplazada nd

muestras hacia la izquierda (señal adelantada).
Sistema de retardo ideal:
Promedio móvil:
● Este sistema calcula la n-ésima muestra de la secuencia de salida como el

promedio de (M1 + M2 + 1) muestras de la secuencia de entrada alrededor de
la muestra n-ésima.
Sistema sin memoria:
● Si la salida de y[n], en cada valor de n, depende únicamente del valor de la
entrada x[n] en el mismo valor de n.
Por ejemplo:
● Retardo ideal es sin memoria para n d=0.
● Analizar:
Sistemas lineales:
● Si y1[n] e y2[n] son las respuestas de un sistema cuando x1[n] y x2[n] son las
respectivas entradas, el sistema es lineal si y sólo si cumple las siguientes
propiedades:
Propiedad de aditividad
Propiedad de homogeneidad o escalado

Sistemas lineales:
● Se pueden combinar y aplicar el Principio de superposición
● La señal puede ser generalizada para señales de ingreso:
donde la salida del sistema es:

Sistema acumulador:
● La salida en el instante n es la suma o acumulación de la muestra actual y
todas las muestras anteriores de la entrada. El sistema acumulador es un
sistema lineal.
● Satisface el principio de superposición, por lo tanto es un sistema lineal:

Sistemas invariantes con el tiempo
● Es un sistema para el que un desplazamiento temporal o retardo de la
secuencia de entrada provoca el mismo desplazamiento o retardo en la
secuencia de salida.
● Para todo n0, la secuencia de entrada de valores x1[n] = x[n−n0] produce una
secuencia de salida de valores y1[n] = y[n−n0].
● Para determinar si un sistema es invariante en el tiempo se requiere comparar
𝒚[𝒏−𝒏𝟎] 𝒗𝒔. 𝑻{𝒙[𝒏−𝒏𝟎]}. Si son iguales el sistema es invariante con el tiempo
Pasos para reconocer un sistema invariante con el tiempo:
Ejemplo: y[n] = Cos(x[n])

1. y[n-n0] = Cos(x[n-n0])
2. y1[n] = Cos(x[n-n0]) Por lo tanto, el sistema es invariante en el tiempo
3. y1[n] = y[n-n0]
Ejemplos:
● y[n] = x[n] + x[n-1] + x[n-2]
● y[n] = x[n]Cos(n)
●
Sistema Causal
● Se dice que un sistema es causal si para cualquier valor de n0, la secuencia de
salida en el índice n = n0 depende sólo de los valores de la secuencia de
entrada para n ≤ n0. Esto implica que si x1[n] = x2[n] para n ≤ n0, entonces
y1[n] = y2[n] para n ≤ n0.
● El sistema es no anticipativo.
Ejemplos:
●
No causal porque el valor actual de la salida
● depende de un valor de entrada futuro
Causal porque el valor actual de la salida depende

de un valor inmediato anterior de entrada
Estabilidad de un Sistema
● Un sistema es estable en el sentido de entrada acotada, salida acotada (BIBO,
Bounded–Input, Bounded–Output) si y sólo si cualquier secuencia acotada a su
entrada produce una secuencia de salida acotada.
● Se dice que la entrada x[n] está acotada si existe un valor finito positivo fijo Bx
tal que
Propiedades de los Sistemas
Es importante tener en cuenta que las propiedades que se han definido son
propiedades de los sistemas, y no de las entradas a dichos sistemas. Es
decir, podemos ser capaces de encontrar entradas para las que las
propiedades se mantengan, pero la existencia de una propiedad para algunas
entradas no significa que el sistema tenga esa propiedad. Para que el sistema
posea esa propiedad, debe cumplirse para todas las entradas.
Sistemas lineales e invariantes con el tiempo
● La combinación de estas dos propiedades conduce a representaciones
especialmente convenientes de los sistemas que las cumplen. Esta clase de
sistemas tiene importantes aplicaciones en tratamiento de señales.
● Los sistemas lineales están definidos por el principio de superposición,
combinada con la representación general de una secuencia (combinación
lineal de impulsos retardados)
un sistema lineal queda completamente caracterizado por su respuesta al

impulso.
● Sea hk[n] la respuesta del sistema a la entrada δ [n−k], un impulso en n = k.
Aplicando el principio de superposición:
(aquí solo se impone la propiedad de linealidad - limitada-).

● Si se impone la restricción de invarianza temporal, implica que si h[n] (salida)
es la respuesta a δ [n] (entrada), entonces la respuesta a δ [n−k] (entrada) es
h[n−k] (salida).
Los sistemas lineales e invariantes en el tiempo (LTI – Linear Time-Invariant)

están completamente caracterizados por su respuesta al impulso h[n] en el
sentido de que dadas las secuencias x[n] y h[n] para todo n, es posible utilizar
la expresión anterior para calcular cualquier muestra de la salida y[n].
● También es conocida como suma de convolución, y se representa mediante:
● La operación de convolución en tiempo discreto toma dos secuencias x[n] y

h[n] y produce una tercera secuencia y[n]. La Ecuación expresa cada muestra
de la secuencia de salida en función de todas las muestras de las secuencias
de entrada y respuesta al impulso.
● La clave para realizar los cálculos de la suma de convolución, es determinar
cómo se forma la secuencia h[n - k] para todos los valores de n de interés.
Para ello es útil tener en cuenta la identidad
● Supongamos que h[k] es una secuencia y que deseamos calcular h[n−k]=h[−
(k−n)]. Definimos h1[k] = h[−k], y también definimos seguidamente h2[k] como
h1[k], retrasada n muestras en el eje k, es decir, h2[k] = h1[k−n].
Convolución
●
Convolución
● Un aspecto clave para realizar la convolución de dos secuencias finitas es que
si la longitud de x[n] es L1 y la longitud de h[n] es L2, entonces la longitud de
y[n]=x[n]*h[n] será igual a:
L = L1 + L2 - 1
● Además si los valores diferentes de cero de x[n] están en el intervalo [M x, Nx] y

los valores diferentes de cero de h[n] están en el intervalo [Mh, Nh] entonces los
valores distintos de cero de y[n] estarán en el intervalo:
[Mx + Mh, Nx + Nh ]
Convolución
Ejercicio
● Aplicar la convolución x[k] * h[k] de las señales que se muestran en la figura:
Propiedades de los Sistemas LTI
● Todos los sistemas LTI se pueden describir mediante la suma de convolución
● Las propiedades de esta clase de sistemas estarán determinadas por las

propiedades de la convolución en tiempo discreto
● La respuesta al impulso es una caracterización completa de las propiedades

de un determinado sistema LTI
Propiedad Conmutativa
● El orden de las secuencias en la convolución no es relevante

● Se aplica sustitución de variables: m = n - k
Propiedad Distributiva
● Es una consecuencia directa de la linealidad y conmutatividad de la

convolución. Combinación en Paralelo
Propiedad Asociativa
● Además, como la operación de convolución es conmutativa:
Combinación en Cascada
Propiedades de Estabilidad y Causalidad
● Es muy importante saber si un sistema LTI es estable y causal.
● Un sistema es estable si cualquier entrada acotada produce una salida
acotada.
● Los sistemas LTI son estables si y sólo si la respuesta al impulso es
absolutamente sumable. Es decir, si
Propiedades de Estabilidad y Causalidad
● Es muy importante saber si un sistema LTI es estable y causal.
● Los sistemas causales son aquellos sistemas para los que la salida y[n0]
depende sólo de las muestras de entrada x[n], para n ≤ n0.
● La condición de causalidad para los sistemas LTI está dado por

Ejercicios:
● Obtener la convolución de las señales:
● Encontrar la convolución x1[n] * x2[n] de las señales:

Ecuaciones en diferencias lineales con coeficientes constantes
● Una clase importante de sistemas LTI está formada por aquellos sistemas en
los que la entrada y la salida satisfacen una ecuación en diferencias lineal con
coeficientes constantes de orden N
● Donde ak y bm son constantes. Al valor máximo M y N se le denomina orden

del sistema. Para calcular la salida del sistema a partir de un instante n=n0 es
necesario conocer los valores en los instantes y[n0 - 1], y[n0 - 2],..., y[n0 - N]
estos valores se denominan condiciones del sistema
Representación del sistema Acumulador en ecuación en diferencias
representación recursiva del sistema, ya

que cada valor se calcula utilizando los
valores calculados previamente
Resolución de una ecuación en diferencias lineales con coeficientes constantes
● Se emplea un procedimiento análogo al de la resolución de ecuaciones
diferenciales con coeficientes constantes.
● Dada una entrada x[n], somos capaces por cualquier medio de obtener una
secuencia de salida y[n]:
donde 𝒚𝒉[𝒏] es la solución homogénea y 𝒚𝒑[𝒏] es la solución particular

● La solución homogénea se obtiene considerando x[n] = 0 y es la solución de:
● Se puede asumir la solución de la forma:

● Sustituyendo la solución en la ecuación se obtiene la ecuación polinomial
● Para la solución particular se requiere encontrar la secuencia yp[n] que satisfaga
la ecuación en diferencias para la entrada x[n]
● En la Tabla se listan las soluciones

particulares para algunas entradas
empleadas comúnmente.
● Existen valores de y[n] cuyo cálculo de
la salida no depende únicamente del
uso de la secuencia de entrada, sino
también de los valores previos de la
secuencia de salida: recursividad
Ejemplo: Encontrar la solución de la ecuación en diferencias:
𝑦[𝑛] − 0.25𝑦[𝑛−2] = 𝑥[𝑛]

Donde x[n]=u[n]
Para la solución particular, emplear la tabla
Para la solución homogénea considerar:

Representación en el dominio de la frecuencia de señales y sistemas
● Las secuencias sinusoidales y exponenciales complejas (Representaciones de
Fourier) tienen un papel particularmente importante en la representación de
señales en tiempo discreto.
● Las secuencias exponenciales complejas son autofunciones (eigenfunciones) de

los sistemas lineales e invariantes con el tiempo.
● La respuesta a una entrada sinusoidal es también sinusoidal de la misma

frecuencia que la entrada, y con amplitud y fase determinadas por el sistema.
● Este método permite mapear señales en otro dominio (frecuencia)

Autofunciones de los sistemas LTI
● Dada una secuencia de entrada:
la correspondiente salida de un sistema LTI con respuesta al impulso h[n] es:

siendo
● es una autofunción (eigenfunción) del sistema, y su autovalor (eigenvalor)

asociado es
● El autovalor se denomina respuesta en frecuencia del sistema. Es un
número complejo y se puede expresar en función de sus partes real e imaginaria:
o en función de su amplitud y fase

Ejemplo: Respuesta en frecuencia del sistema de retardo ideal:
La entrada al sistema es:
La respuesta en frecuencia:
En el sistema de retardo ideal :
La parte real e imaginaria:
El módulo y fase:
● En el análisis de respuesta de frecuencia de un sistema LTI, surge una distinción
importante debida a que la respuesta en frecuencia de los sistemas en tiempo
discreto lineales e invariantes es siempre una función periódica en la variable
de frecuencia ω con periodo 2π. Se sustituye ω + 2π
Utilizando para n entero:
Se obtiene: para todo ω y todo r. (H es periódica 2π)

● El motivo de periodicidad está relacionado por:
no se distingue de la secuencia:
● Como estas dos secuencias tienen los mismos valores para todo n, el sistema
tiene que responder de igual forma a ambas secuencias de entrada.
● Solamente es necesario especificar que tiene un intervalo de longitud 2π
● Generalmente resulta conveniente definir en el intervalo:
● En este intervalo, las “bajas frecuencias” son las frecuencias cercanas a cero, y
las “altas frecuencias” son las frecuencias cercanas a ±π.
● Las frecuencias que difieren en un múltiplo entero de 2π son indistinguibles, por
lo tanto se plantea la siguiente generalización:
1. Las “bajas frecuencias” son aquellas cercanas a un múltiplo par de π y
2. Las “altas frecuencias” son aquellas cercanas a un múltiplo impar de π .
● Una clase importante de sistemas LTI incluye a los sistemas cuya respuesta en
frecuencia es la unidad en un intervalo de frecuencias determinado y es cero para
las restantes frecuencias, que se denominan filtros ideales selectivos en
frecuencia.
● La siguiente figura muestra un filtro pasa bajo ideal, donde deja pasar sólo las
frecuencias bajas y rechaza las frecuencias altas.
● Se muestra el comportamiento del filtro en el intervalo:
● Filtro Pasa Bajo
ideal
Filtro pasa bajo Filtro pasa alto
Filtro elimina banda Filtro pasa banda

Transformada de Fourier en tiempo discreto - DTFT
● Muchas secuencias se pueden representar mediante una integral de Fourier de la
forma:
(Transformada inversa de Fourier)
siendo
(Transformada de Fourier)
formando conjuntamente la representación de Fourier de la secuencia.

● Representa x[n] como una superposición de sinusoides complejas
infinitesimalmente pequeñas (con ω en un intervalo de longitud 2π )
● La transformada de Fourier es una expresión para calcular a partir de la
secuencia x[n], es decir, para analizar la secuencia x[n] determinando qué
cantidad de cada componente en frecuencia es necesaria para sintetizar x[n]
utilizando la transformada inversa de Fourier.
● La respuesta de frecuencia se puede representar en forma:
Rectangular
Polar
● la respuesta en frecuencia de un sistema lineal e invariante con el tiempo es
simplemente la transformada de Fourier de su respuesta al impulso.
● Por tanto, la respuesta al impulso se puede obtener a partir de la respuesta en

frecuencia aplicando la integral de la transformada inversa de Fourier:
Operadores:
Propiedades de la DTFT
Simetría
● La DTFT presenta características de simetría que pueden ser de utilidad para
simplificar su evaluación o la de su inversa.
● Dichas características se resaltan en la siguiente tabla:
Linealidad
● Si
y
entonces:
Desplazamiento en el tiempo y la frecuencia
● Si
la secuencia desplazada en el tiempo x[n - nd]:
● El desplazamiento en el tiempo de una secuencia es equivalente a la

multiplicación de la DTFT por una exponencial compleja
Inversión temporal
● La operación de abatimiento (tiempo) resulta en el abatimiento de la DTFT
(frecuencia)
●
Diferenciación en el dominio de la frecuencia
●
Modulación
● La multiplicación de una secuencia por un exponencial complejo resulta en un
desplazamiento en frecuencia de la DTFT
Teorema de Parserval
● Si
● El teorema de Parserval se refiere al teorema de conservación de la energía, es

decir que el operador DTFT preserva la energía cuando se pasa del dominio
temporal al de la frecuencia
Teorema de la Convolución
●

DSP - L1 - Señales y Sistemas Discretos

Cargado por

Copyright:

Formatos disponibles

DSP - L1 - Señales y Sistemas Discretos

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

DSP - L1 - Señales y Sistemas Discretos

Cargado por

Copyright:

Formatos disponibles

Procesamiento Digital de

Bibliografía: Tratamiento de señales en tiempo discreto 2.1 - 2.6

Esteban Mora Tola

● Sistemas en tiempo discreto

● Sistemas discretos lineales e invariantes con el tiempo

● Ecuaciones en diferencias lineales con coeficientes constantes

● Representación en el dominio de la frecuencia de señales y sistemas: DTFT

● ¿Cuáles son señales en tiempo continuo y cuáles en

● ¿Qué es discretizar una señal?

● Las señales se representan matemáticamente como funciones de una o más

● Una señal de voz se representa matemáticamente como una función del

● Señales en tiempo continuo: Variable independiente continua denominadas

● Señales en tiempo discreto: la variable independiente toma valores discretos,

● Además del carácter continuo o discreto de la variable independiente, la

● Señales continuas de variable discreta: (rangos de tiempos definidos)

● Señales discretas de variable continua: Pulso cardiaco, el rebotar de una

● Señales discretas de variable discreta: mp3, películas, fotos de cámara

● Los sistemas en tiempo continuo: la entrada y salida son señales en tiempo

● Un sistema digital: la entrada y la salida son señales digitales. El tratamiento

● Surgen de muestrear una señal analógica, el valor numérico del n-ésimo

● La cantidad T se denomina periodo de muestreo, y su inversa es la frecuencia

Demostración matlab audio

relación escalón impulso

● w0 en radianes (-π < w0 < π); n es entero

Las secuencias exponenciales complejas con frecuencias

La misma propiedad se mantiene para secuencias sinusoidales:

● En el caso de tiempo discreto, una secuencia periódica es aquella que su

● Para el caso de las señales discretas sinusoidales y exponenciales complejas,

● Lo que exige que:

● Si x1[n], es una secuencia periódica con un periodo N1 y x2[n], es otra

● Donde mcd (N1,N2) representa el máximo común divisor de N1 y N2.

Procesar la señal en Matlab

Mostrar la señal cruda y la modificada

Gráfico final usando subplot

● y en cada instante n, puede depender de todo o parte de la secuencia x.

Ejemplos: Amplificación de señal punto a punto, ventaneo, promedio total de

● Si nd es positivo, el sistema forma una secuencia de salida desplazada nd

● Si nd es negativo, el sistema forma una secuencia de salida desplazada nd

● Este sistema calcula la n-ésima muestra de la secuencia de salida como el

● Retardo ideal es sin memoria para n d=0.

Propiedad de homogeneidad o escalado

● La señal puede ser generalizada para señales de ingreso:

donde la salida del sistema es:

● Satisface el principio de superposición, por lo tanto es un sistema lineal:

Ejemplo: y[n] = Cos(x[n])

Causal porque el valor actual de la salida depende

un sistema lineal queda completamente caracterizado por su respuesta al

Aplicando el principio de superposición:

(aquí solo se impone la propiedad de linealidad - limitada-).

Los sistemas lineales e invariantes en el tiempo (LTI – Linear Time-Invariant)

● También es conocida como suma de convolución, y se representa mediante:

● La operación de convolución en tiempo discreto toma dos secuencias x[n] y

● Además si los valores diferentes de cero de x[n] están en el intervalo [M x, Nx] y

● Las propiedades de esta clase de sistemas estarán determinadas por las

● La respuesta al impulso es una caracterización completa de las propiedades

● El orden de las secuencias en la convolución no es relevante

● Es una consecuencia directa de la linealidad y conmutatividad de la

● Además, como la operación de convolución es conmutativa: