Unidad I B

Para realizar la convolución en tiempo discreto de multiplican 2 secuencias
𝑥(𝑛) y ℎ(𝑛 − 𝑘 ) en −∞ < 𝑘 < ∞ y se suman los productos para obtener la

salida 𝑦(𝑛).
Para obtener otra muestra de salida se desplaza hasta la posición de la
nueva muestra y se repite el proceso.
Método gráfico
Se hace un ejercicio con un método gráfico de resolución.

Hallar la convolución de la respuesta al impulso de un sistema lineal e
invariante en el tiempo.
ℎ(𝑛) = {1, 2, 1, −1}
La señal de entrada es:

𝑥 (𝑛) = {1, 2, 3, 1}
La flecha indica la posición 0 en el eje 𝑛.
1) Primer paso, reflejamos ℎ(𝑘), la secuencia reflejada ℎ(−𝑘) es la

resultante.
Figura 13
Se multiplica ∗ 𝑥(𝑘) punto a punto

𝑉0 (𝑘 ) = 𝑥 (𝑘 ) ∗ ℎ(−𝑘)
Figura 14
Desplazar ℎ(−𝑘)
𝑉−1 (𝑘 ) = ℎ(−1 − 𝑘 ) ∗ 𝑥(𝑘 )
Figura 15
Desplazar a la izquierda
𝑉−1 (𝑘 ) = ℎ(−1 − 𝑘 ) ∗ 𝑥(𝑘 )
Figura 16
Se continúa desplazando tanto a la derecha como izquierda hasta tener

resultado = 0, entonces la suma general
Figura 17
𝑦(𝑛) = ∑ 𝑉𝑛 (𝑘)
𝑘=−∞
𝑦(1) = ∑ 𝑉1 (𝑘 ) = 8
𝑘=−∞
∞
𝑦(−1) = ∑ 𝑥(𝑘 ) ℎ(−1 − 𝑘 ) = 1

𝑘=−∞
𝑦 (𝑛 ) = 0 𝑛 ≤ −2
𝑦(𝑛) = {… , 0 , 0, 1, 4, 8, 8, 3, −2, −1,0 ,0, … }
Debe señalarse que la convolución es conmutativa ósea que se puede

desplazar tanto la respuesta al impulso o la secuencia de entrada.
Procedimiento
1) Reflexión, ℎ(𝑘) respecto a 𝑘 = 0 → ℎ(−𝑘)

2) Desplazamiento, se desplaza ℎ(−𝑘) una cantidad 𝑛0 hacia derecha e
izquierda, si 𝑛0 = 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 (𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑜) para obtener ℎ(𝑛0 − 𝑘)
3) Multiplicación, se multiplica 𝑥 (𝑘 ) ∗ ℎ(𝑛0 − 𝑘) para obtener una secuencia
producto.
𝑉𝑛0 (𝑘 ) = 𝑥 (𝑘 ) ∗ ℎ(𝑛0 − 𝑘)
4) Suma, se suman todos los valores de la secuencia producto 𝑉𝑛0 (𝑘) para
obtener el valor de la salida en el instante 𝑛 = 𝑛0 .
Método de la tira deslizante
Es otro método para secuencias finitas, igual que el otro método, se hace el
reflejo de una de ellas, luego se alinea la secuencia y se suman y desplazan
sucesivamente.
Ejemplo ℎ(𝑛) = {2, 5, 0, 4}
𝑥 (𝑛) = {4, 1, 3}
𝑡𝑠 = 1⁄2 las 2 secuencias comienzan en 0.
𝑥 (𝑛) 𝑟𝑒𝑓𝑙𝑒𝑗𝑎𝑑𝑎 = 𝑥 (−𝑛) = {3, 1, 4}, luego se hace una tabla.
Figura 18
Figura 19
La convolución discreta es
𝑦(𝑛) = {8, 22, 11, 31, 4, 12}
La convolución numérica es
𝑦(𝑛) = {4, 11, 5.5, 15.5, 2, 6}
Convolución y correlación en MATLAB.
Autocorrelación
𝑟𝑥𝑥 (𝑙 ) = ∑ 𝑥 (𝑛)𝑥 (𝑛 − 𝑙 )
𝑛=−∞
Si 𝑟𝑥𝑥 (0) = ∑∞ 2
𝑛=−∞ 𝑥 (𝑛) = 𝜀𝑥 𝑒𝑛𝑒𝑟𝑔𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑠𝑒ñ𝑎𝑙 𝑥(𝑛)
𝑟𝑥𝑥 (𝑙 ) = 𝑟𝑥𝑥 (−𝑙)
∞
𝑟𝑥𝑦 (𝑙 ) = ∑ 𝑥 (𝑛)𝑦[−(𝑙 − 𝑛)] = 𝑥 (𝑙 ) ∗ 𝑦(−𝑙)

𝑛=−∞
Programa para resolver convolución en MATLAB
𝑎 = 𝑖𝑛𝑝𝑢𝑡 (′𝑝𝑟𝑖𝑚𝑒𝑟𝑎 𝑠𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎′ );

𝑏 = 𝑖𝑛𝑝𝑢𝑡 (′𝑠𝑒𝑔𝑢𝑛𝑑𝑎 𝑠𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎′ );
𝑐 = 𝑐𝑜𝑛𝑣(𝑎, 𝑏);
𝑀 = 𝑙𝑒𝑛𝑔𝑀(𝑐 ) − 1;
𝑛 = 0: 1: 𝑀;
𝑑𝑖𝑠𝑝(′𝑠𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑠𝑎𝑙𝑖𝑑𝑎′ ); 𝑑𝑖𝑠𝑝(𝑐 )
𝑠𝑡𝑒𝑚(𝑛, 𝑐 )
𝑥𝑙𝑎𝑏𝑒𝑙 (′𝑡𝑖𝑒𝑚𝑝𝑜 𝑛′ ); 𝑦𝑙𝑎𝑏𝑒𝑙 (′𝐴𝑚𝑝𝑙𝑖𝑡𝑢𝑑 ′);
𝑆𝑖 𝑎 = [−2 0 1 −1 3]
𝑏 = [1 2 0 −1]
𝑐 = −2 −4 1 3 1 5 1 −3
Correlación
𝑥 = 𝑖𝑛𝑝𝑢𝑡 (′𝑠𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑑𝑒𝑟𝑒𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 =′);

𝑦 = 𝑖𝑛𝑝𝑢𝑡 (′𝑠𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑠𝑒𝑔𝑢𝑛𝑑𝑎′ );
𝑀1 = 𝑙𝑒𝑛𝑔ℎ𝑡 (𝑦) − 1; 𝑛2 = 𝑙𝑒𝑛𝑔ℎ𝑡(𝑥 ) − 1;
𝑟 = 𝑐𝑜𝑛𝑣(𝑥, 𝑓𝑙𝑖𝑝𝑒𝑟(𝑦));
𝑘 = (−𝑛1): 𝑛2 ;
𝑠𝑡𝑒𝑚(𝑘, 𝑟)
𝑥𝑙𝑎𝑏𝑒𝑙 (′𝑙𝑎𝑔′); 𝑦𝑙𝑎𝑏𝑒𝑙 (′𝐴𝑚𝑝𝑙𝑖𝑡𝑢𝑑 ′);
𝑉 = 𝑎𝑥𝑖𝑠;
𝑎𝑥𝑖𝑠([−𝑛1 𝑛2 ∨ (3: 𝑒𝑛𝑑 )]);
𝑥 (𝑛) = [1 3 −2 1 2 −1 4 4 2];
𝑦(𝑛) = [2 −1 4 1 −2 3]
1.6 Transformada discreta de Fourier
Uso de 𝑒 −𝑗𝜔𝑛 y 𝑍 −𝑛
1) 𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 = 𝐷𝑖𝑠𝑐𝑟𝑒𝑡𝑒 𝑇𝑖𝑚𝑒 𝐹𝑜𝑢𝑟𝑖𝑒𝑟 𝑇𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚, donde se
mapea una secuencia en el dominio del tiempo 𝑉𝑠 una función continua
de la variable frecuencia.
2) Generalización de la 𝐷𝑇𝐹𝑇 = 𝑙𝑙𝑎𝑚𝑎𝑑𝑎 𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑑𝑎 𝑍.
3) Representación en dominio de transformación de una señal randómica.
4) DTFT de 𝑥(𝑛) en términos de la secuencia compleja exponencial
𝑒 −𝑗𝜔𝑛 ; 𝜔 = 𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑟𝑒𝑎𝑙
La DTFT de una secuencia 𝑥(𝑛) es

∞
𝑗𝜔 )
𝑋(𝑒 = ∑ 𝑥 (𝑛)𝑒 −𝑗𝜔𝑛 ; 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑐𝑜𝑚𝑝𝑙𝑒𝑗𝑎
𝑛=−∞
𝑗𝜔 )
𝑋(𝑒 = 𝑋𝑟𝑒 (𝑒 𝑗𝜔 ) + 𝑗 ℑ(𝑒 𝑗𝜔 )
𝑝𝑎𝑟𝑡𝑒 𝑟𝑒𝑎𝑙 𝑝𝑎𝑟𝑡𝑒 𝑖𝑚𝑎𝑔𝑖𝑛𝑎𝑟𝑖𝑎
En forma polar
𝑋(𝑒 𝑗𝜔 ) = |𝑋(𝑒 𝑗𝜔 )|𝑒 𝑗𝜑𝜔 𝑚𝑎𝑔𝑛𝑖𝑡𝑢𝑑

𝜑(𝜔) = 𝑎𝑟𝑔. {𝑋(𝑒 𝑗𝜔 )} 𝑓𝑎𝑠𝑒
𝑗𝜔
𝑋 ∗ (𝑒 ) = 𝑐𝑜𝑛𝑗𝑢𝑔𝑎𝑑𝑜
DFT - Discrete Fourier Transform
En el caso de una secuencia finita 𝑥 (𝑛) 0 ≤ 𝑛 ≤ 𝑛 − 1 existe una relación

entre la secuencia y su DTFT 𝑋(𝑒 𝑗𝜔 ).
Para una secuencia de longitud 𝑁, solo son suficientes 𝑁 valores de 𝑋(𝑒 𝑗𝜔 ),
“muestra de frecuencia” en 𝑁 puntos distintos; 𝜔 = 𝜔𝑘 ; 0≤𝑘≤
𝑗𝜔
𝑁 − 1; 𝑥(𝑛) y por tanto 𝑋(𝑒 ).
Ahí se maneja el concepto de DFT y IDFT.
−𝑗2𝜋𝑛⁄𝑁
𝑋(𝑘 ) = 𝑋𝑒 𝑗𝜔 𝜔=2𝜋𝑘⁄𝑁 = ∑𝑁−1
𝑛=0 𝑥(𝑛)𝑒
0 ≤ 𝜔 ≤ 2𝜋 0≤𝑘 ≤𝑁−1
𝜔𝑘 = 2𝜋𝑘 ⁄𝑁 ; 0 ≤ 𝑘 ≤ 𝑁 − 1
Utilizando la notación 𝑤𝑁 = 𝑒 −𝑗2𝜋⁄𝑁

TDF
𝑁−1
𝑋(𝑘 ) = ∑ 𝑥 (𝑛)𝜔𝑁 𝑘𝑛 0≤𝑘 ≤𝑁−1

𝑛=0
IDFT
𝑁−1
1
𝑥 (𝑛) = ∑ 𝑋 (𝑘 )𝜔𝑁 −𝑘𝑛 0≤𝑛 ≤𝑁−1
𝑁
𝑘=0
Conforme la matriz 𝑋 = 𝐷𝑁 𝑥
𝑥 = 𝑣𝑒𝑐𝑡𝑜𝑟 = [𝑥 (0), 𝑥 (1), … , 𝑥 (𝑁 − 1)]𝑇
𝑋 = 𝑣𝑒𝑐𝑡𝑜𝑟 = [𝑋(0), 𝑋(1), … , 𝑋(𝑁 − 1]𝑇
𝐷𝑁 = 𝐷𝐹𝑇 𝑀𝐴𝑇𝑅𝐼𝑋 𝑁𝑋𝑁
𝐷𝑁
Por ejemplo 𝑥 (𝑛) = (0, 1, 2, 3) 𝑁=4
𝑊4 =
Propiedades de 𝑊𝑁 = 𝑠𝑖𝑚𝑒𝑡𝑟í𝑎
Periodicidad 𝑊𝑁 𝑘+𝑁 = 𝑊𝑁 𝑘
𝑊4 =
𝑊4 =
𝑋4 = 𝑊4 𝑋4 =
𝑊𝑁 𝑒 −𝑗2𝜋⁄𝑁
2
𝑊4 2 = (𝑒 −𝑗2𝜋⁄𝑁 ) = 𝑒 𝑗4𝜋⁄4 = 𝑒 𝑗𝜋
= cos 𝜋 + 𝑗 sin 𝜋 = −1 + 𝑗0 = −1
1.7 Algoritmo FFT método Divide y vencerás
El problema de calcular DFT es calcular la secuencia 𝑋(𝑘) de 𝑁 valores

complejos.
Dada la secuencia 𝑥(𝑛) de longitud 𝑁
𝑁−1
𝑋 (𝑘 ) = ∑ 𝑥 (𝑛)𝑊𝑁 𝑘𝑛 0≤𝑘 ≤𝑁−1

𝑛=0
1 −𝑛𝑘
𝑊𝑁 = 𝑒 −𝑗2𝜋𝑘⁄𝑁 y 𝑥 (𝑛) = 𝑁 ∑𝑁−1
𝑘=0 𝑋 (𝑘 )𝑊𝑁 0≤𝑛 ≤𝑁−1
Para cada valor de 𝑘, el cálculo directo de 𝑋(𝑘) implica 𝑁 multiplicaciones

complejas (4𝑁 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑟𝑒𝑎𝑙𝑒𝑠) y 𝑁 − 1 sumas complejas (4𝑁 −
2) sumas reales, por tanto se necesitan
𝑁2 multiplicaciones complejas
2
𝑁 − 𝑁 sumas complejas
Cálculo ineficiente ya que no aprovecha las propiedades de simetría y

periodicidad de 𝑊𝑁
(factor de fase o twiddle)
𝑠𝑖𝑚𝑒𝑡𝑟𝑖𝑎 𝑊𝑁 𝑘+𝑁⁄2 = −𝑊𝑁 𝑘

𝑝𝑒𝑟𝑖𝑜𝑑𝑖𝑐𝑖𝑑𝑎𝑑 𝑊𝑁 𝑘+𝑛 = 𝑊𝑁 𝑘
La FFT aprovecha estas propiedades.
Método Divide y Vencerás
Este método se basa en la descomposición de una DFT sucesivamente más

pequeñas. Esto no lleva a algoritmos conocidos como FFT.
Si se quiere calcular DFT de 𝑁 puntos donde 𝑁 puede ser 𝑁 = 𝐿 ∗ 𝑀 (2
enteros)
Figura 20
Figura 21
Si se adopta que la primera fila consta de los 𝑀 primeros

elementos de 𝑥(𝑛), las segunda fila está formada por los 𝑀 elementos
siguientes de 𝑥(𝑛) y así sucesivamente.
Figura 22

Unidad I B

Cargado por

Copyright:

Formatos disponibles

Unidad I B

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

Unidad I B

Cargado por

Copyright:

Formatos disponibles

Para realizar la convolución en tiempo discreto de multiplican 2 secuencias

𝑥(𝑛) y ℎ(𝑛 − 𝑘 ) en −∞ < 𝑘 < ∞ y se suman los productos para obtener la

Se hace un ejercicio con un método gráfico de resolución.

La señal de entrada es:

La flecha indica la posición 0 en el eje 𝑛.

1) Primer paso, reflejamos ℎ(𝑘), la secuencia reflejada ℎ(−𝑘) es la

Se multiplica ∗ 𝑥(𝑘) punto a punto

𝑉−1 (𝑘 ) = ℎ(−1 − 𝑘 ) ∗ 𝑥(𝑘 )

𝑉−1 (𝑘 ) = ℎ(−1 − 𝑘 ) ∗ 𝑥(𝑘 )

Se continúa desplazando tanto a la derecha como izquierda hasta tener

𝑦(−1) = ∑ 𝑥(𝑘 ) ℎ(−1 − 𝑘 ) = 1

Debe señalarse que la convolución es conmutativa ósea que se puede

1) Reflexión, ℎ(𝑘) respecto a 𝑘 = 0 → ℎ(−𝑘)

Método de la tira deslizante

𝑦(𝑛) = {8, 22, 11, 31, 4, 12}

𝑦(𝑛) = {4, 11, 5.5, 15.5, 2, 6}

Convolución y correlación en MATLAB.

𝑟𝑥𝑦 (𝑙 ) = ∑ 𝑥 (𝑛)𝑦[−(𝑙 − 𝑛)] = 𝑥 (𝑙 ) ∗ 𝑦(−𝑙)

𝑎 = 𝑖𝑛𝑝𝑢𝑡 (′𝑝𝑟𝑖𝑚𝑒𝑟𝑎 𝑠𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎′ );

𝑥 = 𝑖𝑛𝑝𝑢𝑡 (′𝑠𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑑𝑒𝑟𝑒𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 =′);

1.6 Transformada discreta de Fourier

La DTFT de una secuencia 𝑥(𝑛) es

𝑋(𝑒 𝑗𝜔 ) = |𝑋(𝑒 𝑗𝜔 )|𝑒 𝑗𝜑𝜔 𝑚𝑎𝑔𝑛𝑖𝑡𝑢𝑑

DFT - Discrete Fourier Transform

En el caso de una secuencia finita 𝑥 (𝑛) 0 ≤ 𝑛 ≤ 𝑛 − 1 existe una relación

Utilizando la notación 𝑤𝑁 = 𝑒 −𝑗2𝜋⁄𝑁

𝑋(𝑘 ) = ∑ 𝑥 (𝑛)𝜔𝑁 𝑘𝑛 0≤𝑘 ≤𝑁−1

Por ejemplo 𝑥 (𝑛) = (0, 1, 2, 3) 𝑁=4

El problema de calcular DFT es calcular la secuencia 𝑋(𝑘) de 𝑁 valores

𝑋 (𝑘 ) = ∑ 𝑥 (𝑛)𝑊𝑁 𝑘𝑛 0≤𝑘 ≤𝑁−1

Para cada valor de 𝑘, el cálculo directo de 𝑋(𝑘) implica 𝑁 multiplicaciones

Cálculo ineficiente ya que no aprovecha las propiedades de simetría y

𝑠𝑖𝑚𝑒𝑡𝑟𝑖𝑎 𝑊𝑁 𝑘+𝑁⁄2 = −𝑊𝑁 𝑘

La FFT aprovecha estas propiedades.

Método Divide y Vencerás

Este método se basa en la descomposición de una DFT sucesivamente más

Si se adopta que la primera fila consta de los 𝑀 primeros

También podría gustarte