Señales y sistemas

1.1 INTRODUCCIÓN

En este capítulo comenzamos nuestro estudio del procesamiento de señales digitales desarrollando la noción de una
señal de tiempo discreto y un sistema de tiempo discreto. Nos concentraremos en resolver problemas relacionados
con representaciones de señales, manipulaciones de señales, propiedades de señales, clasificación del sistema y
propiedades del sistema. Primero, en la Sec. 1.2 definimos con precisión qué se entiende por una señal de tiempo
discreto y luego desarrollamos algunas operaciones básicas, pero importantes, que pueden realizarse en estas
señales. Luego, en la Sec. 1.3 consideramos sistemas de tiempo discreto. De especial importancia serán las nociones
de linealidad, cambio-invariancia, causalidad, estabilidad e invertibilidad. Se demostrará que para los sistemas que
son lineales e invariantes por desplazamiento, la entrada y la salida están relacionadas por una suma de convolución.
Las propiedades de la suma de convolución y los métodos para realizar convoluciones se discuten en la Sec. 1.4.
Finalmente, en la sec. 1.5 observamos los sistemas de tiempo discreto que se describen en términos de una ecuación
de diferencia.

1.2 SEÑALES DE TIEMPO DISCRETO

Una señal de tiempo discreto es una secuencia indexada de números reales o complejos. Por lo tanto, una señal de
tiempo discreto es una función de una variable de valor entero, n, que se denota por x (n). Aunque la variable
independiente n no necesariamente representa el "tiempo" (n puede, por ejemplo, corresponder a una coordenada
espacial o distancia), x (n) generalmente se conoce como una función del tiempo. Una señal de tiempo discreto no
está definida para valores no enteros de n. Por lo tanto, una señal de valor real x (n) se representará gráficamente en
forma de gráfico de piruleta como se muestra en la Fig. 1- I. En

Figura 1-1. La representación gráfica de una señal de tiempo discreto x (n).

Algunos problemas y aplicaciones es conveniente ver x (n) como un vector. Por lo tanto, los valores de secuencia x
(0) a x (N - 1) a menudo pueden considerarse como los elementos de un vector de columna de la siguiente manera:

Las señales de tiempo discreto a menudo se derivan al muestrear una señal de tiempo continuo, como el habla, con
un convertidor analógico a digital (AID). Por ejemplo, una señal de tiempo continuo x, (t) que se muestrea a una
velocidad de fs = l / Ts muestras por segundo produce la señal muestreada x (n), que está relacionada con xa (t) de la
siguiente manera:

Sin embargo, no todas las señales de tiempo discreto se obtienen de esta manera. Se puede considerar que algunas
señales son secuencias de tiempo discreto de origen natural porque no hay un convertidor analógico a digital físico
que esté convirtiendo una señal analógica en una señal de tiempo discreto. Ejemplos de señales que entran en esta
categoría incluyen precios diarios del mercado de valores, estadísticas de población, inventarios de almacenes y el
número de manchas solares de Wolfer.

1.2.1 Secuencias complejas

En general, una señal de tiempo discreto puede tener un valor complejo. De hecho, en una serie de aplicaciones
importantes como las comunicaciones digitales, las señales complejas surgen naturalmente. Una señal compleja
puede expresarse en términos de sus partes reales e imaginarias,

o en forma polar en términos de su magnitud y fase,

La magnitud puede derivarse de las partes real e imaginaria de la siguiente manera:

mientras que la fase se puede encontrar usando

Si z (n) es una secuencia compleja, el conjugado complejo, denotado por z * (n), se forma cambiando el signo en la
parte imaginaria de z (n):

1.2.2 Algunas secuencias fundamentales

Aunque la mayoría de las señales de interés práctico que contienen información son funciones complicadas del
tiempo, existen tres señales simples, pero importantes, de tiempo discreto que se utilizan con frecuencia en la
representación y descripción de señales más complicadas. Estas son la muestra unitaria, el paso unitario y la
exponencial. La muestra unitaria, denotada por S (n), se define por

y juega el mismo papel en el procesamiento de señal de tiempo discreto que el impulso de la unidad juega en el
procesamiento de señal de tiempo continuo. El paso unitario, denotado por u (n), se define por:

y está relacionado con la muestra unitaria por

Del mismo modo, una muestra unitaria puede escribirse como una diferencia de dos pasos:
Finalmente, una secuencia exponencial se define por

donde a puede ser un número real o complejo. De particular interés es la secuencia exponencial que se forma
cuando a = e ~ m, donde q, es un número real. En este caso, x (n) es un exponencial complejo

Como veremos en el próximo capítulo, los exponenciales complejos son útiles en la descomposición de señales de
Fourier.

1.2.3 Duración de la señal

Las señales de tiempo discreto pueden clasificarse convenientemente en términos de su duración o extensión. Por
ejemplo, se dice que una secuencia de tiempo discreto es una secuencia de longitud finita si es igual a cero para
todos los valores de n fuera de un intervalo finito [N1, N2]. Se dice que las señales que no tienen una longitud finita,
como el paso unitario y el exponencial complejo, son secuencias de longitud infinita. Las secuencias de longitud
infinita pueden clasificarse además como del lado derecho, del lado izquierdo o de dos lados. Una secuencia del lado
derecho es cualquier secuencia de longitud infinita que sea igual a cero para todos los valores de n <no para algún
número entero no. El paso unitario es un ejemplo de una secuencia del lado derecho. De manera similar, se dice que
una secuencia de longitud infinita x (n) tiene el lado izquierdo si, para algún número entero no, x (n) = 0 para todo n>
no. Un ejemplo de una secuencia del lado izquierdo es

que es un paso unitario de tiempo invertido y retrasado. Una señal de longitud infinita que no es ni del lado derecho
ni del lado izquierdo, como el exponencial complejo, se conoce como una secuencia de dos lados.

1.2.4 Secuencias periódicas y aperiódicas

Una señal de tiempo discreto siempre se puede clasificar como periódica o aperiódica. Se dice que una señal x (n) es
periódica si, para algún entero real positivo N,

para todos los n. Esto es equivalente a decir que la secuencia se repite cada N muestras. Si una señal es periódica
con el período N, también es periódica con el período 2N, el período 3N y todos los demás múltiplos enteros de N. El
período fundamental, que denotaremos por N, es el número entero positivo más pequeño para el que Eq. (I .I) está
satisfecho. Si la ecuación (1 .I) no se satisface para ningún número entero N, se dice que x (n) es una señal
aperiódica.

EJEMPLO 1.2.1 Las señales

no son periódicas, mientras que la señal

es periódica y tiene un período fundamental de N = 16.

Si xl (n) es una secuencia que es periódica con un período N1, y x2 (n) es otra secuencia que es periódica con un
período N2, la suma

siempre será periódico y el período fundamental es:

donde gcd (NI, N2) significa el máximo común divisor de N1 y N2. Lo mismo es cierto para el producto; es decir,

será periódico con un período N dado por la ecuación. (1.2) Sin embargo, el período fundamental puede ser más
pequeño. Dada cualquier secuencia x (n), siempre se puede formar una señal periódica replicando x (n) de la
siguiente manera:

donde N es un entero positivo. En este caso, y (n) será periódico con el período N.

1.2.5 Secuencias simétricas

Una señal de tiempo discreto a menudo posee alguna forma de simetría que puede explotarse para resolver
problemas. Dos simetrías de interés son las siguientes:

Definición: Se dice que una señal de valor real es incluso si, para todo n,

mientras que se dice que una señal es impar si, para todo n,

x (n) = -x (-n)

Cualquier señal x (n) puede descomponerse en una suma de su parte par, xe (n) y su parte impar, xo (n), como sigue:

Para encontrar la parte par de x (n) formamos la suma

mientras que para encontrar la parte extraña tomamos la diferencia

Para secuencias complejas, las simetrías de interés son ligeramente diferentes.

Definición: Se dice que una señal compleja es conjugada simétrica3 si, para todo n,

y se dice que una señal es antisimétrica conjugada si, para todo n,

Cualquier señal compleja siempre se puede descomponer en una suma de una señal simétrica conjugada y una señal
antisimétrica conjugada.

1 J.6 Manipulaciones de señal

En nuestro estudio de señales y sistemas de tiempo discreto nos ocuparemos de la manipulación de señales. Estas
manipulaciones son generalmente composiciones de algunas transformaciones de señal básicas. Estas
transformaciones pueden clasificarse como aquellas que son transformaciones de la variable independiente n o
aquellas que son transformaciones de la amplitud de x (n) (es decir, la variable dependiente). En las siguientes dos
subsecciones veremos brevemente estas dos clases de transformaciones y enumeraremos las que se encuentran
más comúnmente en las aplicaciones.

Las secuencias a menudo se alteran y manipulan modificando el índice n de la siguiente manera:

donde f (n) es alguna función de n. Si, para algún valor de n, f (n) no es un número entero, y (n) = x (f (n)) no está
definido. La determinación del efecto de modificar el índice n siempre se puede lograr utilizando un enfoque tabular
simple de listado, para cada valor de n, el valor de f (n) y luego estableciendo y (n) = x (f (n)). Sin embargo, para
muchas transformaciones de índice esto no es necesario, y la secuencia se puede determinar o trazar directamente.
Las transformaciones más comunes incluyen desplazamiento, inversión y escala, que se definen a continuación.

Desplazamiento Esta es la transformación definida por f (n) = n - no. Si y (n) = x (n - no), x (n) se desplaza hacia la
derecha sin muestras si no es positivo (esto se conoce como retraso), y se desplaza hacia la izquierda sin muestras si
no es negativo (denominado avance).

Inversión Esta transformación viene dada por f (n) = - n y simplemente implica "voltear" la señal x (n) con respecto al
índice n.

Escala de tiempo Esta transformación se define por f (n) = Mn o f (n) = n / N donde M y N son enteros positivos. En el
caso de f (n) = Mn, la secuencia x (Mn) se forma tomando cada muestra de Mth de x (n) (esta operación se conoce
como muestreo descendente). Con f (n) = n / N, la secuencia y (n) = x (f (n)) se define de la siguiente manera:

(esta operación se conoce como muestreo ascendente).

En la figura 1-2 se ilustran ejemplos de desplazamiento, inversión y escala de tiempo de una señal.
Las operaciones de desplazamiento, inversión y escala de tiempo dependen del orden. Por lo tanto, uno debe tener
cuidado al evaluar las composiciones de estas operaciones. Por ejemplo, la figura 1-3 muestra dos sistemas, uno que
consiste en un retraso seguido de una inversión y otro que es una inversión seguida de un retraso. Como se indica.
Las salidas de estos dos sistemas no son las mismas.

Suma, multiplicación y escalado

Los tipos más comunes de transformaciones de amplitud son la suma, la multiplicación y la escala. Realizar estas
operaciones es sencillo e involucra solo operaciones puntuales en la señal.

Suma. La suma de dos señales

está formado por la suma puntual de los valores de la señal.

Multiplicación. La multiplicación de dos señales

está formado por el producto puntual de los valores de la señal.

Escalada. La escala de amplitud de una señal x (n) por una constante c se logra multiplicando cada valor de señal por
c:

Esta operación también puede considerarse como el producto de dos señales, x (n) y f (n) = c.

1.2.7 Descomposición de señal

La muestra unitaria puede usarse para descomponer una señal arbitraria x (n) en una suma de muestras unitarias
ponderadas y desplazadas de la siguiente manera:

Esta descomposición puede escribirse de manera concisa como:

donde cada término en la suma, x (k) S (n - k), es una señal que tiene una amplitud de x (k) en el tiempo n = k y un
valor de cero para todos los demás valores de n. Esta descomposición es la versión discreta de la propiedad svting
para señales de tiempo continuo y se utiliza en la derivación de la suma de convolución.

1.3 SISTEMAS DE TIEMPO DISCRETO

Un sistema de tiempo discreto es un operador matemático o mapeo que transforma una señal (la entrada) en otra
señal (la salida) por medio de un conjunto fijo de reglas u operaciones. La notación T [-] se utiliza para representar un
sistema general como se muestra en la figura 1-4, en el que una señal de entrada x (n) se transforma en una señal de
salida y (n) a través de la transformación T [.]. Las propiedades de entrada-salida de un sistema pueden especificarse
de cualquiera de varias maneras diferentes. La relación entre la entrada y la salida, por ejemplo, puede expresarse
en términos de una regla o función matemática concisa, como

Sin embargo, también es posible describir un sistema en términos de un algoritmo que proporciona una secuencia
de instrucciones u operaciones que se aplicarán a la señal de entrada, como:
En algunos casos, un sistema puede especificarse convenientemente en términos de una tabla que define el
conjunto de todos los posibles pares de señales de entrada-salida de interés.

Figura 1-4. La representación de un sistema de tiempo discreto como una transformación T [.] Que mapea una señal
de entrada x (n) en una señal de salida y (n).

Los sistemas de tiempo discreto pueden clasificarse en términos de las propiedades que poseen. Las propiedades de
interés más comunes incluyen linealidad, cambio-invariancia, causalidad, estabilidad e invertibilidad. Estas
propiedades, junto con algunas otras, se describen en la siguiente sección.

1.XI Propiedades del sistema

Sistema sin memoria

La primera propiedad se refiere a si un sistema tiene memoria o no.

Definición: Se dice que un sistema no tiene memoria si la salida en cualquier momento n = no depende solo de la
entrada en el tiempo n = no.

En otras palabras, un sistema no tiene memoria si, por cualquier no, podemos determinar el valor de y (no) dado
solo el valor de x (no).

EJEMPLO 1.3.1 El sistema

no tiene memoria porque y (no) depende solo del valor de x (n) en el tiempo no. El sistema

por otro lado, no está sin memoria porque la salida en el tiempo no depende del valor de la entrada tanto en el
tiempo no como en el tiempo no - 1.

Aditividad

Un sistema aditivo es aquel para el cual la respuesta a una suma de entradas es igual a la suma de las entradas
individualmente. Así,

Definición: Se dice que un sistema es aditivo si

para cualquier señal XI (n) y x2 (n).

Homogeneidad

Se dice que un sistema es homogéneo si el escalado de la entrada por una constante da como resultado un escalado
de la salida en la misma cantidad. Específicamente,

Definición: Se dice que un sistema es homogéneo si

para cualquier constante compleja c y para cualquier secuencia de entrada x (n).

EJEMPLO 1.3.2 El sistema definido por

Sin embargo, este sistema es homogéneo porque, para una entrada cx (n), la salida es

Por otro lado, el sistema definido por la ecuación

es aditivo porque

Sin embargo, este sistema no es homogéneo porque la respuesta a cx (n) es:

que no es lo mismo que:

Sistemas lineales

Se dice que un sistema que es tanto aditivo como homogéneo es lineal. Así,

Definición: Se dice que un sistema es lineal si

para cualesquiera dos entradas x1 (n) y x2 (n) y para cualquier constante compleja a1 y a2.
La linealidad simplifica enormemente la evaluación de la respuesta de un sistema a una entrada dada. Por ejemplo,
usando la descomposición para x (n) dada en la ecuación. (1.4), y utilizando la propiedad de aditividad, se deduce
que la salida y (n) puede escribirse como

Debido a que los coeficientes x (k) son constantes, podemos usar la propiedad de homogeneidad para escribir

Si definimos hk (n) como la respuesta del sistema a una muestra unitaria en el tiempo n = k,

que se conoce como la suma de superposición.

Shift-Invariance

Si un sistema tiene la propiedad de que un cambio (retraso) en la entrada por no da como resultado un cambio en la
salida por no, se dice que el sistema es invariante de cambio. Más formalmente,

Definición: Sea y (n) la respuesta de un sistema a una entrada arbitraria x (n). Se dice que el sistema es invariante de
cambio si, para cualquier retraso no, la respuesta a x (n - no) es y (n - no). Se dice que un sistema que no es
invariante de turno está cambiando.

En efecto, un sistema será invariable si sus propiedades o características no cambian con el tiempo. Para probar la
invarianza de desplazamiento, uno necesita comparar y (n - no) con T [x (n - no)]. Si son iguales para cualquier
entrada x (n) y para todos los turnos no, el sistema es invariante de turno.

EJEMPLO 1.3.3 El sistema definido por

es shift-invariant, que se puede mostrar de la siguiente manera. Si y (n) = x´2 (n) es la respuesta del sistema a x (n), la
respuesta del sistema a

Como y '(n) = y (n - no), el sistema es invariante por desplazamiento. Sin embargo, el sistema descrito por la ecuación
es variable de turno. Para ver esto, tenga en cuenta que la respuesta del sistema a la entrada x (n) =

mientras que la respuesta

Porque esto no es lo mismo que y (n - 1) = El sistema varía según el turno.

Sistemas lineales Shin-Invariantes

Un sistema que es tanto lineal como invariante por desplazamiento se conoce como un sistema lineal invariante shifi
(LSI). Si h (n) es la respuesta de un sistema LSI a la muestra unitaria 6 (n), su respuesta a 6 (n - k) será h (n - k). Por lo
tanto, en la suma de superposición dada en la ecuación. (1.6)

donde * indica el operador de convolución. La secuencia h (n), denominada respuesta de muestra unitaria,
proporciona una caracterización completa de un sistema LSI. En otras palabras, la respuesta del sistema a cualquier
entrada x (n) se puede encontrar una vez que se conoce h (n).

Causalidad

Una propiedad del sistema que es importante para las aplicaciones en tiempo real es la causalidad, que se define de
la siguiente manera:

Definición: Se dice que un sistema es causal si, para cualquier no, la respuesta del sistema en el momento no
depende solo de la entrada hasta el tiempo n = no.

Para un sistema causal, los cambios en la salida no pueden preceder a los cambios en la entrada. Por lo tanto, si xl
(n) = x2 (n) para n 5 no, yl (n) debe ser igual a y2 (n) para n 5 no. Por lo tanto, los sistemas causales se denominan
no anticipatorios. Un sistema LSI será causal si y solo si h (n) es igual a cero para n <0.

EJEMPLO 1.3.4 El sistema descrito por la ecuación y (n) = x (n) + x (n - 1) es causal porque el valor de la salida en
cualquier momento n = no depende solo de la entrada x (n) en el momento no y en el tiempo no - 1. El sistema
descrito por y (n) = x (n) + x (n + I), por otro lado, no es causal porque la salida en el tiempo n = no depende del
valor de la entrada en el momento no + 1.

Estabilidad

En muchas aplicaciones, es importante que un sistema tenga una respuesta, y (n), que esté limitada en amplitud
siempre que la entrada esté limitada. Se dice que un sistema con esta propiedad es estable en el sentido de
entrada-salida limitada (BIBO). Específicamente,

Definición: Se dice que un sistema es estable en el sentido de salida delimitado por entrada-límite si, para
cualquier entrada que está limitada, Ix (n) l I A <m, la salida estará limitada,

Por
Para un sistema lineal invariante de desplazamiento, la estabilidad está garantizada si la respuesta de la muestra
unitaria es absolutamente sumable:

EJEMPLO 1.3.5 Un sistema LSI con respuesta de muestra unitaria h (n) =

El sistema descrito por la ecuación y (n) = nx (n), por otro lado, no es estable porque la respuesta a un paso unitario,
x (n) = u (n), es y (n) = nu ( n), que no tiene límites.

Invertibilidad

Una propiedad del sistema que es importante en aplicaciones como la ecualización de canales y la deconvolución es
la invertibilidad. Se dice que un sistema es invertible si la entrada al sistema puede determinarse de manera única a
partir de la salida. Para que un sistema sea invertible, es necesario que entradas distintas produzcan salidas distintas.
En otras palabras, dadas las dos entradas x1(n) y x2 (n) con x1 (n) ≠ x2 (n), debe ser cierto que y1(n) ≠ y2 (n).

EJEMPLO 1.3.6 El sistema definido por

y (n) = x (n) g (n)

es invertible si y solo si g (n) ≠ 0 para todo n. En particular, dado y (n) con g (n) distinto de cero para todos n, x (n)
puede recuperarse de y (n) de la siguiente manera:

1.4 CONVOLUCIÓN

La relación entre la entrada a un sistema lineal invariante de desplazamiento, x (n), y la salida, y (n), viene dada por
la suma de convolución

Debido a que la convolución es fundamental para el análisis y la descripción de los sistemas LSI, en esta sección
veremos la mecánica de realizar convoluciones. Comenzamos enumerando algunas propiedades de convolución que
pueden usarse para simplificar la evaluación de la suma de convolución.

1.4.1 Propiedades de convolución

La convolución es un operador lineal y, por lo tanto, tiene una serie de propiedades importantes, incluidas las
propiedades conmutativas, asociativas y distributivas. Las definiciones e interpretaciones de estas propiedades se
resumen a continuación.
Propiedad conmutativa

La propiedad conmutativa establece que el orden en el que se involucran dos secuencias no es importante.
Matemáticamente, la propiedad conmutativa es

Desde el punto de vista de los sistemas, esta propiedad establece que un sistema con una respuesta de muestra
unitaria h (n) y una entrada x (n) se comporta exactamente de la misma manera que un sistema con una respuesta
de muestra unitaria x (n) y una entrada h (n). Esto se ilustra en la Fig. 1-5 (a).

Propiedad asociativa

El operador de convolución satisface la propiedad asociativa, que es

Desde el punto de vista de los sistemas, la propiedad asociativa establece que si dos sistemas con respuestas de
muestra unitarias h1 (n) y h2 (n) están conectados en cascada como se muestra en la figura I -5 (b), un sistema
equivalente es uno que tiene una respuesta de muestra unitaria igual a la convolución de h1 (n) y h2 (n):

Propiedad distributiva

La propiedad distributiva del operador de convolución establece que

Desde el punto de vista de los sistemas, esta propiedad afirma que si dos sistemas con respuestas de muestra
unitarias hl (n) y h2 (n) están conectados en paralelo, como se ilustra en la figura 1-5 (c), un sistema equivalente es
uno que tiene una respuesta de muestra unitaria igual a la suma de h

1 A.2 Realización de convoluciones

Habiendo considerado algunas de las propiedades del operador de convolución, ahora observamos la mecánica de
realizar convoluciones. Hay varios enfoques diferentes que pueden usarse, y el que sea más fácil dependerá de la
forma y el tipo de secuencias que deben ser convolucionadas.

Evaluación directa

Cuando las secuencias que están siendo convolucionadas pueden describirse mediante simples expresiones
matemáticas de forma cerrada, la convolución a menudo se realiza más fácilmente evaluando directamente la suma
dada en la ecuación. (I 7). Al realizar convoluciones directamente, generalmente es necesario evaluar sumas finitas o
infinitas que involucran términos de la forma .

En la tabla 1-1 se enumeran expresiones de forma cerrada para algunas de las series más comunes.

EJEMPLO 1.4.1 Realicemos la convolución de las dos señales

Tabla 1-1 Expresiones de forma cerrada para algunas series comúnmente encontradas

Con la evaluación directa de la suma de convolución encontramos

Debido a que u (k) es igual a cero para k <0 y u (n - k) es igual a cero para k> n, cuando n <0, no hay términos
distintos de cero en la suma e y (n) = 0. Por otro lado, si n> = 0,
Enfoque gráfico

Además del método directo, las convoluciones también se pueden realizar gráficamente. Los pasos involucrados en
el uso del enfoque gráfico son los siguientes:

1. Trace ambas secuencias, x (k) y h (k), como funciones de k. 2. Elija una de las secuencias, diga h (k) y reversa en el
tiempo para formar la secuencia h (-k). 3. Cambie la secuencia de tiempo invertido por n. [Nota: Si n> 0, esto
corresponde a un desplazamiento hacia la derecha (retraso), mientras que si n <0, esto corresponde a un
desplazamiento hacia la izquierda (avance).] 4. Multiplique las dos secuencias x (k) y h (n - k) y sume el producto para
todos los valores de k. El valor resultante será igual a y (n). Este proceso se repite para todos los turnos posibles, n.

EJEMPLO 1.4.2 Para ilustrar el enfoque gráfico de la convolución, evalúemos y (n) = x (n) * h (n) donde x (n) y h (n)
son las secuencias que se muestran en la figura 1-6 ( a) y (b), respectivamente. Para realizar esta convolución,
seguimos los pasos enumerados anteriormente:

1. Debido a que x (k) yh (k) están representados en función de k en la figura 1-6 (a) y (b), acontinuación elegimos una
de las secuencias para invertir en el tiempo. En este ejemplo, invertimos el tiempo h (k), que se muestra en la figura
1-6 (c). 2. Formando el producto, x (k) h (-k), y sumando sobre k, encontramos que y (0) = 1. 3. Desplazar h (k) a la
derecha en uno da como resultado la secuencia h (l - k) se muestra en la figura 1-6 (d). Formando el producto, x (k) h
(l - k), y sumando sobre k, encontramos que y (1) = 3. 4. Al desplazar h (l - k) a la derecha nuevamente se obtiene la
secuencia h (2 - k) que se muestra en la figura 1-6 (e). Formando el producto, x (k) h (2 - k), y sumando sobre k,
encontramos que y (2) = 6. 5. Continuando de esta manera, encontramos que y (3) = 5. y (4 ) = 3, yy (n) = 0 para n> 4.
6. Luego tomamos h (-k) y lo desplazamos a la izquierda por uno como se muestra en la figura 1-6 (f). Debido a que el
producto, x (k) h (- 1 - k), es igual a cero para todo k, encontramos que y (- I) = 0. De hecho. y (n) = 0 para todos n <0.

La Figura 1-6 (g) muestra la convolución para todo n.

 Figura 1-6. El enfoque gráfico de la convolución.

Un hecho útil para recordar al realizar la convolución de dos secuencias de longitud finita es que si x (n) es de
longitud L1 y h (n) es de longitud L2, y (n) = x (n) * h (n) será de longitud

Además, si los valores distintos de cero de x (n) están contenidos en el intervalo [M, N] y los valores distintos de cero
de h (n) están contenidos en el intervalo [Mh, Nh], los valores distintos de cero de y (n) estar confinado al intervalo
[M, + Mh, N, + Nh].

EJEMPLO 1.4.3 Considere la convolución de la secuencia

Como x (n) es cero fuera del intervalo [lo, 201 y h (n) es cero fuera del intervalo [-5, 5), los valores distintos de cero
de la convolución, y (n) = x (n) * h (n), estará contenido en el intervalo [5, 25).

Método de regla de cálculo

Otro método para realizar convoluciones, que llamamos el método de la regla de cálculo, es particularmente
conveniente cuando tanto x (n) como h (n) tienen una longitud finita y una duración corta. Los pasos involucrados en
el método de la regla de cálculo son los siguientes:

Escriba los valores de x (k) en la parte superior de una hoja de papel y los valores de h (-k) en la parte superior de
otra hoja de papel como se ilustra en la figura 1-7. Alinee los dos valores de secuencia x (0) y h (O), multiplique cada
par de números y agregue los productos para formar el valor de y (0). Deslice el papel con la secuencia de tiempo
invertido h (k) hacia la derecha por uno, multiplique cada par de números, sume los productos para encontrar el
valor y (l) y repita para todos los cambios a la derecha por n> 0. Haga lo mismo, desplazando la secuencia de tiempo
invertido a la izquierda, para encontrar los valores de y (n) para ni 0.

1.5 ECUACIONES DE DIFERENCIA

La suma de convolución expresa la salida de un sistema lineal invariante de desplazamiento en términos de una
combinación lineal de los valores de entrada x (n). Por ejemplo, la ecuación describe un sistema que tiene una
respuesta de muestra unitaria h (n) = esta se describe por la ecuación

Aunque esta ecuación permite calcular la salida y (n) para una entrada arbitraria x (n), desde un punto de vista
computacional, esta representación no es muy eficiente. En algunos casos, es posible expresar de manera más
eficiente la salida en términos de valores pasados de la salida, además de los valores actuales y pasados de la
entrada. El sistema anterior, por ejemplo, puede describirse de manera más concisa de la siguiente manera:

La ecuación (1.10) es un caso especial de lo que se conoce como una ecuación de diferencia de coeficiente constante
lineal, o LCCDE. La forma general de un LCCDE es

donde los coeficientes a (k) y h (k) son constantes que definen el sistema. Si la ecuación de diferencia tiene uno o
más términos a (k) que no son cero, se dice que la ecuación de diferencia es recursiva. Por otro lado, si todos los
coeficientes a (k) son iguales a cero, se dice que la ecuación de diferencia no es recursiva. Por lo tanto, la ecuación.
(1 .10) es un ejemplo de una ecuación de diferencia recursiva de primer orden, mientras que la ecuación. (1.9) es
una ecuación de diferencia no recursiva de orden infinito. Las ecuaciones de diferencia proporcionan un método
para calcular la respuesta de un sistema, y (n), a una entrada arbitraria x (n). Sin embargo, antes de que estas
ecuaciones puedan resolverse, es necesario especificar un conjunto de condiciones iniciales. Por ejemplo, con una
entrada x (n) que comienza en el tiempo n = 0, la solución a la ecuación. (1.11) en el tiempo n = 0 depende de valores
de y (-l),. . . , y (-p). Por lo tanto, estas condiciones iniciales deben especificarse antes de encontrar la solución para
n> = 0. Cuando estas condiciones iniciales son cero, se dice que el sistema está en reposo inicial. Para un sistema LSI
que se describe mediante una ecuación de diferencia, la respuesta de muestra unitaria, h (n), se encuentra
resolviendo la ecuación de diferencia para x (n) suponiendo descanso inicial. Para un sistema no recursivo, a (k)
= 0, la ecuación de diferencia se convierte en

y la salida es simplemente una suma ponderada de los valores de entrada actuales y pasados. Como resultado, la
respuesta de muestra unitaria es simplemente un

Por lo tanto, h (n) tiene una longitud finita y el sistema se conoce como un sistema de respuesta de impulso de
longitud completa (FIR). Sin embargo, si a (k) ≠ 0, la respuesta de muestra unitaria es, en general, de longitud infinita
y el sistema se conoce como un sistema de respuesta de impulso de longitud infinita (IIR). Por ejemplo, si

la respuesta muestral unitaria es Hay varios métodos diferentes que uno puede usar para resolver
LCCDE para una entrada general x (n). El primero es simplemente configurar una tabla de valores de entrada y salida
y evaluar la ecuación de diferencia para cada valor de n. Este enfoque sería apropiado si solo fuera necesario
determinar unos pocos valores de salida. Otro enfoque es usar transformaciones z. Este enfoque se discutirá en el
cap. 4. El tercero es el enfoque clásico de encontrar las soluciones homogéneas y particulares, que ahora
describimos. Dado un LCCDE, la solución general es una suma de dos partes,

donde yh (n) se conoce como la solución homogénea e yp (n) es la solución particular. La solución homogénea es la
respuesta del sistema a las condiciones iniciales, suponiendo que la entrada x (n) = 0. La solución particular es la
respuesta del sistema a la entrada x (n), suponiendo cero condiciones iniciales. La solución homogénea se encuentra
resolviendo la ecuación de diferencia homogénea

La solución a la ecuación. (1.13) se puede encontrar asumiendo una solución del formulario
Sustituyendo esta solución en la ecuación. (1.13) obtenemos la ecuación polinómica

El polinomio entre llaves se llama polinomio característico. Debido a que es de grado p, tendrá raíces p, que pueden
ser reales o complejas. Si los coeficientes a (k) tienen un valor real, estas raíces se producirán en pares conjugados
complejos (es decir, para cada raíz compleja z, habrá otra que sea igual a zf). Si las raíces p Zi son distintas, Zi ≠ zk
para k ≠ i, la solución general a la ecuación de diferencia homogénea es

donde las constantes modificadas de la siguiente manera. La solución se convierte en Ak y se eligen para satisfacer
las condiciones iniciales. Para raíces repetidas, la solución debe ser Si z I es una raíz de multiplicidad m con las
restantes raíces p - m distintas, la homogénea

Para la solución particular, es necesario encontrar la secuencia yp (n) que satisfaga la ecuación de diferencia para la x
(n) dada. En general, esto requiere un poco de creatividad y perspicacia. Sin embargo, para muchas de las entradas
típicas que nos interesan, la solución tendrá la misma forma que la entrada. La Tabla 1-2 enumera la solución
particular para algunas entradas que se encuentran comúnmente. Por ejemplo, si x (n) = , la solución
particular tendrá la forma

siempre que a no sea una raíz de la ecuación característica. La constante C se encuentra sustituyendo la solución en
la ecuación de diferencia. Tenga en cuenta que para x (n) = CS (n) la solución particular es cero. Como x (n) = 0 para
n> 0, la muestra unitaria solo afecta la condición inicial de y (n).

Tabla 1-2 La solución particular a un LCCDE

EJEMPLO 1.5.1 Encontremos la solución a la ecuación de diferencia

para x (n) = u (n) suponiendo condiciones iniciales de y (- 1) = 1 e y (-2) = 0.

Comenzamos por encontrar la solución particular. De la tabla 1-2 vemos que para x (n) = u (n)

Sustituyendo esta solución en la ecuación de diferencia encontramos

Para que esto se mantenga, debemos tener

Para encontrar la solución homogénea, establecemos yh (n) = , que da el polinomio característico

Por lo tanto, la solución homogénea tiene la forma

Por lo tanto, la solución total es

Las constantes A1 y A2 ahora deben encontrarse para que la solución total satisfaga las condiciones iniciales dadas, y
(-1) = 1 e y (-2) = 0. Porque la solución dada en la ecuación. (1.17) solo aplica para n> = 0, debemos derivar un
conjunto equivalente de condiciones iniciales para y (0) e y (1). Evaluar la ecuación (1.16) en n = 0 yn = 1. Tenemos

Sustituyendo estas condiciones iniciales derivadas en la ecuación. (1.17) tenemos

Resolviendo para A y A2 encontramos:

Por lo tanto, la solución es

Aunque hasta ahora nos hemos centrado en ecuaciones de diferencia lineal con coeficientes constantes, no todos los
sistemas y no todas las ecuaciones de diferencia de interés son lineales, y no todos tienen coeficientes constantes.
Un sistema que calcula el promedio de una señal x (n) durante el intervalo [0, n], por ejemplo, se define por

Este sistema puede estar representado por una ecuación de diferencia que tiene coeficientes que varían en el
tiempo:

Aunque son más complicadas y difíciles de resolver, las ecuaciones de diferencia no lineal o las ecuaciones de
diferencia con coeficientes variables en el tiempo son importantes y surgen con frecuencia en muchas aplicaciones.

Problemas resueltos

Señales de tiempo discreto

1.1 Determine si las siguientes señales son periódicas y, para cada señal que es periódica, determine el período
fundamental.

b) Aquí tenemos la suma de dos señales periódicas,

con el período de la primera señal igual a Nl = 24, y el período de la segunda, N2 = 36. Por lo tanto, el período de la
suma es

c)Para que esta secuencia sea periódica, debemos poder encontrar un valor para N tal que
La función seno es periódica con un período de 2π. Por lo tanto, 0.2N debe ser un múltiplo entero de 2π . Sin
embargo, debido a que π es un número irracional, no existe un valor entero de N que haga que la igualdad sea
verdadera. Por lo tanto, esta secuencia es aperiódica.

d) Aquí tenemos el producto de dos secuencias periódicas con períodos NI = 32 y N2 = 34. Por lo tanto, el periodo
fundamental es

RESPUESTA FRECUENTE

Las funciones propias de los sistemas lineales invariantes de desplazamiento son secuencias que, cuando se ingresan
al sistema, pasan con solo un cambio en la amplitud (compleja). Es decir, si la entrada es x (n), la salida es y (n) = kx
(n), donde A, el valor propio, generalmente depende de la entrada x (n).

Señales de la forma

donde w es una constante, son funciones propias de los sistemas LSI. Esto puede mostrarse a partir de la suma de
convolución:

Por lo tanto, el valor propio, que denotamos por H (ejw), es:

Tenga en cuenta que H (eJw) es, en general, de valor complejo y depende de la frecuencia w del exponencial
complejo. Por lo tanto, puede escribirse en términos de sus partes reales e imaginarias.
o en términos de su magnitud y fase,

Donde

Las representaciones gráficas de la respuesta de frecuencia son de gran valor en el análisis de los sistemas LSI, y los
gráficos de magnitud y fase se usan comúnmente. Sin embargo, otra representación gráfica útil es una gráfica de 20
log1 H (eJ ") I versus o. Las unidades en la escala de magnitud logarítmica son decibelios (dB abreviado). Por lo tanto,
0 dB corresponde a un valor de 1H (ejW) l = 1,20dB es equivalente a 1H (ejw) l = 10, -20dB es equivalente a IH (ejU) l
= 0.1, y así sucesivamente. También es útil notar que 6 dB corresponde aproximadamente a IH (eJ ") (= 2, y -6 dB es
aproximadamente IH (eJW) l = 0.5. Una de las ventajas de una gráfica de magnitud logarítmica es que, debido a que
el logaritmo expande la escala para valores pequeños de (H (ej ") (, es útil para mostrar los detalles finos de la
respuesta de frecuencia cerca de cero. Una representación gráfica que se usa a menudo en lugar de la fase es el
retraso de grupo, que se define de la siguiente manera:

Al evaluar el retraso del grupo, se considera que la fase es una función continua y diferenciable de w al agregar
múltiplos enteros de n al valor principal de la fase (esto se conoce como desenvolver la fase). La función ~ (ej ") es
muy útil e importante en la caracterización de los sistemas LSI y se llama respuesta de frecuencia. La respuesta de
frecuencia define cómo se cambia un exponencial complejo en amplitud (compleja) cuando es filtrado por el
sistema. La frecuencia La respuesta es particularmente útil si somos capaces de descomponer una señal de entrada
en una suma de exponenciales complejos. Por ejemplo, la respuesta de un sistema LSI a una entrada de la forma

Estaran

donde H (ejw) es la respuesta de frecuencia del sistema evaluado en frecuencia wk

EJEMPLO 2.2.1 Sea x (n) = cos (n *) la entrada a un sistema invariante de desplazamiento lineal con una respuesta de
muestra unitaria de valor real h (n). Si x (n) se descompone en una suma de dos exponenciales complejos,
la respuesta del sistema puede escribirse como

Como h (n) tiene un valor real, H (eJW) es simétrico conjugado:

Por lo tanto

y se sigue que

2.6 PROPIEDADES DTFT

Hay una serie de propiedades de la DTFT que pueden usarse para simplificar la evaluación de la DTFT y su inversa.
Algunas de estas propiedades se describen a continuación. Un resumen de las propiedades de DTFT aparece en la
Tabla 2-2.

Periodicidad
La transformada de Fourier de tiempo discreto es periódica en w con un período de 2n:

Esta propiedad se deduce directamente de la definición de la DTFT y la periodicidad de los exponenciales complejos:

Nota: Dadas las DTFT X (eJW) e Y (eJW) de x (n) e y (n), esta tabla enumera las DTFT de secuencias que se forman a
partir de x (n) e y (n).

Simetría

La DTFT a menudo tiene algunas simetrías que pueden explotarse para simplificar la evaluación de la DTFT o la DTFT
inversa. Estas propiedades se enumeran en la tabla a continuación

Tenga en cuenta que estas propiedades pueden combinarse. Por ejemplo, si x (n) es simétrica conjugada, su parte
real es par y su parte imaginaria es impar. Por lo tanto, se deduce que X (eJW) tiene un valor real. Del mismo modo,
tenga en cuenta que si x (n) es real, la parte real de x (ejw) es par y la parte imaginaria es impar. Por lo tanto, X (ejw)
es conjugado simétrico.
(a) La secuencia x (n), es una secuencia decreciente linealmente que comienza en el índice n = 0 y termina en el
índice n = 5. La primera secuencia que se va a dibujar, y1(n) = x (4 - n), se encuentra desplazando x (n) por cuatro e
invirtiendo el tiempo. Observe que en el índice n = 4, y1(n) es igual a x (0). Por lo tanto, y1(n) tiene un valor de 6 en
n= 4 y disminuye linealmente a la izquierda (valores decrecientes de n) hasta n = - 1, más allá del cual y1(n) = 0.
 ç

(b) La segunda secuencia, y2 (n) = x (2n - 3), se forma mediante la combinación de desplazamiento de tiempo y
muestreo descendente. Por lo tanto, y2(n) pueden trazarse primero desplazando x (n) a la derecha por tres (retraso)
como se muestra en Fig. 1-8 (c). La secuencia y2 (n) se forma mediante muestreo descendente por un factor de 2 (es
decir, manteniendo solo los términos de índice par como se indica mediante los círculos sólidos en la figura 1-8 (c)).
Un bosquejo de yn (n) se muestra en la Fig. I-8 (d).

(c) La tercera secuencia, y3 (n) = x (8 - 3n), se forma a través de una combinación de cambio de giro, muestreo
descendente e inversión de tiempo. Para esbozar y3(n) comenzamos trazando x (8 - n), que se forma desplazando
x(n) a la izquierda por ocho (avance) y retrocediendo en el tiempo como se muestra en la figura 1-8 (e). Luego, y3 (n)
se encuentra extrayendo cada tercera muestra de x (8 - n), como lo indican los círculos sólidos, que se representan
en la figura 1-8 (f).

(d) Finalmente, y4(n) = x (n2 - 2n + 1) está formado por una transformación no lineal de la variable de tiempo n. Esta
secuencia se puede esbozar fácilmente enumerando cómo se asigna el índice n. Primero, tenga en cuenta que si n
2≥4 or n ≤-2, entonces n2 - 2n + 1≥ 9 y, por lo tanto, y4 (n) = 0. Para -I ≤ n ≤ 3 tenemos

La secuencia y4 (n) se bosqueja en la figura 1-8 (g).

La magnitud, fase y retraso de grupo de un sistema que tiene una respuesta de muestra unitaria

donde α es real.
La respuesta de frecuencia de este sistema es

Por lo tanto, la magnitud al cuadrado es

La fase, por otro lado, es

Finalmente, el retraso del grupo se puede encontrar al diferenciar la fase

el retraso del grupo es

que, después de la simplificación, se convierte

Otra forma de resolver este problema es usar la expresión para el retraso de grupo derivado en

Porque la respuesta de muestra unitaria es

Entonces

Por lo tanto, el retraso del grupo es

que es lo mismo que antes

(b) Habiendo encontrado el grupo de retraso para

podemos derivar fácilmente el retraso del grupo para cual es el inverso

de

Específicamente, porque

y por lo tanto,

(c) Para el último sistema, se puede factorizar de la siguiente manera

Si usamos la propiedad de modulación de la DTFT. Específicamente, recordando que si X ( e jw ) es la DTFT de x (n), la

DTFT de e jnθ x (n) es

Por lo tanto, si el retraso de grupo de x (n) es τ (w), el retraso de grupo de e jnθ x (n) será τ (w - 8). En el ejemplo
encontramos que el retraso de grupo de H (e jw ) = 1 / (I - α e− jw) es

Por lo tanto, de la propiedad de modulación se deduce que el grupo de retraso de es

y que el grupo de retraso de es