1.

2 Clasificación de las señales

Los métodos que utilicemos para procesar una señal o para analizar la respuesta de un sistema
dependerán enormemente de los atributos caraterísticos de la señal especificada. Existen técnicas
que sólo se aplican a familias específicas de señales. En consecuencia, cualquier investigación que
hagamos sobre el procesamiento de señales deberá comenzar por la clasificación de las señales
implicadas en la aplicación concreta. ✐ ✐ ✐ ✐ 6 Tratamiento digital de señales 1.2.1 Señales
multicanal y multidimensionales Como se ha explicado en la Sección 1.1, una señal se describe
mediante una función de una o más variables independientes. El valor de la función (es decir, de la
variable dependiente) puede ser una magnitud escalar real, una magnitud compleja o incluso un
vector. Por ejemplo, la señal s1(t) = Asen3πt es una señal real. Sin embargo, la señal s2(t) = Ae j3πt
= Acos3πt + jAsen3πt es compleja. En algunas aplicaciones, múltiples fuentes o múltiples sensores
generan las señales. Dichas señales pueden representarse en forma vectorial. La Figura 1.2.1
muestra las tres componentes de una señal vectorial que representa la aceleración en la superficie
terrestre debida a un terremoto. Esta aceleración es el resultado de tres Ondas S Ondas de
superficie Tiempo (segundos) Aceleración en g/10 Ondas P Sur Este Sur Vertical Vertical Este
Figura 1.2.1. Tres componentes de la aceleración en tierra medida a pocos kilómetros del
epicentro de un terremoto. (De Earthquakes, por B. A. Bold, ©1988 de W. H. Freeman and
Company. Reproducido con permiso del editor.) ✐ ✐ ✐ ✐ Capítulo 1 Introducción 7 I(x1, y1) x1
0 x y1 y Figura 1.2.2. Ejemplo de una señal bidimensional. tipos básicos de ondas elásticas. Las
ondas primarias (P) y las ondas secundarias (S) se propagan dentro del cuerpo de la roca y son
longitudinales y transversales, respectivamente. El tercer tipo de onda elástica recibe el nombre
de onda superficial, porque se propaga cerca de la superficie de la Tierra. Si sk(t), k = 1, 2, 3,
denota la señal eléctrica procedente del sensor k como una función del tiempo, el conjunto de p =
3 señales se puede representar mediante un vector S3(t), donde S3(t) =   s1(t) s2(t) s3(t)  
Decimos que un vector de señales así es una señal multicanal. Por ejemplo, en electrocardiografía,
se utilizan electrocardiogramas (ECG) de 3 tomas y de 12 tomas, que generan señales de 3 y 12
canales. Fijémonos ahora en las variables independientes. Si la señal es una función de una sola
variable independiente, se dice que la señal es unidimensional. Por otro lado, se dice que una
señal es M-dimensionalsi su valor es una función de M variables independientes. La imagen de la
Figura 1.2.2 es un ejemplo de una señal bidimensional, dado que la intensidad o brillo I(x,y) en
cada punto es una función de dos variables independientes. Por otra parte, una imagen de
televisión en blanco y negro puede representarse como I(x,y,t), puesto que el brillo es una función
del tiempo. Por tanto, la imagen de TV puede tratarse como una señal tridimensional. En cambio,
una imagen de TV en color puede escribirse mediante tres funciones de intensidad de la forma
Ir(x,y,t), Ig(x,y,t) e Ib(x,y,t), las cuales se corresponden con el brillo de los tres colores principales
(rojo, verde, azul) como funciones del tiempo. Por tanto, una imagen de TV en color es una señal
tridimensional de tres canales, que puede representarse mediante el vector: I(x,y,t) =   Ir(x,y,t)
Ig(x,y,t) Ib(x,y,t)   En este libro vamos a tratar fundamentalmente con señales
unidimensionales de un solo canal, reales o complejas, y vamos a referirnos a ellas simplemente
como señales. En términos matemáticos, estas señales se ✐ ✐ ✐ ✐ 8 Tratamiento digital de
señales describen mediante una función de un sola variable independiente. Aunque la variable
independiente no tiene por qué ser necesariamente el tiempo, es costumbre emplear t como la
variable independiente. En muchos casos, las operaciones y algoritmos para el procesamiento de
señales desarrollados en el texto para señales unidimensionales de un sólo canal pueden
extenderse a señales multidimensionales y multicanal. 1.2.2 Señales continuas y discretas en el
dominio del tiempo Las señales se pueden clasificar en cuatro categorías diferentes dependiendo
de las características de la variable independiente tiempo y de los valores que éstas tomen. Las
señales continuas en el tiempo o señales analógicas están definidas para cada instante de tiempo y
toman sus valores en el intervalo continuo (a,b), donde a puede ser −∞ y b puede ser ∞.
Matemáticamente, estas señales pueden describirse mediante funciones de una variable continua.
La onda de voz mostrada en la Figura 1.1.1 y las señales x1(t) = cosπt, x2(t) = e−|t| , −∞ < t < ∞
son ejemplos de señales analógicas. Las señales discretas en el tiempo sólo están definidas en
determinados instantes específicos de tiempo. Dichos instantes de tiempo no tienen que ser
equidistantes, aunque, en la práctica, normalmente están igualmente espaciados para facilitar los
cálculos. La señal x(tn) = e−|tn| , n = 0, ±1, ±2,... es un ejemplo de una señal discreta en el tiempo.
Si utilizamos el índice n para los instantes de tiempo discretos como la variable independiente, el
valor de la señal será una función de una variable entera (es decir, será una secuencia de
números). Por tanto, una señal discreta en el tiempo se puede representar matemáticamente
mediante una secuencia de números reales o complejos. Con el fin de resaltar la naturaleza
discreta de una señal, denotaremos dicha señal como x(n) en lugar de como x(t). Si los instantes de
tiempo tn están igualmente espaciados (es decir, tn = nT), también se utiliza la notación x(nT). Por
ejemplo, la secuencia x(n) = 0.8n, si n ≥ 0 0, en otro caso (1.2.1) es una señal discreta en el tiempo,
que se ha representado gráficamente en la Figura 1.2.3. En la práctica, las señales discretas en el
tiempo pueden originarse de dos formas: 1. Seleccionando valores de una señal analógica en
instantes discretos de tiempo. Este proceso se denomina muestreo y se estudia más en detalle en
la Sección 1.4. Todos los instrumentos de medida que realizan medidas a intervalos de tiempo
regulares proporcionan señales discretas en el tiempo. Por ejemplo, la señal x(n) de la Figura 1.2.3
puede obtenerse muestreando la señal analógica x(t) = 0.8t , t ≥ 0 y x(t) = 0, t < 0 una vez por
segundo. 2. Acumulando una variable en un período de tiempo. Por ejemplo, el número de coches
que pasan por una calle determinada en una hora o el valor del oro diario, dan lugar a señales
discretas en el tiempo. La Figura 1.2.4 muestra una gráfica del número de manchas solares de
Wölfer. Cada muestra de la señal discreta en el tiempo proporciona el número de manchas
observadas durante un intervalo de 1 año. −1 0 1 x(n) 1 2 3 4 5 6 7 n … … Figura 1.2.3.
Representación gráfica de la señal discreta en el tiempo x(n) = 0.8n para n > 0 y x(n) = 0 para n < 0.
✐ ✐ ✐ ✐ Capítulo 1 Introducción 9 1770 0 100 200 1790 1810 1830 1850 1870 Número de
manchas solares Año Figura 1.2.4. Número de manchas solares de Wölfer (1770–1869). 1.2.3
Señales continuas y señales discretas Los valores de una señal continua o discreta en el dominio
del tiempo pueden ser continuos o discretos. Si una señal toma todos los valores posibles en un
rango finito o infinito, se dice que es una señal continua. Alternativamente, si la señal toma valores
dentro un conjunto finito de posibles valores, se dice que la señal es discreta. Normalmente, estos
valores son equidistantes y, por tanto, pueden expresarse como un múltiplo entero de la distancia
entre dos valores sucesivos. Una señal discreta en el tiempo que tiene un conjunto de valores
discretos es una señal digital. La Figura 1.2.5 muestra una señal digital que toma uno de cuatro
valores posibles. Para que una señal pueda ser procesada digitalmente, debe ser discreta en el
tiempo y sus valores tienen que ser discretos (es decir, tiene que ser una señal digital). Si la señal
que se va a procesar es una señal analógica, se convierte en una señal digital muestreándola en
instantes discretos de tiempo, obteniéndose así una señal discreta en el tiempo, y cuantificando a
continuación sus valores en un conjunto de valores discretos, como se describe más adelante en el
capítulo. El proceso de conversión de una señal continua en una señal discreta se denomina
cuantificación, y es básicamente un proceso de aproximación. Puede realizarse de forma simple
mediante redondeo o truncamiento. Por ejemplo, si los valores permitidos de la señal digital son
enteros, como por ejemplo, de 0 hasta 15, la señal de valores continuos se cuantifica empleando
esos valores enteros. Por tanto, el valor de la señal 8.58 se aproximará al valor 8 si el proceso de
cuantificación se realiza mediante truncamiento, o a 9 si el proceso de cuantificación se realiza por
redondeo al entero más próximo. Más adelante en el capítulo se proporciona una explicación más
detallada del proceso de conversión analógico-digital. 1.2.4 Señales deterministas y señales
aleatorias El procesamiento y análisis matemático de señales requiere disponer de una descripción
matemática para la propia señal. Esta descripción matemática, a menudo denominada modelo de
señal, lleva a otra importante clasificación de las señales. Cualquier señal que se pueda describir
unívocamente mediante una expresión matemática explícita, una tabla de datos o una regla bien
definida se dice que es determinista. Este término se emplea para destacar el hecho de que todos
los valores pasados, presentes y futuros de la señal se conocen de forma precisa, sin
incertidumbre. ✐ ✐ ✐ ✐ 10 Tratamiento digital de señales −1 0 1 2 3 4 5 6 7 8 n x(n) … … Figura
1.2.5. Señal digital con cuatro valores de amplitud diferentes. Sin embargo, en muchas
aplicaciones prácticas, existen señales que o no se pueden describir con un grado razonable de
precisión mediante fórmulas matemáticas o una descripción resulta demasiado compleja como
para resultar práctica. La falta de una relación de este tipo implica que dichas señales evolucionan
en el tiempo de manera no predecible. Decimos que este tipo de señales son aleatorias. La salida
de un generador de ruido, la señal sísmica de la Figura 1.2.1 y la señal de voz de la Figura 1.1.1 son
ejemplos de señales aleatorias. El marco de trabajo matemático para llevar a cabo el análisis
teórico de las señales aleatorias lo proporciona la teoría de la probabilidad y los procesos
estocásticos. En la Sección 12.1 se presentan algunos de los elementos básicos de este enfoque
adaptados a las necesidades del libro. Debemos insistir en que la clasificación de una señal real
como determinista o aleatoria no siempre es clara. En ocasiones, ambos enfoques llevan a
resultados significativos que ayudan a clarificar el comportamiento de la señal. En otros casos, una
clasificación errónea puede llevar a resultados erróneos, ya que algunas herramientas
matemáticas sólo pueden aplicarse a señales deterministas mientras que otras sólo pueden
aplicarse a señales aleatorias. Verá esto más claramente cuando examinemos herramientas
matemáticas específicas.