CLASE MARTES 22 DE FEBRERO:

PROPIEDADES DE LA TRANSFORMADA DE FOURIER:

-Propiedad de simetría:

Si entonces:

-Propiedad de linealidad
Si f 1 (t)↔ F 1( ω)

y f 2 (t)↔ F 2( ω)

entonces:

-Propiedad de escalamiento o cambio de escala.

Si

Entonces para real

-Propiedad de desplazamiento en tiempo

f (t )↔ F (ω )
If
 − jωt 0
f ( t −t 0 ) ↔ F ( ω0 ) e
Then

-Propiedad de desplazamiento en Frecuencia

f (t )↔ F (ω )
Si

Entonces

Nota: El teorema de modulación es muy importante en comunicaciones.

Identidades de Euler

Por lo tanto:

Similarmente:

0
 F ( ω+ ω0 )−F ( ω−ω 0 )
f ( t ) sin ( x ) ⃗ j
2

Propiedad de diferenciación en tiempo:

si f ( t ) ↔ F ( w )
Entonces:
df (t)
↔ jωF (ω)
dt
Y:
t
1
∫ f ( τ ) dτ ↔ jω F (ω)
−∞

Diferenciación e integración en tiempo.

f (t )↔ F (ω )
Si

d
dt
[ f ( t ) ] ↔ ( jω ) F ( ω )
Entonces

t
1
∫
−∞
f ( τ ) dτ ↔ F ( ω )
jω
y

PROBLEMAS:

PROBLEMA 1.-

a.-Usando las propiedades de la transformada calcular la transformada de Fourier de la siguiente

función, determina su parte real y su parte imaginaria y grafica su espectro de frecuencias
indicando los valores tanto de amplitud como de frecuencia.
 g(t)
1
1 1 1

1 4 5 6
0 2 3

Problema 2.-Calcular la transformada de Fourier de la siguiente señal:

, donde ,
calcula su parte real y su parte imaginaria y grafica su espectro de frecuencias.

CONVOLUCIÓN ANALÓGICA:

El teorema de convolución:

Definición: la convolución de dos funciones y está definida como:

Convolución en tiempo:***

f 1 (t ) ↔ F 1 ( ω )
si

f 2 ( t ) ↔ F 2 ( ω)
y
 ℑ { f 1 ( t )∗f 2 ( t ) }↔ F 1 ( ω ) F2 ( ω )
Entonces:

Convolución en frecuencia:***

f 1 (t ) ↔ F 1 ( ω )
Si

f 2 ( t ) ↔ F 2 ( ω)
y

1
f 1 (t ) f 2 ( t ) ↔ F ( ω )∗F 2 ( ω )
2π 1
entonces:

Ejercicio de convolución:

Integral de convolución:

Video de convolución
1

Problemas de convolución:

Problema 1.- calcular la convolución de la función con la función

y graficar el resultado.

PROBLEMA 1.-Calcular la convolución de las siguientes señales

g h
( (
t 2
t
) )
1

t
0 1 2 t 0 1

PROBLEMA 2.-

Determine la convolución en tiempo de x(t) y h(t) para el siguiente caso:

EL TEOREMA DEL MUESTREO:
Claude Shannon establece que: si una señal analógica con un espectro de frecuencias definido por

fm
es muestreada a intervalos o una frecuencia de muestreo mayor que , es
posible recuperar la información original a partir de sus muestras como se muestra en la figura 1,
en la cual se muestra una secuencia de pulsos p(t) con un período T que se multiplica por la señal
analógica f(t) produciendo la señal muestreada f(t)p(t).

Para procesar digitalmente una señal, es necesario convertirla de su forma analógica natural a una
forma digital con el objeto de procesarlas con la tecnología digital.

Video de muestreo
Recuperación de f (t) a partir de sus muestras:

2π
Para T =1/ 2 f m y ω 0= =4 π f m=2ω m
T
Filtro pasabajas
El muestreo anterior puede ser logrado con un muestreador, el cual básicamente es un interruptor
como el que se muestra en la figura 2, éste proceso de interrupción de las señal puede realizarse
con un multiplicador.

Un muestreador ideal puede ser considerado como un interruptor que abre y cierra

periódicamente cada T segundos. El período de muestreo está definido como

Figura 2.-Muestreador

La multiplicación se puede realizar con un transistor en corte y saturación como el de la figura 3.

Figura 3.-muestreador con transistor
El espectro de frecuencia de una señal muestreada, es la repetición del espectro de la señal
original como se muestra en la figura 4.

1.
 1.

2.
procesamiento digital de señales y conversión de analógico a digital y viceversa.
Para digitalizar una señal, primero se muestrea, después se cuantiza y luego se modifica como se
muestra en la figura 5.

FIGURA 5.- digitalización de una señal.

FIGURA 9 Digitalización de audio.
Proyecto opcional: armar un A/D con el ADC 0804 o alguno parecido.

FIGURA 13 Convertidor analógico a digital

Con 3 bits, el número de niveles que se obtiene es N=23=8, con 10 bits N=210 =1024
FIGURA 10.-codificación de una señal:

Si existen B bits, entonces hay niveles por cada bit

FIGURA 16.-

FIGURA 17.-

Práctica de muestreo con Matlab:

f=input('Enter frequency');

%T=1/f;

fs1=input('Enter the sampling frequency');

fs2=input('Enter the sampling frequency');

fs3=input('Enter the sampling frequency');

t=0:0.1:100;

t1=0:1:99;

x=sin(2*3.14*f*t);

subplot(4,1,1);

plot(t,x);

xlabel('Time');

ylabel('Amplitude');

title('Continuous sine wave');

y=sin(2*3.14*f*t1/fs1);

subplot(4,1,2);

stem(t1,y);

xlabel('Time');

ylabel('Amplitude´');

title('Sampled at 50');

y=sin(2*3.14*f*t1/fs2);

subplot(4,1,3);

stem(t1,y);

xlabel('Time');

ylabel('Amplitude');

title('Sampled at 500');

y=sin(2*3.14*f*t1/fs3);
subplot(4,1,4);

stem(t1,y);

xlabel('Time');

ylabel('Amplitude');

title('Sampled at 5000');

Problema:

Calcular la TF de una secuencia periódica de pulsos:

Donde:
Problema 6.- calcular cuando

Solución:

 0 
2a
 e dt   e
( a  j ) t  ( a  j ) t
e
a t
F ( )  e  jt
dt  dt 
  0 a 2
2

0.9
2
0.8

0.7
a
0.6

0.5

0.4

0.3

0.2

0.1

0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8

1
 F() es conocida como la densidad espectral de f(t) y describe como se distribuye la
energía del pulso original en función de la frecuencia.
En las tablas 1 y 2 se presenta un conjunto de pares de transformadas de Fourier.
 TABLA 1: PARES DE TRANSFORMADAS DE FOURIER.

TABLA 2 PARES DE TRANSFORMADAS DE FOURIER.

FUNCIONES DISCRETAS EN TIEMPO
 1
En la figura 1 se muestra una secuencia de pulsos p(t) con un período T ≤ segundos que se
2fm
multiplica por la señal analógica f(t) produciendo la señal muestreada f(t)p(t) como se muestra en
la figura 1.

El muestreo anterior puede ser logrado con un muestreador con un interruptor como
el que se muestra en la figura 2 ó con un multiplicador como se muestra en la figura 3.

2.

3.

4.
FIGURA 15.- Señal discreta en tiempo.

Después se realiza un proceso de cuantización que consiste en redondear cada valor de al

valor entero mas próximo. Por ejemplo, 2 bits definen cuatro niveles igualmente espaciados

los cuales pueden se usados para clasificar la señal en los cuatro subrangos
mostrados en la figura 1.5.

Definición de señales y sistemas.

Una señal es una cantidad física que puede ser representada por una función ó una
variable y típicamente contiene información acerca del comportamiento ó
naturaleza del fenómeno, el cual puede ser discreto ó contínuo
Figura 16

Un sistema tiene una función de transferencia para evaluar la salida del sistema para cada
entrada. La señal de salida se obtiene con la convolución de la señal de entrada.

FIGURA 17.-

Señales discretas en tiempo

PROBLEMAS PROPUESTOS:

-Cual es el método para recuperar una señal a partir de sus muestras?

Problema:

Considerar el siguiente sistema:

x ( t ) →muestreador → x ( k ) → convertidor ideal D−C → y (t )

 T s=¿ 1/ f s T s=¿ 1/ f s

(a)Suponer que la señal discreta en tiempo x (k ) está dada por la fórmula:

Si la frecuencia de muestreo es f s=5000 muestras/ segundo,

a.-determinar dos diferentes señales contínuas en el tiempo x ( t )=x 1 ( t ) y x ( t ) =x2 (t ) que

pudieron haber sido entradas del sistema de arriba; es decir, encontrar x 1 ( t ) y x 2 (t) tal que
x ( k )=x 1 (k T s )= x 2 (k T s), dado que T s=200 μseg . Ambas señales de ésta entrada
tienen una frecuencia menor que 5000 Hz. Dar una fórmula para cada señal.

(b) si la señal de entrada x ( t ) está dada por la representación de su espectro de frecuencias

mostrado abajo , determinar una fórmula simple para y (t ) cuando

Podemos asignar una fórmula a cada señal.

Si , entonces

Si y

F 1=275 Hz
, por lo tanto:

El otro caso es invirtiendo:

F2
2π =2 π ( 1−0.055 ) → F2=5000−275=4725 Hz
5000

A2 ¿
A2=27 y es necesario un cambio de signo sobre la fase.

φ 2=+ π /3

b.-Si la entrada está dada por la representación espectral mostrada abajo:

− jπ / 4
2 e jπ / 4 2 e
j3π/4 − j 3 π /4
1e 1e

-11000 -3000 3000 11000 f en Hz

(
x ( t )=2 cos 2 π ( 11000 ) t−
3π
4 ) π
+ 4 cos ⁡(2 π ( 3000 ) t− )
4

(
x [ n ] =2 cos 2 π ( 11000 /5000 ) n−
3π
4 ) π
+ 4 cos ⁡(2 π ( 3000/5000 ) n− )
4

(
x [ n ] =2 cos 2 π ( 2.2 ) n−
3π
4 ) π
+ 4 cos ⁡(2 π ( 0.6 ) n− )
4

(
x [ n ] =2 cos 2 π ( 0.2 ) n−
3π
4 ) π
+ 4 cos ⁡(2 π (−0.4 ) n− )
4

π
Usar n → 5000t para D/C 4 cos ⁡(2 π ( 0.4 ) n+ )
4

(
y ( t ) =2cos 2 π ( 1000 ) t−
3π
4 ) π
+ 4 cos ⁡(2 π ( 2000 ) t+ )
4

PROBLEMA:

Cuando una señal discreta en tiempo es obtenida de un convertidor D/A y de una bocina,
escuchamos sonidos sobre un rango de frecuencias bien definido. Para éste problema
supongamos que la razón del convertidor D/A es de 8 kHz.

1. Una sinusoide digital es creada usando la fórmula:

y ( n )=44 cos ( 0.1 πn+0.3 π ) y entonces es extraída del D/A de 8 kHz. ¿Qué
frecuencia análoga (en Hz) es oída?.
2. Una señal digital chirp es sintetizada de acuerdo a la siguiente fórmula
x ( n )=ℜ { e jθ ( n) }=cos ( 0.0003 π n 2) para n=0,1,2 ,… , 4000
 Hacer una gráfica de la frecuencia analógica (en Hz) contra tiempo para la señal
analógicaq. Asegurarse de determinar lqa longitud de la señal en segundos. Afecta el
traslape de frecuencias tu respuesta?.

PROBLEMA .- Calcular la transformada de Fourier de la siguiente función y graficar su espectro de

frecuencias indicando los valores tanto de amplitud como de frecuencia

PROBLEMA .-Efectuar la convolución de la función mostrada en la figura 1 con función de la

figura 2 :

g(t)

1 1

-2 0 2 4 6 t

Figura 1.- dos pulsos cuadrados

PROBLEMA .-Efectuar la convolución de la función mostrada en la figura 1 con función de la

figura 2 :
1
h(t
)
1
t
0

Figura 2.- pulso triangular

PROBLEMA .- Calcular la transformada de Fourier de la siguiente función y graficar su espectro de

frecuencias indicando los valores tanto de amplitud como de frecuencia

g(t)

1 1

-2 0 2 4 6 t

Figura 2.-pulso y dos impulsos