Pds Vs 2018 PDF

Contenido Info Intro VARCOM SyS-TD SD-LIT RFSTD SFTD TFD TZ DFD
PROCESAMIENTO DIGITAL DE SEÑALES
Pablo Emilio Jojoa Gómez

pjojoa@unicauca.edu.co
Ingenierı́a Electrónica y Telecomunicaciones

Universidad del Cauca
2018
Contenido
1 Información Importante
2 Introducción
3 Variable Compleja
4 Señales y Sistemas de Tiempo Discreto
5 Sistemas discretos LIT
6 Representación en Frecuencia de Señales y Sistems de TD
7 Serie de Fourier TD
8 Transformada de Fourier Discreta
9 Transformada Z
10 Diseño de Filtros Digitales
Información Importante
Objetivo
Proporcionar al estudiante los conceptos necesarios para la

compresión de la teorı́a y la práctica de los sistemas utilizados en el
procesamiento de señales de tiempo discreto
Evaluación
2 parciales y un examen final

La habilitación comprende todo el curso
Bibliografı́a
Kreyszig, E. Matemáticas avanzadas para Ingenierı́a, Vol.
2, Limusa, 2003
Oppenheim, A.; Schafer, R; Buck, J. Tratamiento de
Señales en Tiempo Discreto, 3a Ed., Prentice Hall, Madrid,
2000.
Proakis, J.; Manolakis, D. Digital Signal Processing, 3a Ed.,
Prentice Hall, New Jersey, 1996.
Haykin, S. Adaptive Filter Theory, 3a. Ed. Prentice Hall,
New Jersey, 1996.
Introducción
Señales vida real → continuas: señales analógicas - SA

→ −
− →
Señales eléctricas (V, I, E , B )
Señales mecánicas (despl. lineales, ∡,−→v , ω, fuerza, momentos)
Señales acústicas (vibraciones, ondas de sonido)
Señales fı́sicas (Presión, temperatura, concentraciones)
Sensores y transductores → SA convertida a corriente o
voltaje
Operaciones: amplificación, filtración, integración y derivación
Se necesita: amplificadores electrónicos, resistencias,
condensadores, inductores, etc.
Limitaciones del procesamiento analógico:

Precisión (tolerancia de componentes, amplificación no lineal)
Duplicación limitada (tolerancias, variaciones por condiciones
ambientales)
Sensibilidad al ruido eléctrico (ruido interno amplificador)
Limitado rango dinámico de corrientes y voltajes
Rapidez de procesamiento limitado debido a atrasos fı́sicos
No hay flexibilidad para cambiar especificaciones de
procesamiento
Alto costo y limitaciones de seguridad para almacenamiento y
recuperación de información
Procesamiento Digital de Señales - PDS

Se basa en la representación de señales por números en un
computador o en un HW especializado, y en la ejecución de
operaciones numéricas sobre estas señales
Operaciones: sumas, multiplicaciones, transferencia de datos,
operaciones lógicas, etc.
Esquema básico:
Señal Señal Señal Señal

Analógica Digital Digital Recons- Analógica
Muestreo DSP
trucción
Sistema análisis
Sistema sı́ntesis
Potencialidades del procesamiento digital:

Precisión de calculo deseado en un computador
Los computadores son fácilmente duplicados
Sensibilidad al ruido eléctrico de los computadores es baja
Rango dinámico prácticamente infinito por el uso de punto
flotante
Rapidez de procesamiento limitado a la tecnologı́a del
momento
Flexibilidad para cambiar especificaciones de procesamiento
mediante programación
Facilidad para encriptación, almacenamiento y recuperación
de información, siendo esto barato y flexible.
Aplicaciones:
Biomédicas: análisis, diagnóstico, monitoreo, cuidado médico
preventivo, órganos artificiales
Comunicación: codificación y decodificación, detección,
ecualización, filtración
Control digital: Servomecanismo, piloto automático, plantas
quı́micas
Análisis general de señales: estimación espectral, estimación
de parámetros, modelamiento, clasificación y compresión de
señal
Procesamiento de imagen: filtración, mejoramiento,
codificación, compresión, reconocimiento de patrones
Instrumentación: generación de señal, filtración
Aplicaciones (cont.):
Multimedia: generación, almacenamiento y transmisión de
sonido, imágenes fijas, pelı́culas, tv digital, video conferencia
Aplicaciones musicales: grabación, reproducción y
manipulación (mezclas, efectos especiales), sı́ntesis de música
digital
Radar: filtración de señal, detección de blanco, estimación de
posición y velocidad, seguimiento, imagen de radar
Sonar: igual a radar
Aplicaciones de voz: filtraje de ruido, codificación,
compresión, reconocimiento, sı́ntesis de voz artificial
Telefonı́a: transmisión digital, modem, telefonı́a celular
VARIABLE COMPLEJA
Introducción
1545 (Rafael Bombelli) ... soluciones de ecuaciones

algebraicas
ejemplo:
Dividir el número 10 en dos valores cuyo producto sea 40
Encontrar la solución para
x2 + 1 = 0
Introducción

algebraicas
ejemplo:
x2 + 1 = 0
Los problemas siguieron en los siglos XVI, XVII Y XVIII

Introducción

algebraicas
ejemplo:
x2 + 1 = 0

√
Se acepta −1 como posible número
Introducción

algebraicas
ejemplo:
x2 + 1 = 0

√
Estos sı́mbolos (números) fueron llamados:
Sofı́sticos
Sin significado
Imposibles
Ficticios
Mı́sticos
Introducción

algebraicas
ejemplo:
x2 + 1 = 0

√
Estos sı́mbolos (números) fueron llamados:
Sofı́sticos
Sin significado
Imposibles
Ficticios
Mı́sticos
Imaginarios
”Esas criaturas maravillosas de un mundo ideal, casi anfibios entre

cosas que son y cosas que no son”
Leibniz, 1702

Leibniz, 1702
Euler (1777):
i 2 = j 2 = −1

Leibniz, 1702
Euler (1777):
i 2 = j 2 = −1
Gauss: una ecuación algebraica con coeficientes reales tiene

raices de la forma
c + id
y da la interpretación geométrica:
a + ib → (a, b)

Leibniz, 1702
Euler (1777):
i 2 = j 2 = −1

raices de la forma
c + id
a + ib → (a, b)
Wessel (1797) y Argand (1806): representación geométrica


Leibniz, 1702
Euler (1777):
i 2 = j 2 = −1

raices de la forma
c + id
a + ib → (a, b)
Wessel (1797) y Argand (1806): representación geométrica

Hamilton (1833): pares de números reales
Se extendió el concepto de función:
w = f (z)
donde
z = x + jy
z: variable compleja
w = f (z)
donde
z = x + jy
Problemas elementales de ingenierı́a (números complejos)
Circuitos Eléctricos
Sistemas mecánicos
w = f (z)
donde
z = x + jy
Problemas elementales de ingenierı́a (números complejos)
Circuitos Eléctricos
Sistemas mecánicos
Problemas ”sofisticados” (funciones complejas)
Teorı́a de calor
Mecánica de fluidos
Números Complejos y Propiedades
Definición: par ordenado (x, y ) de números reales
z = (x, y )
z = (x, y )
Representación de Argand
z = x + jy
⇒ Plano complejo
z = (x, y )
Representación de Argand
z = x + jy
⇒ Plano complejo
Dos números complejos son iguales sii sus partes reales y sus
partes imaginarias son respectivamente iguales
Operaciones Aritméticas
suma
suma
z1 + z2 = (x1 + x2 ) + j(y1 + y2 )
suma
z1 + z2 = (x1 + x2 ) + j(y1 + y2 )
sustracción
suma
z1 + z2 = (x1 + x2 ) + j(y1 + y2 )
sustracción
z1 − z2 = (x1 − x2 ) + j(y1 − y2 )
suma
z1 + z2 = (x1 + x2 ) + j(y1 + y2 )
sustracción
z1 − z2 = (x1 − x2 ) + j(y1 − y2 )
multiplicación
suma
z1 + z2 = (x1 + x2 ) + j(y1 + y2 )
sustracción
z1 − z2 = (x1 − x2 ) + j(y1 − y2 )
multiplicación
z1 z2 = (x1 x2 − y1 y2 ) + j(x1 y2 + x2 y1 )
suma
z1 + z2 = (x1 + x2 ) + j(y1 + y2 )
sustracción
z1 − z2 = (x1 − x2 ) + j(y1 − y2 )
multiplicación
z1 z2 = (x1 x2 − y1 y2 ) + j(x1 y2 + x2 y1 )
división, para z2 6= 0

z1 x1 x2 + y1 y2 x2 y1 − x1 y2
z= = +j
z2 x22 + y22 x22 + y22
Propiedades de las operaciones aritméticas

Conmutatividad
z1 + z2 = z2 + z1 z1 z2 = z2 z1

Conmutatividad
z1 + z2 = z2 + z1 z1 z2 = z2 z1
Asociatividad
(z1 + z2 ) + z3 = z1 + (z2 + z3 ) (z1 z2 ) z3 = z1 (z2 z3 )


Conmutatividad
z1 + z2 = z2 + z1 z1 z2 = z2 z1
Asociatividad
(z1 + z2 ) + z3 = z1 + (z2 + z3 ) (z1 z2 ) z3 = z1 (z2 z3 )
Distributiva
z1 (z2 + z3 ) = z1 z2 + z1 z3

Conmutatividad
z1 + z2 = z2 + z1 z1 z2 = z2 z1
Asociatividad
(z1 + z2 ) + z3 = z1 + (z2 + z3 ) (z1 z2 ) z3 = z1 (z2 z3 )
Distributiva
z1 (z2 + z3 ) = z1 z2 + z1 z3
Elemento neutro: 0 + z = z + 0 = z
Elemento opuesto: z + (−z) = (−z) + z = 0
Elemento unidad: 1, z = 1
Complejo conjugado: sea un número complejo z = x + jy ,

entonces x − jy se llama ”conjugado” de z y se denota por z̄

z + z̄ =

z + z̄ = 2x y z − z̄ =

z + z̄ = 2x y z − z̄ = 2jy

z + z̄ = 2x y z − z̄ = 2jy
1
Re (z) = x = (z + z̄)
2
1
Im (z) = y = (z − z̄)
2j

z + z̄ = 2x y z − z̄ = 2jy
1
Re (z) = x = (z + z̄)
2
1
Im (z) = y = (z − z̄)
2j
z = z̄

z + z̄ = 2x y z − z̄ = 2jy
1
Re (z) = x = (z + z̄)
2
1
Im (z) = y = (z − z̄)
2j
z = z̄ cuando z es un número real


z + z̄ = 2x y z − z̄ = 2jy
1
Re (z) = x = (z + z̄)
2
1
Im (z) = y = (z − z̄)
2j

z̄ = −z

z + z̄ = 2x y z − z̄ = 2jy
1
Re (z) = x = (z + z̄)
2
1
Im (z) = y = (z − z̄)
2j

z̄ = −z cuando z es un imaginario puro

z + z̄ = 2x y z − z̄ = 2jy
1
Re (z) = x = (z + z̄)
2
1
Im (z) = y = (z − z̄)
2j

z1 + z2 = z1 + z2 , z1 − z2 = z1 − z2

z + z̄ = 2x y z − z̄ = 2jy
1
Re (z) = x = (z + z̄)
2
1
Im (z) = y = (z − z̄)
2j

z1 + z2 = z1 + z2 , z1 − z2 = z1 − z2
z1 z2 = z1 z2

z + z̄ = 2x y z − z̄ = 2jy
1
Re (z) = x = (z + z̄)
2
1
Im (z) = y = (z − z̄)
2j

z1 + z2 = z1 + z2 , z1 − z2 = z1 − z2
z1 z2 = z1 z2

z1 z1
=
z2 z2
Forma polar o trigonométrica de los números complejos
z = rcosθ + jrsenθ
Valor absoluto o módulo de z
| z |= r =

p √
| z |= r = x 2 + y 2 = z z̄

p √
| z |= r = x 2 + y 2 = z z̄
Argumento de z (θ = θ + 2kπ, k ∈ Z)
θ = arg (z)
y
θ = arctan
x

p √
| z |= r = x 2 + y 2 = z z̄
Argumento de z (θ = θ + 2kπ, k ∈ Z)
θ = arg (z)
y
θ = arctan
x
Argumento principal de z: Arg (z), si −π < θ ≤ π

Geométricamente |z| es la distancia del punto z al origen


|z1 | > |z2 |,

|z1 | > |z2 |, z1 mas alejado que z2 del origen

|z1 − z2 |,

|z1 − z2 |, distancia entre dos puntos z1 y z2

Usos de la forma polar
Multiplicación

Multiplicación
|z1 z2 | = |z1 ||z2 |
Arg (z1 z2 ) = Arg (z1 ) + Arg (z2 )

Multiplicación
|z1 z2 | = |z1 ||z2 |
Arg (z1 z2 ) = Arg (z1 ) + Arg (z2 )
División

Multiplicación
|z1 z2 | = |z1 ||z2 |
Arg (z1 z2 ) = Arg (z1 ) + Arg (z2 )
División
z1 |z1 |
=
z2 |z2 |

z1
Arg = Arg (z1 ) − Arg (z2 )
z2
Usos de la forma polar (cont.)

Generalización de la multiplicación (Teorema de Moivre),
n∈Z

n∈Z
z n = r n (cos(nθ) + jsen(nθ))

n∈Z
Cálculo de la n-ésima raiz de un número complejo
z = r (cosθ + jsenθ) = zon


n∈Z
Cálculo de la n-ésima raiz de un número complejo
z = r (cosθ + jsenθ) = zon
√
n
zok = z = ro (cos(θok ) + jsin(θok ))
1 θ + 2kπ
ro = r n , θo k = , k ∈Z y 0≤k ≤n−1
n
Desigualdades
Desigualdad Triangular
|z1 + z2 | ≤ |z1 | + |z2 |

Desigualdades
|z1 + z2 | ≤ |z1 | + |z2 |
por inducción:
|z1 + z2 + · · · + zN | ≤ |z1 | + |z2 | + · · · + |zN |

Desigualdades
|z1 + z2 | ≤ |z1 | + |z2 |
por inducción:
|z1 + z2 + · · · + zN | ≤ |z1 | + |z2 | + · · · + |zN |
|Re {z}| ≤ |z|
|Ie {z}| ≤ |z|

Curvas y Regiones del Plano Complejo
Para la representación de curvas y regiones se hace uso de

desigualdades y ecuaciones
|z − a|

|z − a|: Distancia entre un punto z y un punto a

|z − a| = ρ

|z − a| = ρ: Ecuación de una circunferencia

|z − a| < ρ

|z − a| < ρ: Disco circular abierto

también se conoce como ”vecindad de a”, donde ρ ∈ R+

a tiene infinitas vecindades
a pertenece a esas vecindades

|z − a| ≤ ρ

|z − a| ≤ ρ: Disco circular cerrado

|z − a| > ρ

|z − a| > ρ: Exterior de un circulo

ρ1 < |z − a| < ρ2 , ρ1 < ρ2

ρ1 < |z − a| < ρ2 , ρ1 < ρ2 : Anillo circular abierto o Corona
abierta
|z| = 1
|z| = 1: Circunferencia unitaria con centro en el origen


z = x + jy , talque y > 0

z = x + jy , talque y > 0: Semiplano SUPERIOR abierto

z = x + jy , talque y < 0

z = x + jy , talque y < 0: Semiplano INFERIOR abierto

z = x + jy , talque x < 0

z = x + jy , talque x < 0: Semiplano IZQUIERDO abierto

z = x + jy , talque x > 0

z = x + jy , talque x > 0: Semiplano DERECHO abierto

z = x + jy , talque x > 0: Semiplano DERECHO abierto
Conjunto de puntos: Colección finita o infinita de puntos en el
plano complejo
solución de una ecuación cuadrática
los puntos de una recta
los puntos al interior de un cı́rculo
Conjunto de puntos:
Conjunto abierto: S es un conjunto abierto si todo punto de
S tiene una vecindad que consta por completo de puntos que
pertenecen a S
Conjunto de puntos:
pertenecen a S
Conjunto cerrado: S es un conjunto cerrado si su
complemento es abierto
Conjunto de puntos:
pertenecen a S
Conjunto acotado: Es un conjunto para cuyos puntos z, existe
una contante M, talque |z| < M para todo z ∈ S
Conjunto de puntos:
pertenecen a S
conjunto ilimitado: conjunto no acotado
conjunto compacto: conjunto acotado y cerrado
Conjunto de puntos:
pertenecen a S
Conjunto conexo: Un conjunto abierto es conexo si cualquier
par de puntos del conjunto pueden unirse por un camino
formado por segmentos de recta (camino poligonal)
contenidos en S
Conjunto de puntos:
pertenecen a S
Conjunto conexo: Un conjunto abierto es conexo si cualquier
par de puntos del conjunto pueden unirse por un camino
formado por segmentos de recta (camino poligonal)
contenidos en S
Dominio: conjunto abierto y conexo
Punto de frontera: z es un punto de frontera de S si toda

vecindad de z contiene puntos que pertenecen y no
pertenecen a S

pertenecen a S
Región: Es un conjunto abierto al cual se le agrega algunos,
todos o ningún punto de frontera

pertenecen a S
Región cerrada: con todos los puntos de frontera
Región abierta: si no tiene los puntos de frontera

pertenecen a S
Región cerrada: con todos los puntos de frontera
Región abierta: si no tiene los puntos de frontera
Sean x(t) y y (t) funciones continuas de un parámetro real t
definido para a ≤ t ≤ b, de manera que
z = x(t) + jy (t)
define una curva C que une el punto z(a) = x(a) + jy (a) al

punto z(b) = x(b) + jy (b), si z(a) = z(b), la curva C es una
CURVA CERRADA, y es SIMPLE si no se cruza a sı́ misma.
Funciones complejas
Función: Sea S un conjunto de números complejos, y sea z una
variable compleja que varia en S, una función f definida sobre un
conjunto S asigna a cada z en S un único número complejo w , y
se escribe
w = f (z)
Funciones complejas
se escribe
w = f (z)
w es la IMAGEN de z bajo f
S es el DOMINIO de definición de f (z)
El conjunto de todas las imágenes de f (z) es el RANGO de
f (z)
Funciones complejas
se escribe
w = f (z)
w es la IMAGEN de z bajo f
S es el DOMINIO de definición de f (z)
El conjunto de todas las imágenes de f (z) es el RANGO de
f (z)
Una función se puede también descomponer en parte real e
imaginaria:
w = f (z) = u(x, y ) + jv (x, y )
siendo u y v funciones reales.
Funciones elementales
Función POLINOMIAL de grado n:
Pn (z) = an z n + an−1 z n−1 + an−2 z n−2 + · · · + a1 z + a0
donde an 6= 0 y ai para i = 0, · · · , n, son constantes complejas

Funciones elementales
Función POLINOMIAL de grado n:
Pn (z) = an z n + an−1 z n−1 + an−2 z n−2 + · · · + a1 z + a0
donde an 6= 0 y ai para i = 0, · · · , n, son constantes complejas
Función RACIONAL ALGEBRAICA:

P(z)
W (z) =
Q(z)
donde P(z) y Q(z) son polinomios.

Función EXPONENCIAL
∞
z2 zn X zn
exp(z) = e z = 1 + z + + ··· + + ··· =
2! n! n!
n=0
∞
z2 zn X zn
exp(z) = e z = 1 + z + + ··· + + ··· =
2! n! n!
n=0
FORMULA DE EULER:
e jy = cos(y ) + jsen(y )
∞
z2 zn X zn
exp(z) = e z = 1 + z + + ··· + + ··· =
2! n! n!
n=0
FORMULA DE EULER:
e jy = cos(y ) + jsen(y )
otra forma de escribir la Función exponencial
e z = e x (cos(y ) + jsen(y ))
Propiedades de la función exponencial

1 z = r (cosθ + jsenθ) = re jθ
jy
2 e = 1
3 |e z | = e x , arg e z = y
4 e j2π = 1, luego e z = 1 si z = j2kπ, k ∈ Z
5 e jπ = e −jπ =

jy
2 e = 1
3 |e z | = e x , arg e z = y
jπ
5 e jπ = e −jπ = − 1, e 2 =

jy
2 e = 1
3 |e z | = e x , arg e z = y
jπ jπ
5 e jπ = e −jπ = − 1, e 2 = j, e− 2 =

jy
2 e = 1
3 |e z | = e x , arg e z = y
jπ jπ
5 e jπ = e −jπ = − 1, e 2 = j, e− 2 = − j
6 e z+j2π = e z
7 e z1 e z2 = e z1 +z2
8 e z1 = e z2 implica z1 − z2 = j2kπ, k ∈ Z
Funciones Trigonométricas
e jz − e −jz e jz + e −jz
sen(z) = cos(z) =
2j 2
Propiedades:
sen(z) y cos(z) tienen periodo 2π
e jz = cos(z) + jsen(z)
sen2 (z) + cos 2 (z) = 1
sen(z1 ± z2 ) = sen(z1 )cos(z2 ) ± cos(z1 )sen(z2 )
cos(z1 ± z2 ) = cos(z1 )cos(z2 ) ∓ sen(z1 )sen(z2 )
h π i
sen (2n + 1) − z = cos(z), n ∈ Z
2
Los ceros de sen(z) y de cos(z) son respectivamente
π
z = nπ, z = (2n + 1) (n ∈ Z)
2
Funciones Hiperbólicas
e z − e −z e z + e −z
senh(z) = cosh(z) =
2 2
Propiedades:
cosh2 (z) − senh2 (z) = 1

cosh(−z) = cosh(z), senh(−z) = −senh(z)
senh(z1 ± z2 ) = senh(z1 )cosh(z2 ) ± cosh(z1 )senh(z2 )
cosh(z1 ± z2 ) = cosh(z1 )cosh(z2 ) ± senh(z1 )senh(z2 )

senh jπ2 − z = jcosh(z)
Los ceros de senh(z) y de cosh(z) son respectivamente
πj
z = nπj, z = (2n + 1) (n ∈ Z)
2
Otras relaciones con variables complejas:
sen(x + jy ) = sen(x)cosh(y ) + jcos(x)senh(y )

cos(x + jy ) = cos(x)cosh(y ) − jsen(x)senh(y )
senh(x + jy ) = cos(y )senh(x) + jsen(y )cosh(x)
cosh(x + jy ) = cos(y )cosh(x) + jsen(y )senh(x)
senh(jz) = jsen(z), jsenh(z) = sen(jz)
cosh(jz) = cos(z), cosh(z) = cos(jz)
Función LOGARÍTMICA
Se define el logaritmo natural de z = e w como la inversa de la
función exponencial y se denota por
w = ln z
de donde considerando w = u + jv se obtiene
ln(z) = ln(|z|) + jarg (z)

w = ln z
Ln(z) = ln(|z|) + jArg (z), −π < Arg (z) ≤ π

w = ln z
Ln(z) = ln(|z|) + jArg (z), −π < Arg (z) ≤ π
ln(z) = Ln(z) ± 2nπj (n ∈ Z)

Propiedades:
ln(1) =
Propiedades:
ln(1) = 2nπj n∈Z

ln(−1) =
Propiedades:
ln(1) = 2nπj n∈Z

ln(−1) = (2n + 1)πj n∈Z
Ln(j) =
Propiedades:
ln(1) = 2nπj n∈Z

ln(−1) = (2n + 1)πj n∈Z
π
Ln(j) = j
2
Ln(−1 − j) =
Propiedades:
ln(1) = 2nπj n∈Z

ln(−1) = (2n + 1)πj n∈Z
π
Ln(j) = j
2
1 3π
Ln(−1 − j) = Ln(2) − j
2 4
ln(z1 z2 ) = ln(z1 ) + ln(z2 )
ln(e z ) =
Propiedades:
ln(1) = 2nπj n∈Z

ln(−1) = (2n + 1)πj n∈Z
π
Ln(j) = j
2
1 3π
Ln(−1 − j) = Ln(2) − j
2 4
ln(z1 z2 ) = ln(z1 ) + ln(z2 )
ln(e z ) = z + 2nπj, Ln(e z ) =
Propiedades:
ln(1) = 2nπj n∈Z

ln(−1) = (2n + 1)πj n∈Z
π
Ln(j) = j
2
1 3π
Ln(−1 − j) = Ln(2) − j
2 4
ln(z1 z2 ) = ln(z1 ) + ln(z2 )
ln(e z ) = z + 2nπj, Ln(e z ) = z
e ln(z) = z

z1
ln = ln(z1 ) − ln(z2 )
z2
si α ∈ C
z α = exp(α ln z), αz = exp(z ln α)

Lı́mite
Sea f (z) una función definida en alguna vecindad de z0 con la

posible excepción de z0 (vecindad reducida de z0 ).
Se dice que el número l es el LIMITE DE f (z) cuando z tiende a
z0 , y que se escribe como
lim f (z) = l ,
z→z0
si para cualquier ǫ > 0 podemos encontrar un número positivo δ

(que generalmente depende de ǫ) talque
|f (z) − l | < ǫ cuando 0 < |z − z0 | < δ

lim f (z) = l = l1 + jl2

z→z0
para f (z) = u(x, y ) + jv (x, y ) se tiene
lim u(x, y ) = l1 lim y (x, y ) = l2

(x,y )→(x0 ,y0 ) (x,y )→(x0 ,y0 )
Propiedades: Considerando:
lim f (z) = A lim g (z) = B

z→z0 z→z0
lim {f (z) + g (z)} = A + B

z→z0
lim f (z)g (z) = AB
z→z0
lim f (z)/g (z) = A/B si B 6= 0
z→z0
Continuidad
Sea f (z) una función de variable compleja, definida para
todos los valores de z en alguna vecindad de z0 . La función
f (z) es continua en z0 si se cumplen o satisfacen las
siguientes condiciones:
lim f (z) existe
z→z0
f (z0 ) existe
lim f (z) = f (z0 )
z→z0
Derivada
La derivada de f (z) en z0 escrita como f ′ (z0 ) está definida por:
f (z0 + ∆z ) − f (z0 )
f ′ (z0 ) = lim
∆z →0 ∆z
siempre que el lı́mite exista.
Considerando z0 + ∆z = z, se puede escribir
f (z) − f (z0 )
f ′ (z0 ) = lim
z→z0 z − z0
siempre que el lı́mite exista
Observaciones:
Si f (z) es diferenciable en z0 , esta es continua en z0 , lo
contrario no es verdad
Todas las reglas del cálculo diferencial real se siguen
cumpliendo en el complejo:
Derivación de constante
Derivación de potencias enteras de z
Derivación de sumas, productos y cocientes de funciones
diferenciables
Regla de la cadena
Ejemplos:
d z
dz e = ez
de w dw
si w es una función analı́tica de z, = ew
dz dz
d
dz {sen(z)} = cos(z)
d
dz {cos(z)} = −sen(z)
d
dz {senh(z)} = cosh(z)
d
dz {cosh(z)} = senh(z)
d 1
dz (Lnz) = , para D ∈ C − R−
z
d 1
dz (ln z) =
z
Analiticidad
Una función f (z) es analı́tica en un dominio D, si f (z) está

definida y es diferenciable en todos los puntos de D. La función
f (z) es analı́tica en un punto z = z0 si f (z) es analı́tica en la
vecindad de z0 .
sinónimos: Regular y Holomórfica
Analiticidad

vecindad de z0 .
Ejemplo:
Los polinomios:
f (z) = C0 + C1 z + C2 z 2 + · · · + Cn z n
donde Ci ∈ C, son funciones analı́ticas

Analiticidad

vecindad de z0 .
Ejemplo:
Los polinomios:
f (z) = C0 + C1 z + C2 z 2 + · · · + Cn z n

1
f (z) =
1−z
Analiticidad

vecindad de z0 .
Ejemplo:
Los polinomios:
f (z) = C0 + C1 z + C2 z 2 + · · · + Cn z n

1
f (z) = es analı́tica en todo punto excepto en z = 1
1−z
Ecuaciones de Cauchy-Riemann
Desde que f (z) = u(x, y ) + jv (x, y ) es diferenciable en un punto
z0 en D, entonces f ′ (z0 ) debe existir, esto implica que la relación
f (z) − f (z0 )
z − z0
debe tender a un lı́mite definido como z → z0 SIN IMPORTAR el
camino tomado
Aproximación a z0 a lo largo de un camino paralelo al eje real:
∆z = ∆x
u(x0 + ∆x , y0 ) − u(x0 , y0 )
f ′ (z0 ) = lim
∆x →0 ∆x
v (x0 + ∆x , y0 ) − v (x0 , y0 )
+ j lim
∆x →0 ∆x
si ésto existe, se tiene:
∂u ∂v
f ′ (z0 ) = +j
∂x ∂x
Aproximación a z0 a lo largo de un camino paralelo al eje

imaginario:
∆z = j∆y
u(x0 , y0 + ∆y ) − u(x0 , y0 )
f ′ (z0 ) = lim
∆y →0 j∆y
v (x0 , y0 + ∆y ) − v (x0 , y0 )
+ j lim
∆y →0 j∆y
si ésto existe, se tiene:
∂u ∂v
f ′ (z0 ) = −j +
∂y ∂y
como las derivadas deben ser iguales, se llega a las ecuaciones
de Cauchy-Riemann:
∂u ∂v ∂v ∂u
= y =−
∂x ∂y ∂x ∂y
TEOREMA I: supóngase que f (z) = u(x, y ) + jv (x, y ) está

definida y es continua en alguna vecindad de un punto
z = x + jy y diferenciable en el propio z. Entonces en ese
punto las derivadas parciales de primer orden de u y v existen
y satisfacen las ecuaciones de Cauchy-Riemann.
Si f (z) es analı́tica en un dominio D, las derivadas parciales
de primer orden de u y v existen y satisfacen las ecuaciones de
Cauchy-Riemann.
TEOREMA II: Una función es analı́tica en un dominio D, si

las primeras cuatro derivadas parciales de u(x, y ) y v (x, y )
existen, satisfacen las ecuaciones de Cauchy-Riemann en cada
punto de D y son continuas.
Ecuaciones de Cauchy-Riemann en forma polar:
sea
z = r (cosθ + jsenθ) = u(r , θ + jv (r , θ)
luego
∂u 1 ∂v ∂v 1 ∂u
= y =−
∂r r ∂θ ∂r r ∂θ
Integración Compleja
Una integral definida de una función compleja de una variable

compleja está definida sobre una curva que une dos puntos en el
plano complejo.
Considere una función compleja de variable real t que existe en un

intervalo [a, b]
f (t) = u(t) + jv (t), a≤t≤b
asumiendo u y v funciones continuas de t:
Zb Zb Zb
f (t)dt = u(t)dt + j v (t)dt
a a a
Propiedades:
Rb Rb Rb
{f (t) + g (t)} dt = f (t)dt + g (t)dt
a a a
Rb Rc Rb
f (t)dt = f (t)dt + f (t)dt
a a c
Rb Rb
Para α ∈ C, αf (t)dt = α f (t)dt
a a
Rb Ra
f (t)dt = − f (t)dt
a b
Sea una función compleja f (z), z = x + jy , y c una curva suave (c

tiene una tangente única en cada uno de sus puntos) que une dos
puntos z(a) y z(b) y que puede representarse mediante la ecuación
z(t) = x(t) + jy (t), a≤t≤b
donde z(t) tiene derivada continua ż(t) 6= 0 para todo t.

El intervalo a ≤ t ≤ b se subdivide de la forma:
t0 (= a) < t1 < t2 < · · · < tn (= b)
ésta subdivisión corresponde a una subdivisión de la curva c:
zi = z(ti )
En cada subdivisión de la curva c se elige un punto ρm :
ρm = z(t), donde tm−1 ≤ t ≤ tm , m = 1···n

Si
∆zm = zm − zm−1
se puede realizar la suma
n
X
Sn = f (ρm )∆zm para n = 2, 3, · · ·
m=1
Si |∆zm | → 0 a medida que n → ∞ origina una sucesión de

números complejos S2 , S3 , · · · , cuyo lı́mite se denomina:
INTEGRAL DE LINEA de f (t) a lo largo de la curva orientada c

Z
f (z)dz
c
Considere ahora f (z) = u(x, y ) + jv (x, y ), para ρm = ξm + jηm y

∆zm = ∆xm + ∆ym
n
X
Sn = {u + jv }{∆xm + j∆ym }
m=1

n
X
Sn = {u + jv }{∆xm + j∆ym }
m=1
 
Z Z Z Z Z
f (z)dz = lim Sn = udx − vdy + j  udy + vdx 
n→∞
c c c c c

n
X
Sn = {u + jv }{∆xm + j∆ym }
m=1
 
Z Z Z Z Z
n→∞
c c c c c
como a ≤ t ≤ b es el intervalo donde actua z = x(t) + jy (t)

Zb Zb
 b
Zb

Z Z
f (z)dz = u ẋdt − v ẏdt + j  u ẏ dt + v ẋdt 
c a a a a

n
X
Sn = {u + jv }{∆xm + j∆ym }
m=1
 
Z Z Z Z Z
n→∞
c c c c c
como a ≤ t ≤ b es el intervalo donde actua z = x(t) + jy (t)

Zb Zb
 b
Zb

Z Z
f (z)dz = u ẋdt − v ẏdt + j  u ẏ dt + v ẋdt 
c a a a a
Z Zb
f (z)dz = f (z(t))ż(t)dt
c a
Ejemplo:
Sea f (z) = (z − z0 )n , n ∈ Z.
Integrarla en c que corresponde a una circunferencia de radio r y

centrada en z0 y descrita en el sentido antihorario.
Ejemplo:
Sea f (z) = (z − z0 )n , n ∈ Z.

circunferencia: z = z0 + re jt , 0 ≤ t ≤ 2π
Ejemplo:
Sea f (z) = (z − z0 )n , n ∈ Z.

circunferencia: z = z0 + re jt , 0 ≤ t ≤ 2π
(
0 para n 6= −1
Z
(z − z0 )n dz =
j2π para n = −1
c
TEOREMA DE CAUCHY
Si f (z) es analı́tica en un dominio conectado simple D y si la curva

c en un contorno cerrado simple que está en D, entonces
Z I
f (z)dz = 0 ≡ f (z)dz = 0
c
TEOREMA DE CAUCHY
Si f (z) es analı́tica en un dominio conectado simple D y si la curva

c en un contorno cerrado simple que está en D, entonces
Z I
f (z)dz = 0 ≡ f (z)dz = 0
c
Una consecuencia de este teorema es la ”Independencia de camino”

Z Z Z
f (z)dz = f (z)dz + f (z)dz = 0
c c1 c2
luego Z Z Z
f (z)dz = − f (z)dz = f (z)dz
c1 c2 −c2
SEÑALES Y SISTEMAS DE TIEMPO DISCRETO

Introducción
Señal: Cantidad fı́sica que varı́a con el tiempo, espacio o alguna

otra variable o variables independiente(s)
Matemáticamente se describen como función
s(t) = 5t
s(t) = t 2
s(t) = 3x + 6y − 5xy
Introducción

s(t) = 5t
s(t) = t 2
s(t) = 3x + 6y − 5xy
En los casos donde no se conoce una relación funcional es posible

tener representaciones mediante la suma de varias (infinidad) de
sinusoides:
N
X
A(t)sen (2πFi (t) + θi (t))
i =1
Introducción

s(t) = 5t
s(t) = t 2
s(t) = 3x + 6y − 5xy
En los casos donde no se conoce una relación funcional es posible

tener representaciones mediante la suma de varias (infinidad) de
sinusoides:
N
X
A(t)sen (2πFi (t) + θi (t))
i =1
La generación de una señal está usualmente asociada con un

SISTEMA.
Fuente de señal: combinación del estı́mulo con el sistema.
SISTEMA: también puede definirse como dispositivo fı́sico que

ejecuta una operación sobre la señal. Esto se debe ampliar a
sistemas que incluyan operaciones software.
Clasificación de las señales
Valor Continuo Discreto

Tiempo
Continuo
Discreto

Tiempo
x(t)
Continuo Analógica o
Continua
Discreto

Tiempo
x(t)
xq (nT )
cuantizada
Continua
Discreto

Tiempo
x(t)
xq (nT )
cuantizada
Continua
xd (nT )
Discreto Discreta o
Tiempo Discreto

Tiempo
x(t)
xq (nT )
cuantizada
Continua
xd (nT )
x[n]
Discreto Discreta o
DIGITAL
Tiempo Discreto
Señales de Tiempo Discreto
x(t)
0.2
0.1
0.1 0.2 0.3

t (seg)
Notación x[n] = x(tn ) donde n es un número entero

Señales de Tiempo Discreto
x(t)
0.2
0.1
0.1 0.2 0.3

t (seg)
Notación x[n] = x(tn ) donde n es un número entero
Formas de obtener señales de tiempo discreto:

Seleccionando valores de una señal analógica en instantes de
tiempo discreto.
Acumulando una variable sobre un periodo de tiempo.
Concepto de frecuencia en STC y STD
La frecuencia está relacionada a un tipo especı́fico de movimiento

periódico llamado oscilación armónica, el cual se describe por
funciones sinusoidales.

SEÑAL SINUSOIDAL DE TIEMPO CONTINUO

xa (t) = Acos(Ωt + θ), −∞ < t < ∞

SEÑAL SINUSOIDAL DE TIEMPO CONTINUO

xa (t) = Acos(Ωt + θ), −∞ < t < ∞
Parámetros:
Amplitud: A
Frecuencia: Ω
Fase: θ
SSTC (Cont.)
Propiedades:
xa (t) es periódica para cada valor fijo de F
1
xa (t + Tp ) = xa (t) Tp =
F
SSTC (Cont.)
Propiedades:
1
xa (t + Tp ) = xa (t) Tp =
F
Señales sinusoidales con frecuencia diferentes son distintas

entre si.
SSTC (Cont.)
Propiedades:
1
xa (t + Tp ) = xa (t) Tp =
F

entre si.
Incremento de F resulta en incremento de oscilación de la señal
SSTC (Cont.)
Propiedades:
1
xa (t + Tp ) = xa (t) Tp =
F

entre si.
A j(Ωt+θ) A −j(Ωt+θ)
xa (t) = Acos(Ωt + θ) = e + e
2 2
SSTC (Cont.)
Propiedades:
1
xa (t + Tp ) = xa (t) Tp =
F

entre si.
A j(Ωt+θ) A −j(Ωt+θ)
xa (t) = Acos(Ωt + θ) = e + e
2 2
Rango:
−∞ < F < ∞
SEÑAL SINUSOIDAL DE TIEMPO DISCRETO
x[n] = Acos(ωn + θ), −∞ < n < ∞, n∈Z
Parámetros:
Amplitud: A
Frecuencia: ω
Fase: θ
SEÑAL SINUSOIDAL DE TIEMPO DISCRETO
x[n] = Acos(ωn + θ), −∞ < n < ∞, n∈Z
Parámetros:
Amplitud: A
Frecuencia: ω
Fase: θ
Cuando ω = 2πf , f = ciclos/muestra

x[n] = Acos(2πfn + θ), −∞ < n < ∞, n∈Z
SSTD (Cont.)
Propiedades:
x[n] es periódica con periodo N , N > 0, sii
x[n + N] = x[n] para todo n

SSTD (Cont.)
Propiedades:
k
La SSTD es periódica si su frecuencia f = N
es un número
racional
SSTD (Cont.)
Propiedades:
La SSTD es periódica si su frecuencia f = Nk es un número

racional
Periodo fundamental: corresponde al valor mas pequeño de N
que cumple con la anterior ecuación de periodicidad
SSTD (Cont.)
Propiedades:

racional
Pequeños cambios en frecuencia pueden resultar en grandes
cambios del periodo
SSTD (Cont.)
Propiedades:

racional
cambios del periodo
SSTD cuyas frecuencias son separadas por un entero múltiple
de 2π son idénticas entre si.
SSTD (Cont.)
Propiedades:

racional
cambios del periodo
SSTD cuyas frecuencias son separadas por un entero múltiple
de 2π son idénticas entre si.
1
SSTD con |ω| ≤ π o |f | ≤ 2
son únicas
SSTD (Cont.)
Propiedades (Cont.):
La más alta tasa de oscilación en una SSTD se consigue
cuando ω = π (o ω = −π )
SSTD (Cont.)
A j(ωn+θ) A −j(ωn+θ)
x[n] = Acos(ωn + θ) = e + e
2 2
SSTD (Cont.)
A j(ωn+θ) A −j(ωn+θ)
x[n] = Acos(ωn + θ) = e + e
2 2
Rango fundamental:
−π < ω ≤ π
Muestreo de señales analógicas
x[n] = xa (nT ) −∞<n <∞
Periodo de muestreo: T es el tiempo entre muestras sucesivas

1
Frecuencia de muestreo: Fs = T
n
t = nT =
Fs
Esto implica que debe existir una relación entre F y f

La señal
xa (t) = Acos(2πft + θ)
muestreada a una tasa Fs = 1
T
puede representarse por la señal
x[n] = Acos(2πfn + θ)
con
F
f =
Fs
si
Fs Fs
− <F ≤
2 2
Criterio de muestreo de Nyquist

Fs
F <
2
Observaciones:
El muestreo implica el mapeo del rango infinito de F en el
rango finito de f
Observaciones:
rango finito de f
Siendo que la frecuencia mas alta de una señal discreta es π
(f = 1/2), implica que, para evitar ambigüedades, para una
frecuencia de muestreo Fs , la frecuencia máxima de la señal a
ser muestreada debe ser
Fs
Fmax <
2
Observaciones:
rango finito de f
Siendo que la frecuencia mas alta de una señal discreta es π
(f = 1/2), implica que, para evitar ambigüedades, para una
frecuencia de muestreo Fs , la frecuencia máxima de la señal a
ser muestreada debe ser
Fs
Fmax <
2
El muestreo produce una ambigüedad pues varias señales

continuas pueden tener las mismas muestras.
Ejemplo: x(t) = cos(2π10t) y x(t) = cos(2π50t) muestreadas a

una frecuencia Fs = 40
0
1
t
−A
fs = 5; f = 1; f ′ = 4
0
1
t
−A
fs = 5; f = 1; f ′ = 6
Curva de Aliasing
f ω
1 π
2
− 12 −π
− F2s 0 Fs
2 Fs
Formas de representación
Gráfica
Funcional
Tabular
Secuencial
Señales de tiempo discreto elementales:

1, n=0 1, n≥0
δ[n] = u[n] =
0, n 6= 0 0, n<0

n, n≥0
ur [n] =
0, n<0
x[n] = an , ∀n
Si a = re jθ
x[n] = r n (cosθn + jsenθn)
Clasificación de las señales de TD
Señales de energı́a y de potencia

señal de energı́a: si E es finita, donde
∞
X
E = |x[n]|2
n=−∞

∞
X
E = |x[n]|2
n=−∞
señal de potencia: si P existe, donde:

N
1 X
P = lim |x[n]|2
N→∞ 2N + 1
n=−N

∞
X
E = |x[n]|2
n=−∞

N
1 X
P = lim |x[n]|2
N→∞ 2N + 1
n=−N
Si E es finita, entonces P = 0

∞
X
E = |x[n]|2
n=−∞

N
1 X
P = lim |x[n]|2
N→∞ 2N + 1
n=−N
Si E es finita, entonces P = 0
Si E es infinita, entonces puede darse
P es infinita
P es finita y 6= 0 → Señal de potencia
Señales periódicas y aperiódicas Periódicas;

x[n + N] = x[n] ∀n

x[n + N] = x[n] ∀n
Señales simétricas y antisimétricas

Simétricas: x[−n] = x[n]

x[n + N] = x[n] ∀n

Antisimétricas: x[−n] = −x[n]

x[n + N] = x[n] ∀n

Antisimétricas: x[−n] = −x[n]
x[n] = xe [n] + xo [n]

Manipulaciones de señales de TD
Transformación de variable independiente (desplazamiento en

el tiempo): se reemplaza n por n − k , k ∈ Z

si k > 0, x[n] se atrasa k unidades de tiempo
si k < 0, x[n] se adelanta k unidades de tiempo

Reflexión o Espejo: se reemplaza n por −n


Escalamiento de tiempo o submuestreo: se reemplaza n por

µn, µ ∈ Z

Escalamiento de tiempo o submuestreo: se reemplaza n por

µn, µ ∈ Z
Escalamiento de amplitud, suma y multiplicación

Sistemas de Tiempo Discreto - STD
Sistema TD: circuito o algoritmo que opera sobre una señal de

TD, llamada de entrada o excitación, según una ley bien definida,
de modo a producir una otra señal de TD, llamada salida o
respuesta del sistema.
Sistemas de Tiempo Discreto - STD
Sistema TD: circuito o algoritmo que opera sobre una señal de

TD, llamada de entrada o excitación, según una ley bien definida,
de modo a producir una otra señal de TD, llamada salida o
respuesta del sistema.
Descripción entrada-salida de sistemas: Expresión matemática

que define explı́citamente la relación entre los señales de entrada y
de salida
y [.] = T {x[.]}
Representación de STD por diagrama de bloques

Sumador

Sumador
Multiplicador por constante


Sumador
Multiplicador de señal

Sumador
Elemento de atraso unidad


Sumador
Elemento de avance unidad


Sumador
Elemento de avance unidad

Clasificación de STD
Sistemas variantes e invariantes en el tiempo.

Invariante: Su descripción entrada-salida no muda con el
tiempo
y [n] ← x[n] ⇒ y [n − k] ← x[n − k]

tiempo
y [n] ← x[n] ⇒ y [n − k] ← x[n − k]
Sistemas con o sin memoria

Sin memoria: su salida y [n] depende únicamente de x[n]

tiempo
y [n] ← x[n] ⇒ y [n − k] ← x[n − k]
Sistemas con o sin memoria

Sin memoria: su salida y [n] depende únicamente de x[n]
Sistemas causales y no causales

Causal: la salida y [n] depende solamente de las entradas hasta
aquel instante (o sea de x[n], x[n − 1], x[n − 2], etc.)
Sistemas Lineales y no Lineales

Lineal: obedece al principio de superposición.
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
(Principio aditividad )
T {x1 [n] + x2 [n]} = T {x1 [n]} + T {x2 [n]} = y1 [n] + y2 [n]

y (Principio homogeneidad)
T {ax[n]} = aT {x[n]} = ay [n]

y (Principio homogeneidad)
T {ax[n]} = aT {x[n]} = ay [n]
principio de superposición:
T {ax1 [n] + ax2 [n]} = aT {x1 [n]} + bT {x2 [n]} = ay1 [n] + by2 [n]
Sistemas estables e inestables

Estabilidad en el sentido de entrada acotada, salida acotada
(BIBO, Bounded-Input, Bounded-Output) si y solo si
cualquier secuencia acotada a su entrada produce una
secuencia de salida acotada.
x[n] es acotada si para todo n existe un valor positivo fijo Bx
tal que
|x[n]| ≤ Bx < ∞
La estabilidad requiere, que para cualquier entrada acotada,

existe un valor positivo By tal que
|y [n]| ≤ By < ∞
para todo n.
Interconexión STD
Cascada
τc = τ1 τ2
en general τ1 τ2 6= τ2 τ1
Interconexión STD
Cascada
τc = τ1 τ2
en general τ1 τ2 6= τ2 τ1
Paralelo
τp = τ1 + τ2
SISTEMAS DE TIEMPO DISCRETO LINEALES E

INVARIANTES EN EL TIEMPO - LIT
Análisis de Sistemas
Una señal x[n] se puede pensar como la forma de señales

elementales xk [n]:
X
x[n] = ck xk [n]
k
donde ck corresponde a las amplitudes de la descomposición de x[n]


elementales xk [n]:
X
x[n] = ck xk [n]
k
Cada señal elemental xk [n] tiene como respuesta:

yk [n] = τ {xk [n]}

elementales xk [n]:
X
x[n] = ck xk [n]
k

yk [n] = τ {xk [n]}
siendo para toda la señal x[n]

X
y [n] = ck yk [n]
k

elementales xk [n]:
X
x[n] = ck xk [n]
k

yk [n] = τ {xk [n]}
siendo para toda la señal x[n]

X
y [n] = ck yk [n]
k
Señales elementales: impulso, exponencial.

Descomposición de STD en impulsos
Sea la señal elemental:

xk [n] = δ[n − k]
Descomposición de STD en impulsos
Sea la señal elemental:

xk [n] = δ[n − k]
x[n] puede representarse como

∞
X
x[n] = x[k]δ[n − k]
k=−∞
Suma de convolución
Sea g (n, k) la salida del sistema para δ[n − k], entonces por
linealidad ∞ X
y [n] = x[k]g (n, k)
k=−∞
linealidad ∞ X
y [n] = x[k]g (n, k)
k=−∞
por propiedad de invariancia y denominando h[n] la respuesta a δ[n],

o sea, h[n] = g (n, 0) se tiene g (n, k) = h(n − k) como respuesta a
δ[n − k], entonces:
∞
X
y [n] = x[k]h[n − k]
k=−∞
linealidad ∞ X
y [n] = x[k]g (n, k)
k=−∞
por propiedad de invariancia y denominando h[n] la respuesta a δ[n],

o sea, h[n] = g (n, 0) se tiene g (n, k) = h(n − k) como respuesta a
δ[n − k], entonces:
∞
X
y [n] = x[k]h[n − k]
k=−∞
para un instante n0 se tiene:

∞
X
y [n0 ] = x[k]h[n0 − k]
k=−∞
Procedimiento:
Repliegue (obtener h[−k])

Procedimiento:
Desplazamiento (desplazar h[−k] n0 veces)

Procedimiento:
Multiplicación (multiplicar x[k] por h[no − k])

Procedimiento:
Multiplicación (multiplicar x[k] por h[no − k])
Sumatoria (Se suman todos los valores para obtener y [n0 ])

Propiedades:
Notación
y [n] = x[n] ∗ h[n]
Propiedades:
Notación
y [n] = x[n] ∗ h[n]
Conmutatividad
Propiedades:
Notación
y [n] = x[n] ∗ h[n]
Conmutatividad
Asociatividad
Propiedades:
Notación
y [n] = x[n] ∗ h[n]
Conmutatividad
Asociatividad
Ley distributiva
Sistemas LIT causales

La salida de un sistema causal en un instante dado solo depende
de la entrada en ese instante y de las entradas en instantes
anteriores, por lo que su respuesta impulsiva debe satisfacer:
h[n] = 0, n < 0.
luego:
∞
X n
X
y [n] = h[k]x[n − k] = x[k]h[n − k]
k=0 k=−∞
Secuencia causal: aquella que es 0 para n < 0

Secuencia no causal: aquella que no es 0 para n < 0 y n > 0
Para una secuencia causal:
n
X n
X
y [n] = h[k]x[n − k] = x[k]h[n − k]
k=0 k=0
Sistemas de respuesta al impulso unitario
Clasificación de los sistemas LIT de acuerdo a la respuesta al

impulso:
Respuesta de duración finita (FIR)
M
P
h[n] = 0, n<0 e n>M ⇒ y [n] = h[k]x[n − k]
k=0
Respuesta de duración infinita (IIR)

∞
X
y [n] = h[k]x[n − k]
k=0
Sistemas Discretos recursivos y no recursivos
Observación: La convolución expresa la salida de un sistema LTI

explicita y únicamente en términos de la señal de entrada.
Hay sistemas donde es deseable expresar la salida en términos de la

señal de entrada y de las salidas anteriores del sistema
Ejemplo: Promedio acumulativo:

n
1 X
y [n] = x[k], n = 0, 1, 2, · · ·
n+1
k=0
SISTEMA RECURSIVO: sistema cuya salida y [n] en el intervalo n

depende de un número de valores pasados de la salida:
y [n − 1], y [n − 2], · · ·
Ejercicio:
Sea
1 x[n]
y [n] = y [n − 1] +
2 y [n − 1]
considere x[n] = Au[n], con A = 2 y y [−1] = 1

halle y[10]
STD descritos por Ecuaciones de diferencias
La suma de convolución no es posible llevarla a la práctica en

sistemas IIR
Para determinados sistemas LIT IIR es posible otra forma de

relación entrada salida:
Ecuaciones de diferencias de coeficientes constantes:
N
X M
X
y [n] = − ak y [n − k] + bk x[n − k]
k=1 k=0
FIR:
M
P
bk = 0, k<0 e k>M ⇒ y [n] = bk x[n − k]
k=0
FIR:
M
P
bk = 0, k<0 e k>M ⇒ y [n] = bk x[n − k]
k=0
x[n]
z −1 z −1 z −1
b0 b1 bM
y [n]
IIR:
N
X M
X
y [n] = − ak y [n − k] + bk x[n − k]
k=1 k=0
IIR:
N
X M
X
y [n] = − ak y [n − k] + bk x[n − k]
k=1 k=0
x[n]
z −1 z −1 z −1
b0 b1 bM
y [n]
z −1 z −1 z −1
−a1 −a2 −aN

caso particular para n ≥ 0

y [n] = ay [n − 1] + x[n]
n
X
y [n] = an+1 y [−1] + ak x[n − k]
k=0
h[n] = an u[n]
Sistema recursivo relajado: si condición inicial es igual a cero

Se dice que el sistema es ”estado cero” y su respuesta es ”a
estado cero” o ”forzada” (yzs [n])
caso particular para n ≥ 0

y [n] = ay [n − 1] + x[n]
n
X
y [n] = an+1 y [−1] + ak x[n − k]
k=0
h[n] = an u[n]
Sistema recursivo relajado: si condición inicial es igual a cero

Se dice que el sistema es ”estado cero” y su respuesta es ”a
estado cero” o ”forzada” (yzs [n])
Sistema recursivo no relajado: si condición inicial es 6= 0 y
x[n] = 0 para todo n. Su respuesta se conoce como ”entrada
cero” o ”natural” (yzi [n])
Estabilidad
Recordando: un sistema es BIBO estable sii su secuencia de salida

es acotada para una entrada acotada.
partiendo de:
∞
X
y [n] = h[k]x[n − k]
k=−∞
Estabilidad
Recordando: un sistema es BIBO estable sii su secuencia de salida

es acotada para una entrada acotada.
partiendo de:
∞
X
y [n] = h[k]x[n − k]
k=−∞
la salida y[n] es acotada si la repuesta impulsiva del sistema

satisface
∞
X
sk = |h[k]| < ∞
k=−∞
Respuesta en Frecuencia
Señales sinusoidales ←→ exponenciales complejas
e jφ = cos(φ) + jsenφ
e jφ + e −jφ
cosφ = ,
2
e jφ − e −jφ
senφ =
2j
para señales de tiempo discreto φ = wn + θ.

Respuesta de un sistema LIT a una exponencial compleja
Se tiene ∞ ∞
X X
y [n] = x[k]h[n − k] = h[k]x[n − k],
k=−∞ k=−∞
La respuesta del sistema para x[n] = Ae jwn , con −∞ < n < ∞ es:
Respuesta de un sistema LIT a una exponencial compleja
Se tiene ∞ ∞
X X
y [n] = x[k]h[n − k] = h[k]x[n − k],
k=−∞ k=−∞
La respuesta del sistema para x[n] = Ae jwn , con −∞ < n < ∞ es:
∞
y [n] = H(e jw )Ae jwn donde H(e jw ) = h[k]e −jwk
P
k=−∞
o
y [n] = A|H(e jw )|e j[wn+Θ(w)]
propiedad: H(e jw ) es periódica:
H(w + 2πw ) = H(w )
Respuesta en Frecuencia de un sistema con respuesta al

pulso unitario real
Caracterı́stica de la respuesta en frecuencia H(e jw ) e H(e −jw ) son

complejos conjugados
∞
X
H(e −jw ) = h[k]e jwk = H ∗ (e jw )
k=−∞
o sea que se cumple con:
|H(e jw )| = |H(e −jw )|, Θ(w ) = −Θ(−w )

Respuesta en Frecuencia de un sistema descrito por una

ecuación de diferencias
Para un sistema LIT, dado un x[n] = Ae jwn la salida es de la forma
y [n] = Be j(wn+φ) aplicando en la ecuación general de diferencias y
reagrupando se tiene:
M
−jwk
P
bk e
jw jwn jw k=0
y [n] = H(e )Ae , H(e ) = N
P
1+ ak e −jwk
k=1
Respuesta en Frecuencia de la asociación de sistemas
H1 (e jw ) H2 (e jw ) H(e jw ) =
H1 (e jw )H2 (e jw )
H1 (e jw )
H(e jw ) =
H1 (e jw ) + H2 (e jw )
H2 (e jw )
RESPRESENTACIÓN EN FRECUENCIA DE SEÑALES Y

SISTEMAS DE TIEMPO DISCRETO
La respuesta en frecuencia de un LIT con respuesta al impulso h[n]

es:
+∞
X
H(e jω ) = h[n]e −jωn
n=−∞
Utilizando la integral
(
1 Rπ jω(n−k) 1 para n = k
e dω = δ[n − k] =
2π −π 0 6 k
para n =
se llega a
Zπ
1
h[n] = H(e jω )e jωn dω
2π
−π
Transformada de Fourier de Tiempo Discreto - TFTD
Zπ
1
x[n] = X (e jω )e jωn dω
2π
−π
∞
X
X (e jω ) = x[n]e −jωn
n=−∞
Transformada de Fourier de Tiempo Discreto - TFTD
Zπ
1
x[n] = X (e jω )e jωn dω
2π
−π
∞
X
X (e jω ) = x[n]e −jωn
n=−∞
una señal para que tenga TFTD debe cumplir:

∞
X
X (e jω ) ≤

|x[n]| < ∞
n=−∞
Ejemplos
1 x[n] = an u[n]
(
1 −L ≤ n ≤ L
2 g [n] =
0 pdv
(
1 |ω| ≤ ωc
3 H(e jω ) =
0 ωc < |ω| ≤ π
Convolución
∞
X
y [n] = v [n] ∗ h[n] = v [k]h[n − k]
k=−∞
TFTD
v [n] ∗ h[n] ←→ V (e jω )H(e jω )
Propiedades de la TFTD
Propiedades de simetrı́a
Secuencia simétrica conjugada: xe [n] = xe∗ [−n]

Secuencia antisimétrica conjugada: xo [n] = −xo∗ [−n]
Otras relaciones:
x[n] = xe [n] + xo [n]
1
{x[n] + x ∗ [−n]}
xe [n] =
2
1
xo [n] = {x[n] − x ∗ [−n]}
2
Si Xe (e jω ) es simétrica conjugada: Xe (e jω ) = Xe∗ (e −jω )
Si Xo (e jω ) es antisimétrica conjugada: Xo (e jω ) = −Xo∗ (e −jω )
Relaciones:
X (e jω ) = Xe (e jω ) + Xo (e jω )
1
Xe (e jω ) = X (e jω ) + X ∗ (e −jω )

2
1
Xo (e jω ) = X (e jω ) − X ∗ (e −jω )

2
Otras propiedades de la TFTD
TFTD{x ∗ [n]} = X ∗ (e −jω )
TFTD{x[−n]} = X ( e −jω )
TFTD{x ∗ [−n]} = X ∗ (e jω )
TFTD{xe [n]} = Re {X (e jω )}
TFTD{xo [n]} = jIm {X (e jω )}
TFTD{Re {x[n]} = Xe (e jω )
TFTD{jIm {x[n]} = Xo (e jω )
x[n] = xe [n] + xo [n]

l l l
X (e jω ) = Re {X (e jω )} + jIm {X (e jω )}
x ∗ [n] = xe∗ [n] + xo∗ [n]

l l l
∗
X (e −jω ) = Re {X (e −jω )} + −jIm {X (e −jω )}
Si x[n] es real (x[n] = x ∗ [n]) se tiene
X (e jω ) = X ∗ (e −jω )
Re {X (e jω )} = Re {X ( e −jω )}
Im {X (e jω )} = −Im {X (e −jω )}
|X (e jω )| = |X (e −jω )|
∠X (e jω ) = −∠X (e −jω )
TFTD{xe [n]} = Re {X (e jω )
TFTD{xo [n]} = jIm {X (e jω )}

Teoremas de la TFTD
Linealidad
TFTD
ax[n] + by [n] ←→ aX (e jω ) + bY (e jω )
Desplazamiento en el tiempo
TFTD
x[n − λ] ←→ e −jωλ X (e jω )
Desplazamiento en frecuencia
TFTD
e jωo n x[n] ←→ X (e j(ω−ωo ) )
Reflexión en el tiempo
TFTD
x[−n] ←→ X (e −jω )
si x[n] es real se tiene
TFTD
x[−n] ←→ X ∗ (e jω )
Diferenciación en el dominio de la frecuencia

TFTD dX (e jω )
nx[n] ←→ j
dω
Convolución periódica
Zπ
TFTD 1
x[n]y [n] ←→ X (e jθ )Y (e j(ω−θ) )dθ
2π
−π
Igualdad de Parseval generalizada:

∞ Zπ
X
∗ 1
v [n]x [n] = V (e jω )X ∗ (e jω )dω
n=−∞
2π
−π
Igualdad de Parseval
∞ Zπ
X 12
|v [n]| = |V (e jω )|2
n=−∞
2π
−π
Ejemplos:
Hallar la TFTD de x[n] = an u[n − 5]
Determine h[n] para
1
X (e jω ) =
(1 − ae −jω )(1 − be −jω )
Hallar h[n] para

1 1
y [n] − y [n − 1] = x[n] − x[n − 1]
2 4
Serie de Fourier de Tiempo Discreto - SFD
Su utiliza para secuencias periódicas:
ṽ [n] = ṽ [n + N], ∀n
Definición:
N−1
1 X 2π
ṽ [n] = Ṽ [k]e j N nk
N
k=0
N−1
X 2π
Ṽ [k] = ṽ [n]e −j N
nk
n=0
Observaciones:
Las secuencias periódicas son indicadas por ∼
Ṽ [k] es periódica de periodo N
Los lı́mites de la sumatoria puede ser cualquiera desde que se

consideren N muestras consecutivas
Se utiliza la notación
2π
WNnk = e −j N
nk
Ejemplos:
Hallar la SFD para el tren de impulsos:

∞
(
X 1 n = rN, r ∈Z
x̃[n] = δ[n − rN] =
r =−∞ 0 pdv
Hallar la SFD para:
x̃[n] = {1, 1, 1, 1, 1, 0, 0, 0, 0, 0}
Teoremas de la SFD
Linealidad
SFD
ax̃[n] + bỹ[n] ←→ aX̃ [k] + b Ỹ [k]
Desplazamiento en el tiempo
SFD 2π
x̃[n − λ] ←→ e −j N
kλ
X̃ [k]
Desplazamiento en frecuencia
2π SFD
ej N
nλ
x̃[n] ←→ X̃ [k − λ]
Convolución periódica
N−1
SFD
X
x̃[n] ∗ ỹ [n] = x̃[r ]ỹ [n − r ] ←→ X̃ [k]Ỹ [k]
r =0
Convolución periódica en el dominio de la frecuencia

N−1
SFD 1 X
x̃[n]ỹ [n] ←→ X̃ [λ]Ỹ [k − λ]
N
λ=0
Dualidad
X̃ [−n] = SFD −1 {N x̃ [k]} o X̃ [n] = SFD −1 {N x̃[−k]}
Igualdad de Parseval generalizada:

N−1 N−1
X 1 X
ṽ[n]x̃ ∗ [n] = Ṽ [k]X̃ ∗ [k]
N
n=0 k=0
Igualdad de Parseval
N−1 N−1
X
2 1 X
|ṽ [n]| = |Ṽ [k]|2
N
n=0 k=0
Ejemplos
√
Determine el espectro de x[n] = cos( 2 πn)
Determine el espectro de x̃[n] = {1, 1, 0, 0}

Relación TFTD - SFD
Se toman N muestras a X (ω)

∞
X 2π
X̃ [k] = X (ω)|ω= 2πk = x[m]e −j N
km
N
m=−∞
¿cuál es la señal x̃[n] que se obtiene al aplicar la SFD −1 ?
N−1 ∞ ∞
1 X 2π X X
x̃[n] = X̃ [k]e j N kn = x[m]δ[n − rN − m]
N r =−∞ m=−∞
k=0
Relación TFTD - SFD
Se toman N muestras a X (ω)

∞
X 2π
X̃ [k] = X (ω)|ω= 2πk = x[m]e −j N
km
N
m=−∞
¿cuál es la señal x̃[n] que se obtiene al aplicar la SFD −1 ?
N−1 ∞ ∞
1 X 2π X X
x̃[n] = X̃ [k]e j N kn = x[m]δ[n − rN − m]
N r =−∞ m=−∞
k=0
∞
X
x̃[n] = x[n − rN]
r =−∞
TRANSFORMADA DE FOURIER DISCRETA - TFD

N−1
 P x[n]e −j 2π

N
kn
para 0 ≤ k ≤ N − 1
X [k] = k=0
0

pdv
siendo la inversa:

N−1
 1 P X [k]e j 2π

N
kn
para 0 ≤ k ≤ N − 1
N
x[n] = k=0
0

pdv
operación módulo
n mod N = ⌊n⌋N = ((n))N
n mod N = n − N(n\N)
nno
n\N = floor
N
∞
X
x̃[n] = x[n + rN] = x[n mod N] = x[⌊n⌋N ]
r =−∞
Relación TFD - SFD
Repetición periódica
x[n] x̃[n]
UN periodo
TFDN SFD
Repetición periódica
X [k] X̃ [k]
UN periodo
Relación TFD - TFTD
Dado que una secuencia de longitud N la TFTD viene dada por:

N−1
X
V (e jω ) = v [n]e −jωn
n=0
se puede observar la relación entre la TFD y la TFTD:
V [k] = V (e jω )|ω= 2πk

N
TRANSFORMADA Z
Definición
Transformada z bilateral
∞
X
X (z) = x[n]z −n
n=−∞
Transformada z unilateral
∞
X
X (z) = x[n]z −n
n=0
El conjunto de valores de z para los cuales la TZ converge se

denomina ROC (“Region Of Convergence”)
Expresando z = re jθ se tiene
∞ ∞
X
n
X x[n]
|X (z)| ≤ |x[−n]r | +
rn

n=1 n=0
r1
r2
Transformada Z racional
M M
bk z −k
P Q
(z − zk )
N(z)
X (z) = = k=0 = Gz N−M k=1
D(z) N N
ak z −k
P Q
(z − pk )
k=0 k=1
Representación en el plano complejo

◦ ceros
× polos
Propiedades de la ROC
La ROC puede ser un disco o un anillo centrado en el origen,

0 ≤ r1 < |z| < r2 ≤ ∞.
La TFTD de x[n] converge sii la ROC de la TZ de x[n]
contiene la circunferencia unidad.
La ROC no contiene polos
Si x[n] = 0 para −∞ < N1 ≤ n ≤ N2 < ∞, ROC es todo el
plano complejo excepto en z = 0 o z = ∞
Si x[n] = 0 para n < N1 < ∞ la ROC se extiende hacia afuera
del polo finito de mayor módulo
Si x[n] = 0 para −∞ < N2 < n la ROC se extiende hacia
adentro del polo finito de menor módulo
La ROC de una secuencia bilateral infinita corresponde a un
anillo limitado interna y externamente por un polo y no
contiene ningún polo
Propiedades de la Transformada Z
TZ {ax1 [n] + bx2 [n]} = aX1 (z) + bX2 (z), ROC contiene
R1 ∩ R2
TZ {x[n − d]} = z −d X (z), ROC: R con la posible adición o
supresión de z = 0 o z = ∞
Si TZ {x[n]} = X (z) con ROC r1 < |z| < r2 , entonces
TZ {an x[n]} = X (a−1 z) con ROC |a|r1 < |z| < |a|r2
Si TZ {x[n]} = X (z) con ROC R, entonces
X (z)
TZ {nx[n]} = −z con ROC R
dz
Si TZ {x[n]} = X (z) con ROC r1 < |z| < r2 , entonces
TZ {x[−n]} = X (z −1 ) con ROC r12 < |z| < r11
TZ {x1 [n] ∗ x2 [n]} = X (1 z)X2 (z), ROC contiene R1 ∩ R2
Transformada Z inversa
integración I
x[n] = X (z)z n−1 dz
c
Inspección
Descomposición en fracciones simples
M M
bk z −k (1 − ck z −1 )
P Q
b0
k=0 k=1
X (z) = N
= N
z −k (1 − dk z −1 )
P Q
ak a0
k=0 k=1
donde ck 6= 0 y dk 6= 0
Si N > M y polos de primer orden
N Ak
(1 − dk z −1 )X (z)|z=dk = Ak
P
X (z) =
k=1 1 − dk z −1
Descomposición en fracciones simples (cont.)

Si N ≤ M y polos de primer orden
M−N N
X X Ak
X (z) = Br z −r +
r =0
1 − dk z −1
k=1
Si N ≤ M y un polo de orden múltiple s

M−N N s
X X Ak X cm
X (z) = Br z −r + −1
+
r =0
1 − dk z (1 − di z −1 )m
k=1,k6=i m=1
d s−m

1
(1 − di w )s X (w −1 )

cm =
(s − m)!(−di )s−m dw s−m
w =di−1
Expansión en series de potencia

DISEÑO DE FILTROS DIGITALES

Introducción
filtro: es un dispositivo que discrimina de acuerdo a algún atributo

de los objetos aplicados a su entrada, que pasa a través de este.
Un sistema LIT ejecuta un tipo de discriminación (filtrado) a las

componentes de frecuencia que tiene a su entrada
Filtros Digitales Ideales
Una clase importante de los sistemas LIT son aquellos donde la

respuesta en frecuencia es UNO en un intervalo de frecuencia
determinada y cero para las demás frecuencias
Se les conoce como FILTROS SELECTIVOS EN FRECUENCIA

|H(ω)| |H(ω)|
B
1 1
−π −ωc 0 ωc π −π −ωc 0 ωc π
|H(ω)| |H(ω)|
B
1 1
−π −ω0 0 ω0 π −π −ω0 0 ω0 π
−ω2 −ω1 ω1 ω2
|H(ω)|
−π 0 π
Respuesta en frecuencia del filtro pasa-bajo ideal (periodicidad 2π )

(
1 |ω| < ωc
H(ω) = 0 ωc < |ω| ≤ π
Aplicando la ecuación de sı́ntesis de la TF se tiene la respuesta

impulsiva
sin ωc n
h[n] = −∞ < n < ∞
πn
El filtro no es causal porque h[n] 6= 0 para n < 0
h[n] no es absolutamente sumable
Los valores de la secuencia se aproximan a cero cuando
n → ∞, según 1/n (debido a la discontinuidad en ω = ωc )
No son realizables computacionalmente
La respuesta de fase vale cero
De acuerdo con Fourier la entrada y salida de un sistema se

relacionan mediante:
Y (e jω ) = H(e jω )X (e jω )
o en forma polar:
|Y (e jω )| = |H(e jω )||X (e jω )|
∡Y (e jω ) = ∡H(e jω ) + ∡X (e jω )
|H(e jω )|:
respuesta en amplitud o ganancia del sistema
∡H(e ): respuesta de fase o desplazamiento de fase del sistema
jω
Los efectos del módulo y la fase pueden ser:

deseables: si la señal se modifica de forma útil
indeseables: si la señal de entrada se deteriora (distorsión de
amplitud y distorsión de fase)
Sea una señal x[n] con ω1 < ω < ω2 , pasada a través del filtro con
RF: ( −jωn
o
e ω1 < ω < ω2 ,
H(w ) =
0 pdv,
por tanto la salida del filtro tiene como respuesta:
Y (ω) = X (ω)e −jωno , ω1 < ω < ω2 ,
aplicando la transformada inversa de Fourier se obtiene

y [n] = x[n − no ],
luego la salida del filtro es la versión atrasada de la señal de

entrada.
El atraso no se considera como distorsión de la señal, por lo tanto

los filtros ideales pueden tener caracterı́sticas de fase lineal en su
banda pasante
Θ(ω) = −ωno
Podemos definir el atraso de la señal en función de la frecuencia

como
dΘ(ω)
τg (ω) = −
dω
τg :atraso de envolvente o atraso de grupo del filtro

Corresponde al atraso en tiempo que experimenta una componente
de la frecuencia ω cuando esta pasa de la entrada a la salida del
sistema
Cálculo de la función de la respuesta en frecuencia
Para evaluar la respuesta en magnitud y fase en función de la

frecuencia, es conveniente expresar H(ω) en términos de polos y
ceros
M M
Q
(1 − ck e −jω ) ! Q (e jωk − ck )
k=1 k=1
H(ω) = b0 N
= b0 e jω(N−M) N
Q Q
(1 − pk e −jω ) (e jωk − pk )
k=1 k=1
Los factores complejos se pueden expresar en forma polar

e jω − ck = Vk (ω)e jΘk (ω)
e jω − pk = Uk (ω)e jΦk (ω)
de donde
Vk (ω) = |e jω − ck |, Θk (ω) = ∡(e jω − ck )
Uk (ω) = |e jω − pk |, Φk (ω) = ∡(e jω − pk )
de aquı́ (siendo |e jω(N−M) | = 1)

V1 (ω) · · · VM (ω)
|H(ω)| = b0 (1)
U1 (ω) · · · UN (ω)
y la fase
∡H(ω) = ∡b0 + ω(n − M) + Θ1 (ω) + · · · + ΘM (ω) − {Φ1 (ω) + · · · ΦN (ω)} (2)
donde (
0 si b>0
∡b0 = π si b<0
conociendo los polos y ceros de H(ω) se puede evaluar la respuesta

en frecuencia de (1) y (2)
Conclusiones
Un cero cercano al circulo unitario lleva a que la magnitud de

la respuesta en frecuencia de los puntos del circulo unitario
cercanos a ese cero sea pequeña (frecuencias desenfatizadas)
La presencia de un polo cercano al circulo unitario causa que
la magnitud de la respuesta en frecuencia de los puntos del
circulo unitario cercanos a ese polo sea grande (frecuencias
enfatizadas)
Colocando un polo cercano a un cero cancela el efecto del
cero y viceversa
Restricciones
Para que el filtro sea estable todos los polos deben colocarse
dentro del cı́rculo unitario. Los ceros pueden colocarse en
cualquier lugar del plano z.
Para que el filtro tenga coeficientes reales, todos los polos y

todos los ceros deben ocurrir en parejas de complejos
conjugados
Dado un patrón de polos y ceros la función del sistema puede

expresarse como:
M M
bk z −k (1 − zk z −1 )
P Q
k=0 k=1
H(z) = N
= b0 N
P Q
1+ ak z −k (1 − pk z −1 )
k=1 k=1
b0 seleccionado de manera que |H(w0 )| = 1, w0 está en la

banda pasante del filtro
N ≥M
Filtros pasa-bajo y pasa-alto
× ×
× ×
× ×
pasa bajo
× ×
× ×
× ×
pasa alto
Transformación de un filtro: PB a PA
Sea hpb [n] la ri de un filtro PB con respuesta en frecuencia Hpb (w )

Un PA se puede obtener trasladando π radianes Hpb (w ) o sea
reemplazando w por w + π
Hpa (w ) = Hpb (w + π)
esto es equivalente en la ri a
hpa [n] = (e jπn )hpb [n] = (e jπ )n hpb [n]
= (−1)n hpb [n]

Resonador Digital
Filtro pasa-banda de dos polos complejos conjugados cercanos al

circulo unitario
b0
H(z) = ,
(1 − re jw0 z −1 )(1 − re −jw0 z −1 )
para que |H(w0 )| = 1:
p
b0 = (1 − r ) 1 + r 2 − 2rcos(2w0 )
.
Adicionando zeros
1 − z −2
H(z) = G ,
(1 − re jw0 z −1 )(1− re −jw0 z −1 )
para que |H(w0 )| = 1:
p
(1 − r ) 1 + r 2 − 2rcos(2w0 )
G=
2 − 2cos(2w0 )
Filtro de Ranura (Notch)
Posee nulos perfectos en su respuesta en frecuencia

ceros complejos conjugados en la circunferencia unidad
H(z) = b0 (1 − e jw0 z −1 )(1 − e −jw0 z −1 )
= b0 (1 − 2cosw0 z −1 + z −2 ).
Para disminuir el relativo gran ancho del banda del filtro se

introducen polos que resuenen en la vecindad del nulo:
1 − 2cosw0 z −1 + z −2
H(z) = b0
1 − 2rcosw0 z −1 + r 2 z −2
implementación por ensayo y error.

Representación de Fase Continua
Teorema:
La respuesta en frecuencia de una función de transferencia H(z)
real, causal, estable y racional se puede expresar como
H(w ) = A(w )e jφ(w)
donde A(w ) es real pero no necesariamente positiva y φ(w ) es

continua.
Un filtro digital cuya respuesta en frecuencia admite la

representación de fase continua
H(w ) = A(w )e jwτp
se dice que tiene fase lineal

Un filtro digital cuya respuesta en frecuencia admite la

representación de fase continua
H(w ) = A(w )e j(φo −wτg )
se dice que tiene fase lineal generalizada, FLG

Los filtros reales digitales con FLG son de cuatro tipos (para
M entero):
Atraso de Grupo, τg Fase inicial, φo

Tipo I M 0
Tipo II M + 1/2 0
Tipo III M π/2
Tipo IV M + 1/2 π/2
Proyecto de Filtros FIR
Los filtros FIR son empleados cuando se requiere fase lineal en

la banda pasante.
Los filtros ideales no son causales y por tanto no son
fı́sicamente realizables
Causalidad implica que H(w ):
no puede ser cero, excepto en un número finito de puntos
no puede tener una frecuencia de corte infinitamente aguda
(no puede caer de la unidad a cero bruscamente)
Es tolerable una pequeña cantidad de ripple (rizado) en la
banda pasante
No es necesario que su magnitud sea cero en la banda de
parada, es tolerable una pequeña cantidad de ripple
δ1 ∼ rizado pasabanda
|H(w )| δ2 ∼ rizado banda eliminada
wp ∼ corte rizado pasabanda
ws ∼ corte rizado banda eliminada
1 + δ1
1 − δ1
rizado pasabanda
banda eliminada
banda de
transición
δ2
w
0 wp ws π
Proyecto de Filtros FIR

Un filtro FIR de orden N se describe por la ecuación de
diferencias:
N
X
y [n] = bk x[n − k] = b0 x[n] + b1 x[n − 1] + · · · + bN x[n − N]
k=0
o por la convolución:
N
X
y [n] = h[k]x[n − k]
k=0
o se puede caracterizar por su función de transferencia:

N
X
H(z) = h[k]z −k
k=0
Un filtro FIR tiene fase lineal si su respuesta impulsiva

satisface:
h[n] = ±h[N − n] n = 0, 1, · · · , N
Clasificación
Filtros del tipo I
Orden par: N = 2M
Respuesta impulsiva simétrica h[n] = h[N − n], n = 0, 1, · · · , N
Respuesta en frecuencia:
N M
!
X −jwn −jwM
X
H(w ) = h[n]e =e a[n]coswn
n=0 n=0
donde:
a[0] = h[M]
a[n] = 2h[M − n] 1≤n≤M
Filtros del tipo II
Orden impar: N = 2M + 1
Respuesta impulsiva simétrica h[n] = h[N − n], n = 0, 1, · · · , N
N
( M
)
X −jwn −jw(M+0.5)
X
H(w ) = h[n]e =e 2 h[n]cos[w (M + 0.5 − n)]
n=0 n=0
No adecuado para filtros pasa-alto o elimina-banda

Filtros del tipo III
Orden par: N = 2M
Respuesta impulsiva antisimétrica h[n] = −h[N − n],
n = 0, 1, · · · , N
( M−1
)
−j(0.5π−wM)
X
H(w ) = e 2 h[n]sin[w (M − n)]
n=0
No adecuado para filtros pasa-bajo, pasa-alto o elimina-banda.

Poco usados como pasa-banda, se usan más como
diferenciadores.
Filtros del tipo IV
Orden impar: N = 2M + 1
Respuesta impulsiva antisimétrica h[n] = −h[N − n],
n = 0, 1, · · · , N
( M
)
−j[0.5π−w(M+0.5)]
X
H(w ) = e 2 h[n]sin[w (M + 0.5 − n)]
n=0
No adecuado para filtros pasa-bajo o elimina-banda. Pueden

ser usados como pasa-alto y pasa-banda pero no es lo común,
se usan más como diferenciadores.
Truncamiento de la respuesta al impulso
Se desea una determinada respuesta en frecuencia Hd (e jw )

se tiene:
1 Rπ ∞
Hd (e jw )e jwn dw Hd (e jw ) = hd [n]e jwn
P
hd [n] =
2π −π n=−∞
hd es infinita y no causal, truncándola se obtiene una respuesta al

pulso unitario finita y de longitud L:
hd [n] n : no , no + 1, · · · , no + L − 1

ho [n] =
0 para los demás valores
Esto modifica la respuesta en frecuencia que se puede escribir

como jw jw jw
Ho (e ) = Hd (e ) − ε(e )
ε(e jw ) = Hd (e jw ) − Ho (e jw ) (3)
Respuesta en frecuencia deseada
(
wN
jw e −j 2 w1 ≤ |w | ≤ w2
Hd (e ) =
0 pdv
Respuesta al impulso ideal pasa-banda
" # " #
N N
w2 w2 n − 2 w1 w1 n − 2
hd [n] = sinc − sinc
π π π π
Respuesta al impulso ideal pasa-bajo
" #
N
w2 w2 n − 2
hd [n] = sinc
π π
Respuesta al impulso ideal pasa-bajo
" #
N
w2 w2 n − 2
hd [n] = sinc
π π
Respuesta al impulso ideal pasa-alto
" #
N
N w1 w1 n − 2
hd [n] = δ[n − ] − sinc
2 π π
Utilización de ventanas
El fenómeno de Gibbs se debe a la multiplicación de la ri hd [n] con
una ventana rectangular (discreta)
ho [n] = hd [n]·· g [n]

1, 06n6N
g [n] = 0, pdv
En el dominio de las frecuencias, esto corresponde a la

convolución periódica de Hd (e jw ) con
N
X sin(w (N + 1)/2) −j w (N)
G (e jw ) = e −jwn = e 2
n=0
sin(w /2)
|G (e jw )|
N +1
Lóbulo principal
1er lóbulo secundario
w
2π
π
N +1
Zπ
1
F {ho [n] = hd [n]g [n]} = Hd e jθ G e j(w−θ) dθ
2π
−π
Las oscilaciones de H(e jw ) son esencialmente debidas a los

lóbulos laterales de G (e jw )
El ancho de las transiciones de H(e jw ) en las regiones de
discontinuidad está relacionada con el ancho del lóbulo
principal de G (e jw )
Se utilizan otras ventanas para efectuar el truncamiento de

hd [n] e atenuar el fenómeno de Gibbs
Las ventanas utilizadas tienen nivel de lóbulo lateral menor
que el de la rectangular, pero poseen el lóbulo principal mas
ancho, esto implica fajas de transición mas anchas.
El error cuadrático medio es menor para la ventana
rectangular.
Algunas ventanas utilizadas

Hamming
Hanning (Von Hann)
Blackman
Barlett
Kaiser
Ventanas de series coseno: Hamming, Hanning y blackman:
M

2πm N
para n = 0, 1, 2, · · · , N
P
g [n] = am cos n−
m=0 N 2
Coeficientes:
a0 a1 a2 a3···
Ventana rectangular (VR) 1 0 0 0
Ventana Hanning (VVH) 0.5 0.5 0 0
Ventana Hamming (VH) 0.54 0.46 0 0
Ventana Blackman (VB) 0.42 0.5 0.08 0
Ventana Kaiser
p
Io β 1 − (1 − 2n/N)2
(
gk [n] = , n = 0, 1, · · · , N
Io (β)
0, pdv
donde ∞ 2
X xk
Io (x) =
k=0
2k k!
es la función de Bessel modificada de primer tipo de orden

cero.
El parámetro β controla el ancho del lóbulo principal y el nivel

del lóbulo lateral
Un valor de β alto lleva a un lóbulo principal amplio y un
niveles bajos de lóbulos laterales
Condiciones de diseño de filtro de Kaiser:
A = − 20 log10 (min{δp , δs })

0.1102(A − 8.7), A > 50,
β = 0.5842(A − 21)0.4 + 0.07886(A − 21), 21 < A ≤ 50,
0, A ≤ 21,

A − 7.95
N=
2.285|θp − θs |
Propiedades de las ventanas
Ventana Atenuación Atenuación Ancho

Lób. Lateral (dB) del filtro (dB) lob. central
Rectangular -13.5 21 4π/(N+1)
Von Hann -32 44 8π/(N+1)
Hamming -43 53 8π/(N+1)
Blackman -57 74 12π/(N+1)
Kaiser Depende de β
Ejemplos:
Filtro pasa bajo tipo I con:wp = 0.2π, ws = 0.3π, δp = δs = 0.01
Ejemplos:
Filtro pasa banda tipo II con:ws1 = 0.1π, wp1 = 0.25π, wp2 = 0.6π,
ws2 = 0.8π, δs1 = δp = 0.05, δs2 = 0.0025
Ejemplos:
ws2 = 0.8π, δs1 = δp = 0.05, δs2 = 0.0025
Filtro pasa alto con:ws = 0.1π, wp = 0.2π, δs = 0.0002, δs = 0.001
Ejemplos:
ws2 = 0.8π, δs1 = δp = 0.05, δs2 = 0.0025
Filtro pasa alto con:ws = 0.1π, wp = 0.2π, δs = 0.0002, δs = 0.001
Filtro elimina banda con:wp1 = 0.1π, ws1 = 0.2π, ws2 = 0.3π,
wp2 = 0.4π, δp1 = δp2 = 0.0002, δs = 0.00001
Aproximaciones óptimas
Los filtros FIR diseñados usando ventanas, a pesar de ser robustos

y simples, tienen dos inconvenientes:
los parámetros δp y δe son iguales aun cuando no se requiera
que ası́ lo sean
el rizado de las ventanas no es uniforme, decayendo a medida
que se aleja de los puntos de discontinuidad
Se considera un nuevo método donde la amplitud de la respuesta
deseada Ad (ω) se aproxima por una respuesta en amplitud FIR de
fase lineal A(ω) de acuerdo a un criterio óptimo:
A cada frecuencia ω le asignamos un peso V (ω) positivo

Se define un nuevo error en el dominio de la frecuencia
E (ω) = V (ω)[Ad (ω) − A(ω)]
Bajo estas consideraciones A(ω) se puede escribir de la forma

A(ω) = F (ω)G (ω)
y por lo tanto,
h i
E (ω) = V (ω) Ad (ω) − F (ω)G (ω)

E (ω) = Ṽ (ω) Ãd (ω) − G (ω) , ω∈S
Ad (ω)
donde Ṽ (ω) = V (ω)F (ω) y Ãd (ω) =
F (ω)
el problema es entonces: minimizar
ǫ = max | E (ω) |
ω∈S
siendo S la union finita de intervalos cerrados (bandas pasantes y

bandas eliminadas) en [ 0, π)
Para solucionar esto se utiliza el teorema de la alternancia:
Una condición suficiente y necesaria para que G (ω) sea única y se

aproxime de Ãd (ω) en S es que E (ω) presente al menos K + 2
frecuencias ωi extremas en S , esto es, deben existir K + 2
frecuencias ωi tales que:
ω0 < ω1 < · · · < ωK +1
E (ωi +1 ) = −E (ωi ) 0 ≤ i ≤ K +1
| E (ωi ) |= max | E (ω) | 0 ≤ i ≤ K +1

ω∈S
Procedimiento algoritmo de REMEZ ( Parks-McClelland)
Se selecciona el orden del filtro (Kaiser)

1 + δs
Ap = −20log10 As = −20log10 (δs )
1 − δs
p
−20log10 δp δs − 13
N=
2.32 | ωp − ωs |
Seleccione los valores iniciales para ωi , 0 ≤ i ≤ K + 1 de los

puntos extremos
Solucione la siguiente ecuación lineal para obtener g (k),
0 ≤ k ≤ K y ǫ:
E (ω) = Ṽ (ω) Ãd (ω) − G (ω) = (−1)i ǫ,

0 ≤ i ≤ K +1
Diseño de filtros IIR a partir de filtros de tiempo continuo
El diseño filtros digitales IIR comúnmente se basa en la

transformación de filtros analógicos IIR
Los principales filtros analógicos son:
Butterworth
Chebyshev
Elipticos
Los filtros analógicos diferentes a los pasa-bajo se diseñan

utilizando transformación en frecuencia
Especificaciones Filtros Analógicos

Especificaciones: Ωp , Ωs , δp , δs
Rango magnitud banda pasante: [1 − δp , 1]
Factor de discriminación:
1/2
(1 − δp )−2 − 1

d= (4)
δs−2 − 1
Factor de selectividad
Ωp
k= (5)
Ωs
Frecuencia de −3dB ( Ω0 ): magnitud de la respuesta del filtro

√
es 1/ 2 del valor nominal en la banda pasante
Procedimiento de diseño Filtro Butterworth

Calcule d y k usando (4) y (5) a partir de Ωp , Ωs , δp , δs
Calcule N (redondeando hacia arriba al entero mas cercano)
mediante:
ln(1/d)
N≥
ln(1/k)
Seleccione Ω0 usando:
h i−1/2N h i−1/2N
Ωp (1 − δp )−2 − 1 ≤ Ω0 ≤ Ωs δs−2 − 1
Calcule los polos sk usando

(2k + 1)π (2k + 1)π
sk = −Ω0 sin + jΩ0 cos 0 ≤ k ≤ N −1
2N 2N
Calcule la función de transferencia:
N−1
Y −sk
H(s) =
k=0
s − sk
Procedimiento de diseño Filtro Chebyshev tipo I

mediante:
arccosh(1/d)
N≥ (6)
arccosh(1/k)
Calcule Ω0 y ǫ usando:
−1/2
Ω0 = Ωp ǫ = (1 − δp )−2 − 1
Calcule los polos sk usando

1 1 (2k + 1)π
sk = −Ω0 sinh arcsinh sin +
N ǫ 2N

1 1 (2k + 1)π
+jΩ0 cosh arcsinh cos 0≤k ≤N −1
N ǫ 2N
(7)
Calcule H0 mediante
(
−1/2
H0 = 1 + ǫ2 , N par
1 N impar

N−1
Y −sk
H(s) = H0
s − sk
k=0
Procedimiento de diseño Filtro Chebyshev Tipo II

mediante (6)
Calcule Ω0 y ǫ usando:
−1/2
Ω0 = Ωs ǫ = δs−2 − 1
Calcule los polos sk mediante (7)

Calcule los polos vk por medio de:
Ω20
vk = 0≤k ≤N −1
sk
Calcule los ceros uk mediante:
jΩ0
uk = 0≤k ≤N −1
(2k + 1)π
cos
2N

N−1
Y vk (s − uk )
H(s) =
k=0
uk (s − vk )
donde (s − uk )/uk es reemplazado por −1 si uk = ∞

Métodos de Digitalización
Método diferencia regresiva

1 − z −1
s=
T
función de transferencia

H(z) = H(s)
s= 1−zT
−1
Transformación bilineal
1 − z −1

2
s=
T 1 + z −1
función de transferencia

H(z) = H(s)
1−z −1
s= T2
1+z −1
ahora,
1 + j0.5ΩT
z= = e jω
1 − j0.5ΩT
donde
ω = 2 arctan(0.5ΩT )
de aquı́, se puede obtener las frecuencias correspondientes en
tiempo continuo de las frecuencias de tiempo discreto:
2 ω
Ω= tan . (8)
T 2
Procedimiento de diseño de filtros IIR
Obtener las frecuencias equivalentes en tiempo continuo de

las frecuencias de los bordes de las bandas de tiempo discreto
(ωp , ωs ), δp y δs no se alteran
Diseñe el filtro analógico
Aplique un método de digitalización
Transformación de frecuencia para Filtros Analógicos

Tipo Banda de
de Transformación frecuencias
Transformación del nuevo filtro
Ωp
Pasa bajo s→ s Ωpb
Ωpb
Ωp Ωpa
Pasa alto s→ Ωpa
s
s 2 + Ωi Ωs
Pasa banda s → Ωp Ωi , Ωs
s (Ωs − Ωi )
s (Ωs − Ωi )
Elimina banda s → Ωp Ωi , Ωs
s 2 + Ωi Ωs
Transformación de frecuencia para Filtros Digitales
Tipo de
Transfor- Transformación Parámetros
mación
ωp′ =f corte
nuevo filtro
z −1 − a
Pasa-bajo z −1
−→ sin ωp − ωp′ /2
1 − az −1 a =
sin [(ωp + ωp′ ) /2]
′
ωp = f corte nuevo filtro
z −1 + a
Pasa-alto z −1 −→ − cos ωp + ωp′ /2
1 + az −1 a = −
cos [(ωp − ωp′ ) /2]
ωl = f de corte inferior
ωu = f de corte superior
z −1 −→ a1 = −2αK / (K + 1)
Pasa- a2 = (K − 1) / (K + 1)
banda z −2 − a1 z −1 + a2 cos [(ωu + ωl ) /2]
− α=
a2 z −2 − a1 z −1 + 1 cos [(ωu − ωl ) /2]
ω − ω ω
u l p
K = cot tan
2 2
ωl = f de corte inferior
ωu = f de corte superior
z −1 −→ a1 = −2α/ (K + 1)
Elimina- a2 = (1 − K ) / (1 + K )
banda z −2 − a1 z −1 + a2 cos [(ωu + ωl ) /2]
α=
a2 z −2 − a1 z −1 + 1 cos [(ωu − ωl ) /2]
ω − ω ω
u l p
K = tan tan
2 2
Filtros Adaptativos
Algoritmo adaptativo: es un dispositivo computacional que intenta

modelar la relación entre dos señales en tiempo real de una forma
iterativa.
Un filtro adaptativo es definido por cuatro aspectos:

Señales procesadas por el filtro
Estructura
Parámetros
Algoritmo adaptativo
Problema del filtro adaptativo:
u[n] Filtro y [n] P + d[n]

Adaptativo −
e[n]
e[n] = d[n] − y [n]
el error alimenta un procedimiento que altera o adapta los

parámetros del filtro del tiempo n a n + 1 de una forma bien difinida.
Estructura filtro FIR Adaptativo
u
z −1 z −1
ω0 ω1 ωm−1
ŷ
Ajustes del filtro e
Algoritmo Adaptativo
Aplicaciones
Cancelamiento de ruido
s+n d
entrada
primaria
n′ u Filtro e
Adaptativo
entrada de ŷ
referencia
Identificación de sistemas
s d
Sistema
u Filtro
Adaptativo
ŷ
e
Predicción de voz
s d
u Filtro
Atrazo Adaptativo
ŷ
e
Cancelamiento de eco
Adaptativo
Filtro
y
ŷ
e d +y d
Ecualización de canal
s d
Atrazo
u Filtro
Sistema Adaptativo
ŷ
ruı́do
Caracterı́sticas importantes a tener en cuenta al especificar un

filtro adaptativo
Estructura del filtro (ej. FIR, IIR, no lineal)
Criterio de error utilizado para derivar el algoritmo
Valor absoluto del error
Cuadrado del error
Media del cuadrado del error
Regla de adaptación o aprendizaje (ej. “stepest descent”)
Un algoritmo es seleccionado teniéndose en cuenta los siguientes
factores:
Rapidez de convergencia
Desajuste (“Misadjustment”)
Seguimiento (“Tracking”)
Robustez
Requerimientos computacionales
Forma General de un Algoritmo FIR Adaptativo

w [n + 1] = w [n] + µ[n]G e[n], u[n], Φ[n]
µ[n] tamaño de paso (determina la magnitud del cambio que

es tomado por el algoritmo para determinar un w útil)
Φ[n] vector de estados (almacena información de
caracterı́sticas de la señal de entrada y/o coeficientes de
instantes anteriores almacenados)
Función de Costo del Error Cuadrático Medio (MSE)
G (·) depende de la función de costo seleccionado por el filtro

adaptativo seleccionado.
Se define la función de costo MSE (Mean Square Error )
como:
1 R∞ 2
JMSE [n] = e [n]Pn (e[n]) de[n]
2 −∞
1
= E {e 2 [n]}
2
¿Por qué se escoge el MSE?
JMSE [n] tiene un mı́nimo bien definido con respecto a los

parámetros en w [n]
Los coeficientes obtenidos al minimizarla son aquellos que
minimizan la potencia de la señal de error e[n] indicando que
y [n] se acerca a d[n]
JMSE [n] es una función suave de cada parámetro de w [n] talque
es derivable con respecto a cada uno de los parámetros en w [n]
Estructura lineal transversal: FIR con pesos ajustables

m−1
X
y [n] = wk∗ u[n − k] = wT [n]u[n]
k=0
w[n] = [w0 · · · wm−1 ]T , u[n] = [un · · · un−m+1 ]T
siendo el error:
e[n] = y [n] − ŷ [n] = y [n] − wT [n]u[n]
Error Cuadrático Medio (”MSE”) ()
ξ(w) = E {e 2 [n]} = σy2 − 2wT p + wT Rw

σy2 = E y 2 R =E uu T

p =E {yu}
su gráfica se denomina superficie de error.

La Solución de Wiener
Los valores de w [n] que minimizan ξ(w) son bien definidos si se
conocen las estadı́sticas de las señales de entrada y de
respuesta deseada.
Para encontrar wo se soluciona el sistema:
∂ξ
=0
∂wo
dando como resultado la solución óptima de Wiener-Hope
wo = R−1 p
error cuadrático medio mı́nimo

ξmin = σy2 − pT R−1 p
error cuadrático medio en función de ξmin

ξ = ξmin + (w − wo )T R (w − wo )
Aproximación del gradiente estocástico

wi +1 = wi + f (u, e)
donde f (u, e) es conformado por:

parámetro de rapidez de aprendizaje
vector de entrada
señal de error
Aproximación de los mı́nimos cuadrados

wi +1 = wi + f (k, ξ)
donde f (k, ξ) es conformado por:

ganancia de Kalman
vector de innovación
Algoritmo LMS
LMS: “Least Mean Square”
Relaciones básicas:
Salida del filtro:
y [n] = wT [n]u[n]
Error de estimación:
e[n] = d[n] − y [n]
Adaptación de los pesos:
w[n + 1] = w[n] + µu[n]e[n]
paso de adaptación µ
2
0<µ<
λmax
donde λmax es el máximo autovalor de la matriz de

autocorrelación Ru de la señal de entrada
Momentos de primer orden

E {δw[n]} = (I − µRx ) E {δw[n − 1]}
Momentos de segundo orden
W[n] = W[n − 1] − µ (W[n − 1]Rx + Rx W[n − 1]) + 2µ2 Rx W[n − 1]Rx +
+µ2 tr {W[n − 1]Rx } Rx + µ2 ση2 Rx
W[n] = E {δw[n]δwT [n]}
Error cuadrático medio E {e 2 [n]} = ση2 +2 tr {Rx P[n − 1]}
ρ M µλi
2
} = ση2 + ση2 ,
P
E {e∞ ρ=
1−ρ i =1 2 (1 − µλi )
Desajuste
EQM∞ − EQMmin ρ
M= , MLMS =
EQMmin 1−ρ
Algoritmo LMS Normalizado - NLMS

Salida del filtro:

y [n] = wT [n]u[n]
Error de estimación:
e[n] = d[n] − y [n]
µ̃
w[n + 1] = w[n] + u[n]e[n]
ǫ + ku[n]k2
paso de adaptación µ̃
0 < µ̃ < 2
Algoritmo RLS
RLS: Request Least Square
Salida del filtro:
y [n] = wT [n]u[n]
Vector de ganancia:
λ−1 P[n − 1]u[n]

k[n] =
1 + λ−1 uT [n]P[n − 1]u[n]
estimación de error a-priori

ξ[n] = d[n] − wT [n − 1]u[n]
w[n] = w[n − 1] + k[n]ξ[n]
Matriz de correlación inversa
P = λ−1 P[n − 1] − λ−1 k[n]uT [n]P[n − 1]
Inicialización P[0] = δ −1 I donde δ es una constante positiva

pequeña y el factor de olvido λ es cercano a 1
Algoritmo ARγ
ARγ: Acelerador Regresivo versión γ
Relaciones:
ea [n] = uT [n]w[n − 1] − d[n]
ea [n] + γuT [n]q[n − 1]
g [n] =
1 + αγm1 uT [n]u[n]
γ
q[n] = q[n − 1] − αm1 g [n]u[n]
α+γ
w[n] = w[n − 1] + αq[n]
Condiciones: m1 , α, γ son reales positivas

Desajuste
LMS µ
MLMS = Tr{Ru }
2
NLMS
µ µ n 1 o
MNLMS = o Tr{Ru }E
2−µ 2−µ kui k2
RLS
(1 − λ)M
MRLS =
2 − (1 − λ)M
ARγ
   m 
ρ  α 2γ
M
λ 1− µii λii
ii µii

θ
X
Ma = +  
mγ

1 − ρ  α + 2γ (α + 2γ) ρ i =1 2 (1 − µii λii ) 1+ µii λii 
αθ
donde,
M
P µa λi
ρ =
i =1 2 (1 − µa λi )
αγm1 θ
µa =
κ
κ = 2θ − 1 + α2 γ 2 Ψ
θ = 1 + αγ tr {m1 Rx }
tr 2 {m1 Rx } + 2tr m12 R2x

Ψ =
Operaciones
Algoritmo × + /
LMS 2M + 1 2M
NLMS 3M + 1 3M
RLS M 2 + 5M + 1 M 2 + 3M 1
ARγ 4M + 4 4M + 2 1

Pds Vs 2018 PDF

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Pds Vs 2018 PDF

Uploaded by

Copyright:

Available Formats

Contenido Info Intro VARCOM SyS-TD SD-LIT RFSTD SFTD TFD TZ DFD

PROCESAMIENTO DIGITAL DE SEÑALES

Pablo Emilio Jojoa Gómez

Ingenierı́a Electrónica y Telecomunicaciones

Proporcionar al estudiante los conceptos necesarios para la

2 parciales y un examen final

Señales vida real → continuas: señales analógicas - SA

Limitaciones del procesamiento analógico:

Procesamiento Digital de Señales - PDS

Señal Señal Señal Señal

Potencialidades del procesamiento digital:

1545 (Rafael Bombelli) ... soluciones de ecuaciones

1545 (Rafael Bombelli) ... soluciones de ecuaciones

Los problemas siguieron en los siglos XVI, XVII Y XVIII

1545 (Rafael Bombelli) ... soluciones de ecuaciones

Los problemas siguieron en los siglos XVI, XVII Y XVIII

1545 (Rafael Bombelli) ... soluciones de ecuaciones

Los problemas siguieron en los siglos XVI, XVII Y XVIII

1545 (Rafael Bombelli) ... soluciones de ecuaciones

Los problemas siguieron en los siglos XVI, XVII Y XVIII

”Esas criaturas maravillosas de un mundo ideal, casi anfibios entre

”Esas criaturas maravillosas de un mundo ideal, casi anfibios entre

”Esas criaturas maravillosas de un mundo ideal, casi anfibios entre

Gauss: una ecuación algebraica con coeficientes reales tiene

”Esas criaturas maravillosas de un mundo ideal, casi anfibios entre

Gauss: una ecuación algebraica con coeficientes reales tiene

Wessel (1797) y Argand (1806): representación geométrica

”Esas criaturas maravillosas de un mundo ideal, casi anfibios entre

Gauss: una ecuación algebraica con coeficientes reales tiene

Wessel (1797) y Argand (1806): representación geométrica

Se extendió el concepto de función:

Se extendió el concepto de función:

Se extendió el concepto de función:

Números Complejos y Propiedades

Definición: par ordenado (x, y ) de números reales

Números Complejos y Propiedades

Definición: par ordenado (x, y ) de números reales

Números Complejos y Propiedades

Definición: par ordenado (x, y ) de números reales

Propiedades de las operaciones aritméticas

Propiedades de las operaciones aritméticas

(z1 + z2 ) + z3 = z1 + (z2 + z3 ) (z1 z2 ) z3 = z1 (z2 z3 )

Propiedades de las operaciones aritméticas

(z1 + z2 ) + z3 = z1 + (z2 + z3 ) (z1 z2 ) z3 = z1 (z2 z3 )

Propiedades de las operaciones aritméticas

(z1 + z2 ) + z3 = z1 + (z2 + z3 ) (z1 z2 ) z3 = z1 (z2 z3 )

Complejo conjugado: sea un número complejo z = x + jy ,

Complejo conjugado: sea un número complejo z = x + jy ,

Complejo conjugado: sea un número complejo z = x + jy ,

Complejo conjugado: sea un número complejo z = x + jy ,

Complejo conjugado: sea un número complejo z = x + jy ,

Complejo conjugado: sea un número complejo z = x + jy ,

Complejo conjugado: sea un número complejo z = x + jy ,

z = z̄ cuando z es un número real

Complejo conjugado: sea un número complejo z = x + jy ,

z = z̄ cuando z es un número real

Complejo conjugado: sea un número complejo z = x + jy ,

z = z̄ cuando z es un número real

Complejo conjugado: sea un número complejo z = x + jy ,

z = z̄ cuando z es un número real

Complejo conjugado: sea un número complejo z = x + jy ,

z = z̄ cuando z es un número real