Upload
victoria-yanez
View
213
Download
0
Embed Size (px)
Citation preview
8/16/2019 Señales y Sistemas en tiempo discreto
1/6
Discrete-time Signals and SystemsVictoria Nicole Yánez Garzón
Departamento de El´ ectrica y Electr ́ onica, Universidad de las Fuerzas Armadas ESPE
Sangolqu´ ı-Ecuador
Resumen—El presente informe de laboratorio presenta unpeque ˜ no banco de ejercicios orientados a la aplicación de se ˜ nalesy sistemas en tiempo discreto. En esta práctica se ha hechouso de la herramienta computacional matemática MATLAB, lacual es utilizada constantemente en la carrera y cuyo manejo esfundamental para permitirnos realizar y comprobar conceptosadquiridos por teorı́a de se ˜ nales y sistemas.
Abstract—This laboratory report presents a small Bank of exercises aimed at the application of signals and systems indiscrete time. This practice has been using the computationalmathematical MATLAB, which is used constantly in the raceand whose operation is essential to enable us to make and testconcepts acquired by theory of signals and systems.
I. INTRODUCCI ÓN
I-A. Objetivos
Familiarizar al estudiante con el tratamiento de señales
discretas en Matlab.
Entender la funcionalidad de los diversos comandos
existentes en Matlab para el procesamiento de señales
discretas.
I-B. Fundamento Te´ orico
Las señales discretas se representan con una secuencia de
números denominados muestras.
Una muestra de una señal o secuencia se denota por
x[n] siendo n entero en el intervalo −∞ < n < ∞(x[n] = x[nT ])[1]
Muestreo
El proceso de muestreo puede ser visto como un mapeo de
una función de tiempo continuo en un conjunto de muestrasde tiempo discreto. Sin embargo, dado este conjunto de
muestras, puede no especificar la función de tiempo continuo
original en una manera única. Para reducir esta incertidumbre,
debemos especificar la frecuencia de muestreo empleada para
generar las muestras concretas.
Por ejemplo, teniendo una función f 1(t) = c o s 2π3t de3 Hz muestreada a f s = 10 muestras por segundo para unintervalo de 1seg de tiempo, se tiene:
Fig 1. Función en coseno en el tiempo y su muestreo (MATLAB)
Un ejemplo muy similar, con la misma frecuencia de
muestreo e intervalo de tiempo, desde una función coseno de
7 H z dada por f 2 = cos 2π7t
Fig 2. Función en coseno en el tiempo y su muestreo (MATLAB)
Para eliminar la ambigüedad mostrada en este ejemplo, se
debe usar el teorema del muestreo. El resultado indica que
a 7Hz la función coseno no debe ser muestreada con f s =10 H z, ya que en este caso, la frecuencia mı́nima de muestreodebe estar por encima de f s = 14 H z.
II. MÉTODOS Y MATERIALES
Computador con software Matlab instalado.
Uso de MATLAB R2013a
8/16/2019 Señales y Sistemas en tiempo discreto
2/6
III. PROCEDIMIENTO
III-A. Ejercicio 1
Calcular la suma de convolución del siguiente par de
frecuencias usando el comando conv de MatLab.
x[n] =
1, 0 ≤ n ≤ 20, 3 ≤ n ≤ 6
1, 7≤
n≤
80, otherwise
y
h[n] =
n, 1 ≤ n ≤ 4
0, otherwise
Fig 3. Código para la convolución (MATLAB)
III-B. Ejercicio 2
Calcular y [n] = x[n] ∗ x[n] ∗ x[n] ∗ x[n], usando la funciónconv de Matlab para la siquiente secuencia:
x[n] =
n; 0 ≤ n ≤ 10; casocontrario
Fig 4. Código para obtener 4 veces convolución de una señal, es decirtrabajamos con un sistema en serie. (MATLAB)
III-C. Ejercicio 3
Escriba un programa en Matlab para graficar las muestras
de las soluciones de las siguientes ecuaciones de diferencias
desde n = 0 a n = 20:
a) y[n]+2y[n−1]+y[n−2] = 0, y[0] = 1 and y[1] = 0
Fig 5. Código paraobtener la respuesta a la ecuación de diferencias del literal a
(MATLAB)
b) y[n]+y[n−1]+2y[n−2] = 0, y[−1] = 1 and y[0] = 1
Fig 6. Código paraobtener la respuesta a la ecuación de diferencias del literal b
(MATLAB)
III-D. Ejercicio 4
Escriba un programa Matlab para calcular las respuestas
de impulso de los sistemas descritos siguiendo ecuaciones de
diferencias:
a) y[n] + y[n − 1] + y[n − 2] = x[n]
Iniciamos primero estableciendo que nuestra señal
de entrada x[n] trabajará o sera considerada como
un impulso unitario en tiempo discreto, para que de
esa forma la solución a la respuesta impulso de laecuación diferencial planteada posee una respuesta
particular igual a cero y de es forma su resolución no
se complique demasiado.
Por lo tanto mediante el uso de bucle finitos como el
lazo for crearemos nuestra señal con rango en n y no
en su amplitud, y de esa forma para hallar su resultado
trabajaremos con las señales que dependen del presente
y del pasado, es decir con un sistema causal.
8/16/2019 Señales y Sistemas en tiempo discreto
3/6
Fig 7. Código para resolver una ecuación diferencial y obtener surespuesta impulso de a). (MATLAB)
b) 4y[n] + y[n − 1] + 3y[n − 2] = x[n] + x[n − 4]
De igual forma como el ejercicio anterior asumimos que
nuestra señal de entrada x[n] es un impulso unitario en
tiempo discreto, por lo que de igual forma para esta-
blecer estas señales y la respuesta al impuso debemos
utilizar el ciclo repetitivo finito con lazo for.
Fig 8. Código para resolver una ecuación diferencial y obtener surespuesta impulso de b). (MATLAB)
III-E. Ejercicio 5
Escriba un programa en Matlab para graficar la respuesta
en estado estable para la entrada x[n] = s i n (ωn)µ[n] delos filtros descritos por las siguientes tres ecuaciones de
diferencias. Con un ω = π/3 y ω = π:
a) y[n] + y[n − 1] + y[n − 2] = x[n]
Se establecen las secuencias dadas, usando la condición
en estado estable, se van formando los valores x[n] con
el ciclo for para esta función discreta. Luego con otro
ciclo for realizamos el mismo procedimiento usando la
misma longitud de n se van almacenando los valoresdiscretos en la función resultante y [n]
Fig 9. Código para obtener la respuesta en estado estable para laentrada x[n] con ω = π/3 (MATLAB)
El mismo código se utiliza cuando se cambia ω, elreemplazo se realiza en la generación de la secuencia
x[n] con ω = π.
b) y[n] −1
2y[n − 1] = x[n]
Para éste y el siguiente literal el cambio que se realiza es
en la secuencia de entrada x[n] para los dos diferentesω.
Fig 10. Código para obtener la respuesta en estado estable para laentrada x[n] con ω = π/3 (MATLAB)
c) y[n] = x[n − 2] + 2x[n − 1] + x[n]
Fig 11. Código para obtener la respuesta en estado estable para laentrada x[n] con ω = π/3 (MATLAB)
8/16/2019 Señales y Sistemas en tiempo discreto
4/6
III-F. Ejercicio 6
Supongamos que queremos procesar la señal en tiempo
continuo xa(t) = 3cos(2π1000t) + 7sen(2π1000), usando unsistema de tiempo discreto. La frecuencia de muestreo usada
es 4000 muestras por segundo. El procesamiento en tiempo
discreto llevó a cabo en las muestras de la señal x(n) sedescribe por la siguiente ecuación en diferencias:
Fig 12. Código para obtener la señal continua y discreta muestreada a una
frecuencia establecida por el ejercicio. (MATLAB)
IV. RESULTADOS Y AN ÁLISIS
IV-A. Ejercicio 1
En esta aplicación se usó las 11 muestras de las funciones
entrada e impulso, en la figura podemos observar que a partir
de n = 12, la función es cero. Esto se debe a que en la entradase tienen 11 muestras (de las cuales 5 son diferentes de cero)
y cuatro en el impulso h[n].
Fig 13. Resultado de la convolución de las secuencias x[n] y h[n](MATLAB)
IV-B. Ejercicio 2
Lo que nos muestra estos resultados es que cuando tra-
bajamos con sistemas que se encuentran en serie realizando
convoluciones con el mismo tipo de señal de entrada, en esta
caso obtendremos una señal par que se va a ir desplazando en
su eje n, y su amplitud tiende a aumentar para las muestras
del centro y disminuye como se muestra en la figura, y esto
se debe a la realimentación que existe entre los sistemas.
Fig 14. Resultado de la convolución de un sistema en serie realimentadocon la misma señal de entrada y de salida. (MATLAB)
IV-C. Ejercicio 3
Para las dos ecuaciones de diferencias se ha realizado un
pequeño cambio en la amplitud de los términos y[n − 1] yy[n − 2], intercambiando el número 2 en cada uno de ellosrespectivamente. El resultado es notablemente diferente; para
la primera ecuación su respuesta es un muestreo sobre y debajo
del eje, que crece paulatimante a diferencia del resultado de
y[n] para la segunda ecuación de diferencias.
a)
Fig 15. Solución a la ecuación de diferenciasy[n] + 2y[n− 1] + y[n− 2] = 0 (MATLAB)
b)
8/16/2019 Señales y Sistemas en tiempo discreto
5/6
Fig 16. Solución a la ecuación de diferenciasy[n] + y[n− 1] + 2y[n− 2] = 0 (MATLAB)
IV-D. Ejercicio 4
En el resultado que podemos apreciar por parte de esteprograma es que nuestra respuesta de impulso de nuestra
ecuación diferencial para valores menores que cero siempre
será nulo, lo que nos puede demostrar que nuestro sistema
esta relajado, esta gráfica tiene valores para mayores o igual
a cero.
a)Fig 17. Resultado de la convolución de las secuencias x[n] y h[n]
(MATLAB)
b)
Fig 18. Resultado de la convolución de las secuencias x[n] y h[n](MATLAB)
IV-D. Ejercicio 5
La conclusión para este banco de figuras correspondiente
a las respuestas en estado estable de diferentes ecuaciones
de diferencias está en que para diferentes ω de la entradax[n] = sin(ωn)µ[n], y[n] es distinta. No obstante se tieneuna excepción en el literal c) ya que variando la entrada
con ω = π/3 y ω = π, nuestro y[n] es el mismo. Podemosatribuir esto a los similares valores matemático que toma
sin(π/3) y sin(π).
a)
Fig 19. Respuesta en estado estable y [n] con ω = π/3 (MATLAB)
Fig 20. Respuesta en estado estable y [n] con ω = π (MATLAB)
b)
8/16/2019 Señales y Sistemas en tiempo discreto
6/6
Fig 21. Respuesta en estado estable y [n] con ω = π/3 (MATLAB)
Fig 22. Respuesta en estado estable y [n] con ω = π (MATLAB)
c)
Fig 23. Respuesta en estado estable y [n] con ω = π/3 (MATLAB)
Fig 24. Respuesta en estado estable y [n] con ω = π (MATLAB)
IV-E. Ejercicio 6
Fig 25. Simulación de las señales en tiempo continuo y discreto dada la
frecuencia de muestreo. (MATLAB)
VI. CONCLUSIONESEl utilizar la herramienta de cálculo Matlab permite
realizar procesos de muestreo, y trabajar con las señales
en tiempo continuo y discreto de dichas muestras de
una forma que me permite apreciar el funcionamiento
de los procesos digitales, dando mayor facilidad a la
compresión de los mismos.
Matlab la herramienta fundamental para el desarrollo y
entendimiento de esta asignatura pues mediante este se
puede comprar fenómenos como el proceso y la condicio-nes de la frecuencia de Nyquist además de comprender
como se visualiza las señales de ruido y como funciona
un filtro.
REFERENCIAS
[1] Martı́nez Sober, M., Serrano López, A. J., & Gómez Sanchis, J. (2009). Introducci´ on al procesado digital de se˜ nales. Obtenido de Universidadde Valencia: http://ocw.uv.es/ingenieria-y-arquitectura/1-1/tema3.pdf