Analisis de Señales y Sistemas (German Castellanos)

D
Ja n ra uar ft y 1 Ve 6 rs , 2 io 00 n 4. 6 1
Anlisis de Seales y Sistemas

1( E E 1( E E
0 (t)
. 0) T T
0) T T
1/T
xE (t)
. . . . . . . . .
1/T
1 (t)
1( E E 0) T T
n (t)
1/T
............................................................... . . . . . 1( . . . . . . . x0 . E E . . . . . . . . 0) . . . . . T . . . . 0 (t) . . . 1( . . . . . . x1 . E E . . . . . . . .x(t) . 0) . E . . . . T . . . . 1 (t) . . . . . . . . . . . . . . . . . . . . . . . . . . . 1( . . . . . . xn . . E E . . . . . . . 0) . . . . . . . T . . . . n (t) . . . . ............................................................... . .
Germn Castellanos D.- Alvaro Orozco A. Universidad Nacional de Colombia, Universidad tecnolgica de Pereira 16 de enero de 2006
ndice general
1. Representacin de seales y sistemas continuos 1.1. Deniciones bsicas . . . . . . . . . . . . . . . . . . 1.1.1. Clasicacin de seales y sistemas . . . . . 1.1.2. Proceso de seales . . . . . . . . . . . . . . 1.1.3. Funciones singulares . . . . . . . . . . . . . 1.2. Representacin discreta de seales . . . . . . . . . 1.2.1. Espacio de representacin . . . . . . . . . . 1.2.2. Descomposicin en funciones ortogonales . 1.2.3. Sistema ortogonal completo de Fourier . . . 1.2.4. Otros conjuntos ortogonales . . . . . . . . . 1.3. Representacin integral de seales . . . . . . . . . 1.3.1. Transformada de Fourier . . . . . . . . . . . 1.3.2. Extensiones del anlisis espectral de Fourier 1.3.3. Transformada de Walsh . . . . . . . . . . . 1.3.4. Integral de convolucin . . . . . . . . . . . 1.3.5. Transformada de Hilbert . . . . . . . . . . . 1.3.6. Transformada continua wavelet . . . . . . . 1.4. Representacin de sistemas lineales continuos . . . 1.4.1. Operadores en espacios integrables . . . . . 1.4.2. Mtodo de la integral de superposicin . . . 1.4.3. Mtodo de anlisis espectral . . . . . . . . . 1.4.4. Mtodo de ecuaciones diferenciales . . . . . 1.4.5. Sistemas discriminantes de frecuencia . . . 1.4.6. Representacin de sistemas no lineales . . . 1.5. Representacin de sistemas con variables de estado 1.5.1. Sistemas lineales e invariantes en el tiempo 1.5.2. Solucin de la ecuacin de estado . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
7 7 8 11 11 17 17 19 24 31 41 42 48 51 51 53 54 60 60 63 66 69 70 71 79 79 84 89 89 89 92 93 97 97 97 100 103 104 105
2. Representacin de seales y sistemas discretos 2.1. Discretizacin de seales continuas . . . . . . . . . . . . . 2.1.1. Discretizacin uniforme . . . . . . . . . . . . . . . 2.1.2. Funciones discretas singulares . . . . . . . . . . . . 2.1.3. Transformada de Fourier de una seal discreta . . 2.2. Transformadas ortogonales discretas . . . . . . . . . . . . 2.2.1. Implementacin de bases ortogonales discretas . . 2.2.2. Transformada discreta de Fourier . . . . . . . . . . 2.2.3. Extensiones de la transformada discreta de Fourier 2.2.4. Transformada discreta de Walsh . . . . . . . . . . 2.2.5. Transformada discreta de Haar . . . . . . . . . . . 2.2.6. Transformada discreta wavelet . . . . . . . . . . . I
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
II
NDICE GENERAL
2.3. Transformadas ortogonales discretas rpidas . . 2.3.1. Denicin . . . . . . . . . . . . . . . . . 2.3.2. Transformada rpida discreta de Fourier 2.3.3. Transformada rpida discreta de Walsh 2.3.4. Transformada rpida discreta de Haar . 2.4. Filtracin ortogonal discreta . . . . . . . . . . . 2.4.1. Respuesta discreta a impulso . . . . . . 2.4.2. Funcin de transferencia discreta . . . . 2.4.3. Filtros discretos de Walsh . . . . . . . . 2.4.4. Funcin de convolucin discreta . . . . . 2.4.5. Representacin generalizada discreta . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
115 115 116 120 121 123 123 124 125 128 131 139 139 139 143 149 149 150 155 163 163 166 178 180 186 192 193 207 207 207 213 218 218 222 229 231
3. Filtracin digital 3.1. Caractersticas de los ltros digitales . . . . . . . . . . . . . . . 3.1.1. Clasicacin . . . . . . . . . . . . . . . . . . . . . . . . 3.1.2. Realizacin de ltros digitales . . . . . . . . . . . . . . . 3.2. Sntesis de ltros recursivos . . . . . . . . . . . . . . . . . . . . 3.2.1. Clculo de plantillas de ltros anlogos . . . . . . . . . 3.2.2. Sntesis de ltros recursivos en el tiempo . . . . . . . . . 3.2.3. Sntesis de ltros recursivos en la frecuencia . . . . . . . 3.3. Sntesis de ltros no recursivos . . . . . . . . . . . . . . . . . . 3.3.1. Condicin de desfase lineal . . . . . . . . . . . . . . . . 3.3.2. Clculo de ltros con series de Fourier . . . . . . . . . . 3.3.3. Discretizacin de la funcin de transferencia . . . . . . . 3.3.4. Optimizacin de ltros no recursivos . . . . . . . . . . . 3.3.5. Filtros no recursivos en el proceso de seales aleatorias . 3.4. Filtracin adaptativa . . . . . . . . . . . . . . . . . . . . . . . . 3.4.1. Esquema del gradiente estocstico . . . . . . . . . . . . A. Algoritmos de anlisis espectral de Fourier A.1. Algoritmos de la transformada discreta de Fourier . . . A.1.1. Clculo numrico de la transformada de Fourier . A.1.2. Clculo numrico de la TDF . . . . . . . . . . . A.2. Clculo de la transformada rpida de Fourier . . . . . . A.2.1. Representacin de dimensin mltiple de ndices A.2.2. Algoritmo de Cooley-Tukey . . . . . . . . . . . . A.2.3. Acomodacin de datos en la TRF . . . . . . . . . Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Notaciones
Notacin x, x(s) x x (s) x(sk ) fa,b (s), f {xk : k = 1, . . . , N } x[k ] x, y d(xm , yn ), d (x, y ) ||x|| xk (t) x (s) rank(x), rank(X) Ef Energa de la seal f supp(x), car(x), trace(X) Zmn , ZT I ,i G O {N } G {x} H ,L ,F,Z ,W G, X (s) Z, R, C {x} , {x} (s) E { n } n (t) mn R, (), K, () S () ( ) N , U (m, ) name Signicado Escalar Funcin determinstica con variable s Vector escalar Conjugado de x por s Valor de la funcin en el argumento sk Funcin f con parmetros a, b y argumento s, vector funcional Conjunto, serie o secuencia de valores con volumen N . Seal discretizada (base normalizada de tiempo) Producto interno de x e y Distancia entre los elementos xm e yn , las funciones x e y Norma de x Trayectoria k de la seal x(t) Primera derivada en s Rango del vector x, de la matriz X, Traza de la matriz de X
Soporte de la funcin x, Cardinal de x Matriz de orden m n, Matriz transpuesta Matriz unitaria, vector unitario Conjunto Orden del nmero de operaciones Transformada G de x T. Hilbert, Laplace, Fourier, Zeta, Wavelet Espacio mtrico funcional, Representacin compleja en el espacio s Dominio de los enteros, reales y complejos Parte real de x, parte imaginaria de x Seal aleatoria (alfabeto griego) de variable s Valor esperado de orden n (promedio de ensamble) Valor esperado de orden n (promedio de tiempo) Momento inicial de orden n de la variable Valor estimado de Funcin de correlacin y covarianza mutua entre y Espectro de potencia de Relacin de verosimilitud Distribucin (Gaussiana)(uniforme) con media m y varianza 2 Nombre de aplicaciones de software
Prefacio
a rpida evolucin en la tecnologa electrnica, en particular de los procesadores digitales, as como el aporte signicativo de nuevos y cada vez ms efectivos algoritmos de anlisis han hecho del proceso digital de seales un factor importante en el desarrollos de reas como la instrumentacin y control, las telecomunicaciones y la telemtica, la electromedicina, entre otras, brindado al sector productivo e investigacin una nueva y potente herramienta de trabajo, que puede expandir signicativamente su capacidad y posibilidades. El objetivo del curso es dar a conocer los principales mtodos de anlisis aplicado de seales aleatorias con carga informativa, que puedan ser desarrollados por tcnicas de proceso digital. El material dispuesto en el presente texto describe los mtodos y principios del proceso de seales, que actualmente encuentran amplio uso. Se analizan los modelos de seales, el anlisis espectral generalizado, el desarrollo de algoritmos rpidos de clculo de transformadas ortogonales, los principios de diseo de dispositivos digitales de ltracin, como elemento bsico de proceso, los mtodos de representacin de aleatoriedad y la estimacin de sus respectivos valores, con especial nfasis en el caso de anlisis de procesos estocsticos. Por ltimo, se generaliza el anlisis de la ltracin como un proceso de estimacin, acoplando se empleo a casos reales de proceso de seales aleatorias. El contenido del texto es el siguiente: el captulo I describe los principales mtodos de representacin determinstica de seales y sistemas en tiempo continuo, mientras el captulo II describe los principales mtodos de representacin en tiempo discreto. Por cuanto, la ltracin sigue siendo uno de los procedimientos fundamentales de mayor empleo en el proceso de seales, el captulo III describe en detalle los principios bsicos de ltracin digital. El captulo IV analiza la caracterizacin de seales aleatorias, particularmente las estacionarias. En el Apndice A se desarrollan los algoritmos generales de anlisis de seales y sistemas sobre procesadores digitales. El libro est orientado a los estudiantes de posgrado, que requieran profundizar en el rea de procesamiento digital de seales aleatorias, sin embargo, puede ser empleado por estudiantes de pregrado, en los cursos de Teora de Seales y Proceso Digital de Seales. El material terico presentado tiene carcter de referencia, y por esto no se da la deduccin de algunas expresiones, brindndose la literatura necesaria para la profundizacin de cada tema en particular. As mismo, algunos de los programas, diagramas y circuitos presentados han sido probados y aunque distan de ser la nica solucin tcnica posible, estos tienen como n mostrar un ejemplo prctico y concreto de realizacin.
Introduccin
ctualmente, tiene amplio uso el proceso de informacin y, en particular, el anlisis o interpretacin de seales producidas por variaciones en el tiempo de procesos fsicos. El proceso de informacin tpicamente se realiza empleando las seales elctricas,entre otras razones, porque stas son relativamente fciles de controlar por medio de equipos electrnicos, entre ellos los digitales, adems estas trabajan a velocidades cercanas a la de la luz, lo que propicia el desarrollo de tareas en tiempo real. Las aplicaciones del proceso de seales van desde las nanzas, industria, bienestar de la sociedad hasta la defensa, abarcando diferentes disciplinas como las comunicaciones, sistemas de control, electromedicina, fsica, astronoma, radar, dinmica de uidos, sismologa, etc. Muchas de estas aplicaciones estn relacionadas con el aumento en el nmero y diversicacin de los equipos de proceso digital que actualmente se siguen desarrollando. Hoy en da, los computadores personales como sistema de proceso digital se encuentran en una gran gama de precios, capacidades y tamaos. Debido a esto, el computador se ha convertido en elemento importante para el proceso de seales. Los sistemas de proceso de seales, por sus caractersticas ofrecidas, se convierten en herramientas ables, robustas y porttiles, que pueden incluso desempear tareas en sitios y condiciones de difcil acceso humano. En general, el Proceso Digital de Seales debe ser entendido como la posibilidad de emplear dispositivos digitales especializados en la solucin de variadas tareas relacionadas con el anlisis de seales. As por ejemplo, est la ltracin digital, que hoy en da muestra resultados tericos bastante alentadores. Los desarrollos tericos han avanzado desde los primeros seminarios abiertos de ltracin digital realizados en el MIT (alrededor de 1955), los resultados de Kotilnikov y los obtenidos en la teora de control (parcialmente fundada en el trabajo de Gurevich), en los que se describan profundamente los principios de la discretizacin de seales y sus efectos espectrales, pasando por los mtodos de ltracin digital, en base al empleo de operaciones lineales sobre seales con restricciones de estacionariedad, hasta los actuales mtodos propuestos de representacin localizada de seales con bases wavelet y los modelos complejos de representacin de aleatoriedad, que incluyen los modelos de representacin de la dinmica estadstica y anlisis de no estacionariedad, as como los mtodos de ltracin no lineal (ltracin adaptativa e interpolacin estadstica) han dado un fuerte impulso a la ltracin como elemento bsico en el anlisis y la sntesis de seales y sistemas. Tal vez esta sea la razn por la cual se observa una gran proliferacin de herramientas especializadas, tanto de hardware, como de software integrados para el diseo de sistemas de proceso digital de seales en los ms diversos campos de aplicacin. El primer aporte bsico a la teora del proceso digital de seales relacionado con el anlisis y sntesis de ltros digitales fue realizado por Kaiser quien demostr la forma de clculo de ltros digitales con caractersticas deseadas empleando transformadas lineales. Para la misma poca, en 1965, apareci el artculo de Cooley y Tukey sobre la Transformada Discreta de Fourier, la que posteriormente fue desarrollada y se convertira en el mtodo de la Transformada Rpida de Fourier, cuyo mayor aporte fue la disminucin sustancial del tiempo de clculo en el anlisis espectral en varios rdenes, lo que demostraba claramente en cuanto podan ser ms rpidos los mtodos digitales sobre los anlogos. El algoritmo de la transformada rpida ampli el campo de aplicacin del proceso de seales, el cual se extendi a tareas ms complejas, de mayor velocidad de cambio las magnitudes en el tiempo y con valores de energa a mayores componentes de frecuencia. Las seales, en situaciones de aplicacin real, deben ser consideradas como variables aleatorias. Hasta hace poco el aparato matemtico bsicamente empleado en el anlisis de seales era el de Fourier. Las funciones trigonomtricas no permiten localizar el anlisis en determinado intervalos del tiempo y restringen el anlisis de seales no estacionarias. La insuciencia de estos mtodos convencionales en la descripcin y anlisis de las seales, ha hecho que se empleen muevas formas matemticas y estadsticas de su representacin.
Captulo
Representacin de seales y sistemas continuos

1.1. Deniciones bsicas
l estudio de cualquier sistema empieza por la formacin de un modelo, que corresponda a su versin idealizada, la cual, generalmente, no es la nica existente. Dicho de otra manera, dependiendo de los objetivos del anlisis, un sistema puede admitir ms de un modelo. En el presente trabajo, se analizarn solamente modelos descritos en trminos matemticos o modelo matemtico. Las siguientes son las deniciones bsicas en los modelos de sistemas:
Sistema. Es un grupo de elementos u objetos con un n determinado K {}. Seal o entrada x(s). Es el enlace de interaccin entre los elementos; es la accin llevada a activar el sistema.
x1 (s) x2 (s) ... xm (s)
E E E E
E E K {x(s)} E E
y1 (s) y2 (s) ... yn (s)
Figura 1.1: Diagrama de un sistema
Respuesta o salida y (s). Es la accin conjunta del sistema como resultado de una activacin. Para propsitos de anlisis, un sistema se representa por una caja cerrada (caja negra ) con un nmero dado de terminales de entrada y salida como se ilustra en la Figura 1.1. En esta caja negra, cada seal se transforma en una nica respuesta, o sea, actuando sobre una entrada x(s) {xi (s) : i = 1, . . . , m} , se obtiene una nica salida y (s) {yi (s) : i = 1, . . . , n, }, cuya transformacin generalizada se representa por: y (s) = K {x (s)} donde el operador K {} corresponde a la transformacin o transformada de entradasalida (o seal respuesta). En este trabajo, el parmetro s para la mayora de los casos de anlisis corresponder al tiempo t. 7
Captulo 1. Representacin de seales y sistemas continuos
1.1.1. Clasicacin de seales y sistemas

Las seales, de acuerdo a la relacin de sus valores con el tiempo, pueden clasicarse en dos tipos: Seales anloga o continuas (en el tiempo). Seales para las cuales tanto su argumento como la misma funcin pueden tomar cualquier valor del continuo de los intervalos t [t0 , tf ], x [xmin , xmax ]. Las seales anlogas pueden soportar discontinuidades de primer grado, x(tk ) = x(tk+ ), siendo |x(t)| < , t.
Seales discretas (en el tiempo). La funcin toma cualquier valor del intervalo continuo x [xmin , xmax ]. Sin embargo, el argumento de la funcin (tiempo) est denido solamente sobre una malla de valores x(kT ), k N, siendo T el intervalo de discretizacin. En aquellos valores del tiempo sobre los cuales la seal no se dene t = kT , el valor de la funcin se asume igual a cero. Seales digitales. Cuando los valores de una seal x(kT ) discretizada en el tiempo pertenecen a un conjunto nito de valores cuanticados xQ {xQ (i) : i, . . . , N }, N < . Seal de energa. Seal de energa es nita, aun cuando el intervalo de tiempo sea innito; esto es,
Ex =
|x(t)|2 dt < , (para una resistencia de 1 )
(1.1)
La potencia media disipada por la seal x(t) durante un intervalo de tiempo (ti , tf ) se determina como:
tf
1 Px = tf ti
ti
|x(t)|2 dt < ,
(1.2)
Si el trmino de la derecha en (1.2) es nito y no es igual a cero, cuando el intervalo de tiempo es innito, es decir, 0 < l m
T
1 T
T
|x(t)|2 dt < ,
la seal tiene potencia nita y se llama seal de potencia. Seales peridicas. Cuando se cumple la condicin x(t + T ) = x(t), t [0, T ] , T > 0 donde el valor de min {T } que satisfaga la anterior condicin, cuando existe, se denomina periodo fundamental. En caso de no cumplirse la anterior condicin, la seal se denomina aperidica.
Seales cuasiperidicas. Se denominan las seales con perodos demasiado largos, las cuales, generalmente, son compuestas por dos o ms seales peridicas. Un ejemplo de seal cuasiperidica compuesta de dos seales peridicas es la funcin de la forma x(t) = sin t + sin 2t.
Seales aleatorias. Aquellas sobre cuyo valor en funcin de cualquier argumento se tiene alguna incertidumbre. Seales determinsticas. Son aquellas que se pueden modelar o describir analticamente como funciones completamente especcas de algn parmetro. Seales de un canal. Es generada por una fuente y se representa por un escalar. Seales de canal mltiple. Seales generadas por varias fuentes y representadas por un vector. Seales de dimensin multiple. Son funciones descritas a partir de un conjunto compuesto de m Z+ variables independientes. En cuanto a los sistemas, stos se pueden clasicar de la siguiente forma: Sistema lineal. Cuando se cumple la ley de superposicin. Sea ai yi (t) = K {ai xi (t)} , donde ai = cte., i = 1, 2, . . . , n. Entonces:
n
K
i=1
ai xi (t)
= K {a1 x1 (t) + a2 x2 (t) + . . . + ai xi (t) + . . . + an xn (t)} = a1 y1 (t) + a2 y2 (t) + . . . + ai yi (t) + . . . + an yn (t), (1.3)
Si la expresin (1.3) no se cumple, el sistema se denomina no lineal.
Ejemplo 1.1. Sea un sistema con relaci on entrada-salida de la forma y (t) = ax(t) + b,siendo los valoresa, b = cte. Determinar el valor de b para el cual el sistema se puede considerar lineal. Considerando dos se nales de entrada diferentes x1 (t) y x2 (t), las salidas correspondientes ser an yi (t) = axi (t) + b, i = 1, 2 Si se aplica la entrada x1 (t)+ x2 (t), la salida ser a a (x1 (t) + x2 (t))+ b. De acuerdo con la condici on de linealidad (1.3), se deber a cumplir que: a (x1 (t) + x2 (t)) + b = a (x1 (t) + x2 (t)) + 2b, luego, b = 0.
10
Sistema invariable (en el tiempo). Si un corrimiento en el tiempo de la entrada del sistema provoca respectivamente un corrimiento en el tiempo en su salida, de forma que: y (t t0 ) = K {x(t t0 )} , t0 > 0 En caso contrario, el sistema se denomina variable. (1.4)
Sistema estable. Si una seal de entrada x(t) con amplitud nita, max{|x(t)|} < produce una respuesta y (t) de amplitud nita, o sea, max{|y (t)|} < . De otra manera, el sistema es inestable. Sistema invertible. Si distintas entradas producen distintas salidas, esto es, si al observar la salida del sistema se puede determinar su correspondiente entrada. En caso contrario, el sistema es no invertible.
Ejemplo 1.2. El sistema descrito por la ecuaci on y (t) = a = cte., debe ser considerado como no invertible, por cuanto genera un mismo valor a la salida indiferente de cual sea el valor de la se nal de entrada.
Sistema realizable o causal. Se debe tener una respuesta de salida que no suceda antes de ser aplicada al sistema una funcin de entrada. Esto es, si la funcin de entrada se aplica a partir de un tiempo t = t0 , entonces, la respuesta slo estar determinada para t t0 . Si no se cumple esta condicin el sistema es no causal. Sistema (de tiempo) continuo. Cuando los cambios de las magnitudes de entrada y salida corresponden a rangos continuos (en el tiempo). Sistema (de tiempo) discreto. Cuando las seales asociadas con el sistema son discretas (en el tiempo). Generalmente, los sistemas de tiempo continuo se modelan mediante ecuaciones diferenciales, mientras, los sistemas discretos, con ecuaciones iterativas. Sistemas sin memoria. Si la salida para cualquier tiempo t tk , depende slo de la entrada en el mismo tiempo. Sistemas con memoria. Si la salida en el tiempo t, depende de valores de entradas dadas dentro del intervalo (t T, t), entonces el sistema tiene memoria T . Sistemas de parmetros concentrados. Si el tiempo de proceso de la seal de entrada a travs del sistema es considerablemente pequeo. Estos sistemas se modelan mediante ecuaciones diferenciales ordinarias. En los sistemas elctricos, esto signica que la longitud de onda de la seal de entrada es mucho mayor con respecto a las dimensiones fsicas de los elementos de proceso del sistema.
11
Sistemas de parmetros distribuidos. La seal de entrada tarda un tiempo considerable en excitar los elementos del sistema, dependiendo el retardo de la velocidad de proceso de la seal. Estos sistemas se pueden modelar con ecuaciones diferenciales parciales.
1.1.2. Proceso de seales

El proceso y anlisis de magnitudes fsicas por medio de seales elctricas se puede clasicar as: (a). Anlogo (o analgico). La ley de cambio del parmetro de variacin de las oscilaciones elctricas repite la forma de la magnitud fsica observada (existe analoga entre ambas leyes de cambio). El conjunto de valores que puede tomar el parmetro de variacin es continuo y por tanto innito. (b). Digital. La ley de cambio del parmetro de variacin de las oscilaciones elctricas correspondiente a la forma de la magnitud fsica observada se representa por un conjunto nito (discreto o contable) a priori conocido de seales o inclusive relaciones. En este caso, las seales de salida no deben presentar alguna analoga de forma con la seal de entrada. Entre las principales ventajas de los sistemas de proceso digital con respecto a los anlogos estn las siguientes; son realizables sobre tecnologa digital lgica, alcanzando por ello alta conabilidad, estabilidad, reducido tamao y baja potencia, adaptndose rpidamente al diseo de circuitos integrados. Los dispositivos digitales son menos sensibles a las tolerancias de sus elementos. As mismo, estos pueden ser reproducidos en grandes volmenes con gran exactitud, y no requieren de un ajuste o ajuste adicional como si ocurre con los elementos anlogos. Adems, facilitan el proceso simultneo de varias seales, que puede realizarse en un solo dispositivo digital, reduciendo costos de hardware. As mismo, las caractersticas de proceso pueden cambiarse y ajustarse durante el proceso realizando los ajustes necesarios en el algoritmo de proceso, condicin necesaria en la adaptabilidad de los sistemas. Los dispositivos digitales se asocian con algunas desventajas. La primera es el incremento en la complejidad del sistema de proceso por cuanto hay necesidad de un pre y post-proceso adicional de las seales (A/D, D/A, etc.). La segunda desventaja es el rango limitado de frecuencias disponibles de los procesadores digitales que ofrecen an valores insucientes para seales de muy altas frecuencias. Sin embargo, las ventajas por mucho compensan las desventajas en varias aplicaciones y con la continua rebaja en el costo del hardware de proceso digital, stas se extienden cada vez a una cantidad mayor de actividades del campo humano.
1.1.3. Funciones singulares

Estas funciones son modelos ideales matemticos y, en rigor, no aparecen en sistemas fsicos. Sin embargo, son buenas aproximaciones a ciertas condiciones restrictivas de los sistemas fsicos, permitiendo evaluar complicadas expresiones que, de otra manera, seran difciles de resolver.
12
donde la multiplicacin x(t) sgn(tt0 ) denota el cambio de signo de la funcin x(t) a partir del punto t = t0 .
Funcin signo. Denida por la expresin (Figura 1.2): 1, t < t0 sgn(t t0 ) = 0, t = t0 1, t > t0
sgn(t) T 1 t0 1
E
t
Figura 1.2: Funcin signo
Funcin delta de Dirac. La funcin delta (t) es tambin llamada funcin impulso o funcin Kronecker, y se puede interpretar como la accin de hacer angosta de funcin dada p (t t0 ) con rea unitaria:
p (t)dt =
1 =1
(1.5)
De tal manera, que su base determinada en un intervalo de tiempo (t0 2 , t0 + 2 ) tiende a cero. Esto es,
(t t0 ) = l m p (t t0 ) =
0
, 0,
t = t0 t = t0
(1.6)
La denicin de la funcin delta est dada por el par conjunto de ecuaciones (1.5) y (1.6), cuya representacin grca, en el caso particular de un pulso rectangular se ve en la Figura 1.3(a) (parte inferior). La representacin convencional de (t t0 ) se muestra en la Figura 1.3(a) (parte superior), donde la amplitud debe ser entendida como el rea del pulso elemental. La funcin (t) tiene las siguiente propiedades: (a). Simetra. (t) = (t). (b). Escala de tiempo, (t) = 1 (t) | |
(c). Multiplicacin, (por una funcin en el tiempo); x(t) (t t0 ) = x(t0 ) (t t0 ). Realmente, la continuidad de la funcin x(t) se restringe al caso x(t0 ) = x(t0+ ), en caso contrario, es simplemente imposible encontrar el valor correspondiente de la multiplicacin y preferiblemente se debe evitar tal situacin.

(t t0 )
13
x(t) T
t0 p (t) T
E '
' T
. . .... . ... ...... . . . . . . .. ... .... ... ... ... . . .. ..... ... ... ... . . ... . .. . . .
...................................................................................... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . .. . .. .. . .... ... . . ... ... . . . . ... ... . ... . . ... . . . . ... . . .... . .. . . .. ... . . .. . . . . . ... .. . . . . . . ... . . .. . . .. .. ... . . . . ... .. . ... . . . . . ... . . .. . . .. . .. .. ... .. ... ... ... . .. . ... ..... . ... . . ..... ... ... ... . . ... .. ... .... . . ..
x(k )p (t k )
p (t k )
p (t )
..
E t k (k + 1)
E
t0 t (b) Aproximacin
(a) Representacin
Figura 1.3: Funcin delta
(d). Selectividad,

(t t0 )x(t)dt = x(t0 )
(t t0 )dt = x(t0 )
(1.7)
La funcin x(t) debe ser continua, o al menos tener un nmero nito de discontinuidades de salto en un intervalo nito de tiempo, por cuanto el valor exacto de la integral en el punto de discontinuidad no tiene ningn sentido fsico importante [1]. De (1.7) e intercambiando t y t0 , y llamando a t0 se obtiene la integral de Duhamel :
x(t) =
x( ) ( t)d
(1.8)
La integral (1.8) es la representacin de la funcin x(t) por un continuo de delta funciones y corresponde a su aproximacin en forma de un conjunto de pulsos pa (t) rectangulares dentro del intervalo de anlisis, como se muestra en la Figura 1.3(b). Haciendo 0 y N se obtiene la aproximacin:
N
x(t)
k =N
x(k )pa (k t).
(1.9)
14
Ejemplo 1.3. Evaluar la expresi on
t2 e sin t cos 2t (2t 2 )dt,
Con la propiedad de escala y luego de selectividad se obtiene que:

t e
2 sin t
1 cos 2t (2t 2 )dt = 2
t2 e sin t cos 2t (t )dt =
1 2 . 2
Funcin escaln unitario. La denicin matemtica de esta funcin representada en la Figura 1.4 es la siguiente: u(t t0 ) = 1, 0, t > t0 t < t0 (1.10)
1
u(t t0 ) 6
A partir de la denicin dada en (1.6) se puede demostrar que: 1 1 u(t) u(t t0 ) t0 t0 1 = (u(t) u(t t0 )) t0 tomando el lmite de t0 0, se obtiene que p (t) = (t) = l m pa (t) = l m
t0 0
t0
Figura 1.4: Funcin escaln unitario
du(t) dt De manera inversa, integrando la anterior expresin se obtiene = (t)dt = du(t) dt = u(t) dt
t0 0 t0
(u(t) u(t t0 ))
Funcin pulso rectangular. Denida por la expresin: rect (t t0 ) = 1, |t t0 | 0, |t t0 | >

2 2
Por cuanto, rect (t) = u(t) u(t t0 ), entonces se cumplir la siguiente relacin: d rect (t) = ( (t) (t t0 )) dt As mismo, se cumple que rect (t t0 ) =
1 (sgn(t t0 ) sgn(t t0 )) 2
15
Problemas Problema 1.1. Clasicar las siguientes seales por su tipo (de potencia o de energa):
a). A sin(t). b). Atetk (u(t) u(t t0 )) , t0 > 0.
Problema 1.2. Demostrar la periodicidad de la funcin x(t) = ej (0 t+) , < t < , donde 0 = cte. Problema 1.3. Clasicar los sistemas en categoras de: linealidad, variante en el tiempo, causalidad y sin memoria en las siguientes funciones de entrada-salida:
t
y (t) = tx(t), 0

1.
y (t) =
t
x( )d, t 0.
y (t) =
tx(t)dt, < t < .
y (t) =
e(t ) x( )d, |t| < . dx dt

t
(t ) x( )d, t
0
y (t) = x(t) +
0.
y (t) =
2 x( )d, t > 0.
t
Problema 1.4. Representar la seal x(t), que tiene el siguiente modelo matemtico:
0, x(t) = x (t/t0 ) , 0 x0 ,
t<0 0 t t0 t > t0
en forma de una suma de funciones lineales por segmentos.
Problema 1.5. Calcular la energa Ex y la norma x de la seal,

x(t) = 30 exp 105 t u(t) R. x = (Ex )1/2 = 6.708 102 .
Problema 1.6. Sea x(t) = u(t t0 ) u(t nt0 ) k (t mt0 ), siendo m, n 1. Determinar el valor de k para el cual se cumpla que:

x(t)dt = 0
R. k = (n 1)t0 .
Problema 1.7. Sea el par de funciones: x(t) = rect y la exponente y(t) = y0 exp (t) u(t), tales que, y0 , , R. Dada la apertura encontrar el valor del parmetro , para el cual la distancia d (x, y ) sea la mnima posible. R. = 0.961/. Problema 1.8. Determinar, para la seal x(t) = t2 , 0 t 1, la aproximacin empleando la funcin de dependencia lineal y (t) = at + b, tal que sea la mejor en el sentido del mnimo error de distancia (mtrica). R. a = 1, b = 1/6.
1.2. Representacin discreta de seales
17

1.2.1. Espacio de representacin
Cualquier espacio vectorial con dimensin n se caracteriza completamente por las proyecciones sobre sus n ejes de coordenadas. En la descomposicin vectorial es preferible el empleo de ejes perpendiculares que cumplan la condicin de ortogonalidad: (i , j ) = 0, 1, i=j i=j
donde i , j son los vectores unidades de los respectivos ejes de coordenadas. Si el vector est dado en un espacio con N dimensiones, entonces ste se puede descomponer en n componentes y, por lo tanto, expresado por la suma:
n
a=
k=1
ak k .
siendo ak las proyecciones del vector sobre los ejes de coordenadas, la direccin de los cuales est dada por el sistema de vectores coordenadas o bases {k : k = 1, , n}.
Ejemplo 1.4. Consid erese los siguientes casos de descomposici on vectorial: 1. Sea el conjunto {n (t) : n = 1, . . . , N }, un sistema de vectores ortogonales sobre un intervalo dado en alg un espacio de Hilbert. Demostrar que el conjunto corresponde a un sistema independiente lineal. Al analizar la igualdad k1 1 + k2 2 + + kn n + + kN N = 0 se observa que, al multiplicar escalarmente ambos lados de la igualdad por cada uno de los vectores, y, teniendo en cuenta su ortogonalidad, se obtiene que: n (k1 1 + k2 2 + + kn n + + kN N ) = n 0 {n kn n } = 0, n = 1, . . . , N con lo cual kn = 0, n = 1, 2, , N . Esto es, la ortogonalidad del sistema de vectores condiciona su independencia lineal. 2. Dado un sistema de vectores no nulos y no ortogonales {g0 , g1 , , gn , } en el espacio de Hilbert. Construir sobre este un sistema ortonormal {u0 , u1 , , un , }, tal que cada vector uk se una combinaci on lineal del tipo uk = ck0 g0 + ck1 g1 + + ckn gn , siendo ck0 , ck1 , , ckn valores constantes. Al normalizar el elemento g0 y suponer que u0 = g0 / g0 , el vector h1 = g1 (g1 , u0 )u0 es ortogonal a u0 . Normalizando h1 se obtiene un nuevo elemento ortonormalizado del sistema u1 = h1 / h1 . La operaci on se repite y se halla el elemento h2 = g2 (g2 , u0 )u0 (g2 , u1 )u1 , por lo que se obtiene u2 = h2 / h2 que es ortogonal tanto a u0 como a u1 . Repitiendo el proceso, iterativamente, en el paso k Z se obtiene la siguiente combinaci on lineal: hk = gk (gk , u0 ) u0 (gk , u1 ) u1 (gk , uk1 ) uk1
18
En forma general, el conjunto de las posibles seales de anlisis se entender como el formado por todas las funciones de valor complejo denidas en forma continua (seal analgica) sobre un eje real, por ejemplo el del tiempo: L = {x = x(t) : x(t) C, t R}
donde L = {x : P } el conjunto formado por todos los x, para los cuales P es cierto: P x L. La mayora de los espacios de funciones de seales se restringen a los espacios clsicos de Lebesgue, en los que se cumple que 1/p p p p |x(t)| dt < ,p 1 L = L (R) = x L : x p =
R
L = L (R) =
xL: x
= sup |x(t)| <

t
La generacin de conjuntos de seales a partir de alguna condicin comn con interpretacin fsica (energa, longitud en el tiempo, transformacin a algn espacio complejo, etc.), implica establecer el modelo matemtico formal de relacin P entre los elementos del conjunto. De manera general, la forma para distinguir dos elementos de un conjunto en cada pareja de elementos, consiste en compararla con un nmero real positivo, el cual se interpreta como la distancia entre los elementos d : X X R, donde xn , xm estn en X y d(xn , xm ) 0. En este caso los elementos xn y xm tienen las mismas propiedades geomtricas. Un conjunto con una distancia dada en forma adecuada representa un conjunto de seales. Un ejemplo de distancia entre dos seales x(t) y y (t) del espacio de funciones complejas en el tiempo, a lo largo de un intervalo T est dado por la siguiente expresin: d (x, y ) = x y = |x(t) y (t)|2 dt
T
donde x Lp (R) es la norma denida para x en el espacio Lp . La restriccin de p 1, implica que la clase Lp (R) es un espacio lineal normalizado y corresponde a un espacio de Banach, el cual es completo con respecto a la correspondiente norma. De manera similar se pueden denir los espacios formados por las funciones de valor complejo determinadas en forma discreta (seal discreta) sobre el dominio del tiempo: = {x = (xn ) : xn C, n Z}. Las restricciones sobre pertenencia a espacios lineales normalizados son similares a la de las seales continuas, en las cuales las operaciones de integracin se cambian por operaciones de sumatoria discreta; es decir, se generan los siguientes espacios: 1/p p = x : x p= |xn |p <
n=1
1/2
(1.11)
El conjunto de funciones relacionados con la distancia (1.11), para los cuales la respectiva norma es acotada, x 2 < , o espacio L2 (T ), que es un espacio de Hilbert,
19
est provisto del siguiente producto interno: x, y

L2 (R)
=
R
x (t)y (t)dt
(1.12)
El espacio de funciones dado por la distancia (1.11) tiene aplicacin amplia en la representacin de seales debido a la interpretacin fsica simple de su respectiva norma, que corresponde a la energa de las seales. Esto es, cuando x L2 (T ) se dice que x
2
= x, x
L2 (T )
Ex
(1.13)
es la energa de la seal. Por cierto, la seal x(t) determinada sobre T , se denomina seal de energa si cumple la condicin Ex = x
2
=
T
|x(t)|2 dt < ,
(1.14)
La representacin de cualquier seal x L2 (T ) de energa, que cumpla la condicin (1.14) en forma discreta, implica hallar la transformacin del espacio L2 (T ) en el espacio C n , donde el valor de n se elige a partir del compromiso entre la precisin y la economa de la representacin. La forma general de hallar esta representacin consiste en la seleccin de subespacio de dimensin n a partir de L2 (T ). Teniendo en cuenta que L2 (T ) es un espacio completo separable [2], la seal x L2 (T ) puede ser representada de manera aproximada con cualquier precisin, si la dimensin de representacin se escoge sucientemente grande (n ), por medio de un conjunto de valores o coecientes xk , expresados en combinacin lineal del siguiente espacio de funciones de coordenadas, elegido adecuadamente: x(t) =
k=1
xk k (t),
(1.15)
donde k (t) corresponde a un conjunto de funciones elegidas a priori, que conforman una base del espacio vectorial L2 (T ), las cuales son denominadas funciones base, siendo k el orden de la funcin dentro del conjunto {k (t)}. La descomposicin en funciones base (1.15) corresponde a la representacin espectral generalizada. En forma general, en la representacin de seales, las funciones base deben cumplir los siguientes requerimientos: a) La serie (1.15) debe ser convergente, b) Los coecientes {xk } deben tener procedimientos simples de clculo, y c) sus valores no deben depender del lmite superior de la suma de la representacin (1.15).
1.2.2. Descomposicin en funciones ortogonales

Los sistemas ortogonales son un caso particular de sistemas de funciones independientes lineales. Ms an, cualquier sistema de este ltimo tipo puede ser transformado en ortogonal, empleando, por ejemplo el mtodo de Gramm-Schimdt (ver ejemplo 1.4) [3].
20
Un sistema de funciones complejas {m (t)} se dene como ortogonal en el intervalo de representacin (ti , tf ), si se cumple la relacin:
tf tf
m (t) n (t)dt
ti
=
ti
m (t)n (t)dt =
0, Emn ,
m=n m=n
(1.16)
siendo Emm = Enn = Em = En una magnitud de energa. Mientras para el caso de las seales de potencia se tendr:
tf tf
1 tf ti
ti
1 m (t) n (t)dt = tf ti
m (t)n (t)dt =
ti
0, Pmn ,
m=n m=n
(1.17)
donde Pmm = Pnn = Pm = Pn es la potencia media o cuadrado de la norma de la funcin n (t). Se dice que el conjunto de funciones base est normalizado si se cumple que:
tf tf
ti
|m (t)| dt =
ti
|n (t)|2 dt = Emn = 1, m, n
Si el conjunto es a la vez normalizado y ortogonal, este se denomina ortonormal. Como se deduce de la expansin ortogonal (1.15), una seal de energa x(t) puede ser aproximadamente representada en trminos de n (t):
N
x(t)
xn n (t)
n=0
(1.18)
donde los coecientes xn caracterizan el peso de la correspondiente funcin ortogonal n (t). La representacin (1.18) de la funcin x(t) se denomina expansin o representacin ortogonal. Los valores xn se determinan de acuerdo a la condicin de mnimo error tomada en la aproximacin. El tipo de error comnmente empleado en la ponderacin de la aproximacin (1.18) es el error cuadrtico medio (potencia media de error), el cual es denido como:
tf
1 2 N (t) = tf ti
t1
x(t)
n=0
xn n (t) dt, siendo 2 N (t) 0
(1.19)
Por cuanto 2 N (t) es funcin de los coecientes x0 , x1 , , xN , entonces para su minimizacin se debe hacer igual a cero todas las respectivas derivadas parciales: (2 (2 (2 N) N) N) = = = =0 x0 x1 xN
21
Denotando por a = x(t) y b = toma la forma
La derivada parcial de (1.19) por los coecientes xk ser: tf 2 N 2 N (t) 1 xn n (t) dt = 0 x(t) = xk tf ti xk n=0
ti n xn n (t),
la expresin dentro del integral anterior
|a b|2 = (a b) (a b) = (a b) (a b ) = (aa ab ba + bb ) Luego, se cumplir que tf tf N 2 |x(t)| dt x(t)xn n (t)dt + xk n=0

ti ti
tf
tf
ti
x (t)xn n (t)dt
ti
En virtud de la condicin de ortogonalidad (1.16), los productos m (t) n (t)dt, m = n, sern iguales a cero, tf tf tf tf N 2 2 |x(t)| dt x(t)xn n (t)dt + x (t)xn n (t)dt |xn n (t)| dt = 0 (1.20) xk n=0
ti ti ti ti
xn n (t) xm m dt = 0 m=0
N
que al diferenciar por xk e intercambiando los trminos se obtiene:

tf tf
De igual manera, los componentes que no contengan xk son cero. Como resultado solo se tiene dos componentes diferentes de cero: tf tf x (t)xk k (t)dt + xk k (t)xk k (t)dt = 0 xk
ti ti
x (t)k (t)dt = x k
ti ti
|k (t)|2 dt
cuando se generaliza en funcin del ndice n, da como resultado:

tf
x(t) n (t)dt xn =
ti tf
tf
ti
|n (t)|2 dt
1 1 = Pn tf ti
x(t) n (t)dt
ti
(1.21)
El numerador de (1.21) es la energa (o potencia) de la seal x(t) y de la funcin base n (t), mientras en el denominador aparece la energa (o potencia) de las funciones base.
22
De la expresin (1.20) se obtiene que el error 2 (t) es igual a

tf
2 N (t)
1 = tf ti
N n=0
ti
|x(t)|2 dt
tf
tf
tf
x(t)x n n (t)dt + ti
ti
x (t)xn n (t)dt
ti
|xn n (t)|2 dt
Adems, de (1.21) resulta que

tf
1 xk Pn = tf ti
x(t) n (t)dt
ti
con lo cual, el error 2 (t) se puede determinar como:

tf
1 2 N (t) = tf ti 1 = tf ti
ti tf
|x(t)| dt |x(t)|2 dt
n=0 N n=0
(2x n xn Pn xn xn Pn ) = N
ti
|x2 n |Pn = P
n=0
|x2 n |Pn
(1.22)
Por cuanto la potencia de error siempre es positiva, 2 (t) 0, entonces, de la anterior expresin se deduce la siguiente desigualdad:
N
k=0
|xk |2 Pk ,
(1.23)
conocida como la desigualdad de Bessel, la cual indica que la potencia de la aproximacin de la seal x(t) obtenida por (1.18) es menor o, en el mejor de los casos, igual a la potencia de la seal original. De otra parte, de (1.22) se observa que al aumentar N , o sea, al aproximar la seal con conjuntos mayores ortogonales, entonces el error 2 (t) disminuye.
Teorema 1.1 (Parsevall). Por denicin 2 0, por lo tanto, al hacer N tf 2 2 2 en (1.22), la suma N k=0 xk Pk converge al valor del integral ti x (t)dt, luego tiende a cero. Como resultado se tiene la siguiente igualdad:
tf 2 n=1
ti
|x(t)| dt =
|xn |2 = Pn ,
(1.24)

1( E E 1( E E
0 (t)
. 0) T T
23
............................................................... . . . . . 1( . . . . . . . x0 . E E . . . . . . . . 0) . . . . . T . . . . 0 (t) . . . 1( . . . . . . x1 . E E . . . . . . . .x(t) . 0) . E . . . . T . . . . 1 (t) . . . . . . . . . . . . . . . . . . . . . . . . . . . 1( . . . . . . xn . . E E . . . . . . . 0) . . . . . . . T . . . . n (t) . . . . ............................................................... . .
0) T T
1/T
xE (t)
. . . . . . . . .
1/T
1 (t)
1( E E 0) T T
n (t)
1/T
Figura 1.5: Descomposicin y formacin ortogonal de seales
En este caso, el conjunto ortogonal se dene como completo en (ti , tf ). Si en la expansin (1.18) la cantidad de trminos N , o sea, x(t) =
n=0
xn n (t)
(1.25)
entonces, la serie innita converge hacia la funcin x(t), de tal manera que el valor cuadrtico medio del error 2 (t) de la aproximacin se hace igual a cero. La representacin de una funcin x(t) dada en (1.25) por medio de un sistema base con nmero innito de funciones ortogonales se denomina representacin generalizada de Fourier de x(t) para la base {n (t)}. Cualquier seal de potencia (o energa) puede ser descompuesta si el sistema de funciones base genera un sistema completo, donde los coecientes xn se determinan por (1.21). El mismo conjunto de los coecientes {xn } se denomina espectro de la seal x(t), mientras el producto xn n (t) se dene como la componente espectral de la seal. Cualquiera de las dos formas: la serie generalizada de Fourier (1.25) o el espectro {xn } (1.21) determinan unvocamente la seal x(t). Basados en la expresin (1.25) es posible la sntesis de seales, as en la Figura 1.5 (para Pn = 1) se muestra el diagrama funcional del sintetizador de seales empleando el sistema de funciones base {n (t)}. Por cuanto, la cantidad de sistemas ortogonales completos es inconmensurable, la eleccin del mejor sistema base de representacin tiene un amplio sentido prctico. Las siguientes son las recomendaciones generales a tener en cuenta en este caso: 1. El sistema base debe ser descrito analticamente de manera fcil, as que las correspondientes funciones ortogonales sean sencillas de generar. 2. El sistema base debe ser una tarea con solucin adecuada de tal manera que ste facilite la resolucin de problemas tales como la representacin econmica de sea-
24
les, la realizacin de ltros espectrales, y la disminucin de costos computacionales en el proceso de seales, entre otros.
3. Es preferible que el sistema base {i (t)} sea multiplicativo, esto es, que se cumplan las siguientes condiciones: Sea n (t), m (t) {i (t)} , si k (t) = n (t)m (t), entonces k (t) {i (t)} . Sea n (t) {i (t)} , si k (t) = 1/n (t), entonces k (t) {i (t)} . 4. El sistema base debe facilitar la sntesis de algoritmos econmicos (rpidos) en el sentido del costo computacional. En particular, es preferible el empleo de sistemas conformado por funciones ortogonales de estructura peridica. La eleccin del sistema de funciones ortogonales ms conveniente depende del objetivo con que se descompone la seal compleja original. Entre los diferentes problemas que exigen esta descomposicin pueden distinguirse dos orientaciones importantes: 1. La descomposicin en sistemas completos de funciones ortogonales, 2. La aproximacin de las seales, de tal manera que se pueda brindar la precisin deseada con el menor nmero de elementos de la serie en (1.18). En el primer caso, se difundi el empleo de las funciones exponenciales de Fourier y en particular de las funciones trigonomtricas, los senos y cosenos. Sin embargo, en algunos casos se emplean otros sistemas. Por ejemplo, para la discretizacin de seales continuas en el tiempo se emplean bases del tipo sinc(x). En el proceso digital de seales es muy frecuente el empleo de funciones constantes en segmentos de tiempo [4] (bases de Rademacher, Walsh, Paley, Hadamar y Haar ). Como ejemplos de conjuntos ortogonales en la segunda orientacin se pueden analizar los polinomios de Chebyshev, Hermite, Laguerre, Legendre entre otros [4, 5].
1.2.3. Sistema ortogonal completo de Fourier

Serie exponencial de Fourier. Se dene a partir del conjunto ortogonal conformado por las funciones exponenciales complejas del tipo: n (t) = ejn0 t , (1.26)
donde n {0, 1, 2, . . .} se denomina armnico, siendo 0 = cte = 0. En la determinacin del valor de la constante 0 , se parte de la denicin de ortogonalidad (1.26) sobre el intervalo de tiempo (ti , tf ), por lo que se tiene:
tf tf
n (t) m (t)dt
ti
=
ti
ejn0 t ejm0 t dt =
0, n=m En , n = m
1 ej (nm)0 tf ej (nm)0 ti = 0, n = m, j (n m)0 1 ej (nm)0 ti ej (nm)0 (tf ti ) 1 = 0. = j (n m)0 =
25
obtenindose los respectivos valores de 0 = 2/En y En = (tf ti ) (1.27)
La representacin exponencial de la serie Fourier para cualquier seal de energa, aplicando (1.15), tiene la forma: x(t) =
n=
xn ejn0 t , (ti < t < tf )
(1.28)
donde cada uno de los coecientes de la serie, teniendo en cuenta (1.21), se determinan por la expresin:
tf
1 xn = tf ti
x(t)ejn0 t dt
ti
(1.29)
Se denir como espectro de Fourier a la representacin grca de los coecientes complejos de Fourier de la funcin en dependencia de la frecuencia. Aunque, como antes se dijo, el espectro puede ser hallado para cualquier sistema base de representacin, realmente, el espectro de Fourier se le ha encontrado interpretacin fsica y, por lo tanto, uso prctico en la ingeniera. En adelante, cuando se reera al espectro se tendr en cuenta slo el de Fourier. En la Tabla (1.1) se muestran los coecientes de Fourier para algunas seales comunes.
Seal Cuadrada simtrica Denicin T 1, |t| < 4 T T 1, < |t| < 4 2 +1, |t| < 2 T 0, |t| < 2 2 2t/T, |t| < T /2 |sin 0 t| Coeciente xn sinc(n/2), 0, sinc(n /T ) T sinc(n/2), n = 0 0, n=0 j ( 1) , n=0 n 0, n=0 2 , n par (1 n) 0, n impar n=0 n=0
Pulsos rectangulares Triangular simtrica Diente de sierra
1 4|t|/T, |t| < T /2
Sinusoide recticada
Tabla 1.1: Coecientes de descomposicin espectral de Fourier
Ejemplo 1.5. Hallar la serie de exponencial de Fourier para la funci on (considerando a = b): a, t1 < t < t1 2 x(t) = b, t1 < t < t1 + , 2
26
Aplicando (1.27) se obtiene En = ((t1 + /2) (t1 /2)) = ,
siendo 0 = 2/En = 2/ . Los coecientes espectrales se denen a partir de (1.21):

t1 + /2
1 xn = xn =
x(t)e
jn0 t
t1 /2
aejn0 t jn0
t1
1 dt = +
t1
t1 + /2
ae
jn0 t
dt+
t1 /2 t1 + /2 t1
t1
t1 /2
bejn0 t jn0
bejn0 t dt
haciendo a = b y t1 = 0, se obtiene 1 aejn0 t aejn0 t jn0 /2 jn0 2a , n impar xn = jn 0, n par xn = 1 aejn0 t jn0
/2 0 0 /2
=
0
a ejn0 t jn0
0 / 2
ejn0 t
/2 0
a [1 cos n ] jn
en cambio, si a = b, pero t1 = /2, el valor de los arm onicos ser a: xn = aejn0 t jn0
/2 /2
a 0 ejn0 t = jn0
a sin n = 0, n. = n
Finalmente, la representaci on completa en forma de serie exponencial de Fourier, correspondiente a (1.18), de la funci on dada en el intervalo (t1 /2, t1 + /2), es la siguiente:
x(t) = =
xn ejn0 t
n=
2a jt ej 3t ej 5t ej 3t ej 5t e + + + . . . ejt ... j 3 5 3 5
x(t) T a t E t1 + 2
0.8
0.6
0.4
0.2
0
0.2
t1 b
t1
0.4
0.6
0.8
30 0 0 0 30 50 70 90
n0
(a) Representacin en el tiempo
(b) Representacin espectral
Figura 1.6: Meandro simple
27
En la Figura 1.6 se muestra la se nal dada en el tiempo y sus respectivos coecientes obtenidos en la u ltima expresi on para la serie de exponencial de Fourier.
El ejemplo 1.5 se puede extender a un tren de pulsos cuadrados denido de la siguiente manera: x(t) = a
k
rect (t kT ) , siendo 0 =
2 . T
(1.30)
Reemplazando la anterior relacin en (1.21) se obtiene:

T /2 /2
1 xn = T
T /2
x(t)e
jn0 t
1 dt = T
/2
aejn0 t dt
a a xn = sin n0 ejn0 /2 ejn0 /2 = 2 jn0 T n0 T 2 a a sin(n0 /2) = sinc (n0 /2) ; n = 0 xn = T n0 /2 T

/2
(1.31) (1.32)
1 x0 = T
/2
a dt =
a T
La relacin (1.31) que determina el espectro de un tren de pulsos cuadrados, est representada en las Figuras 1.7(a) y 1.7(b). Para este caso, se denir como el ancho de banda del lbulo principal del espectro a la distancia que hay entre los dos primeros ceros de la funcin (1.31), y que es igual a = 2/ . Analizando la inuencia de los parmetros caractersticos de la funcin pulso cuadrado como son la amplitud a, el perodo T y el ancho del pulso en el tiempo sobre su espectro de (1.31) y (1.32), se pueden hacer las siguientes conclusiones: - La amplitud a no inuye sobre la forma de la envolvente espectral y es un factor de escala. - Sea el perodo T = var, conservando la relacin /T = cte. Si se tiene dos seales con perodos respectivamente diferentes, tales que T1 = 2T2 , donde 01 = 2/T1 y 02 = 2/T2 = 2 (2/T1 ), entonces, 01 = 02 /2 y = 2/ = cte. Luego, la distancia entre cada una de las componentes espectrales cambia de modo inversamente proporcional al aumento del valor del perodo T , sin embargo, la forma de la envolvente del espectro no cambia mientras /T = cte. - Sea = var, /T = cte, o sea, 0 = 2/T . Si se tienen dos seales con ancho de pulso respectivamente diferentes, tales que 1 = 22 , 1 = 2/1 y 2 = 2/2 , entonces, 1 = 2 /2. En este caso la distancia entre las componentes espectrales es constante para cualquier valor de , cambiando la forma del espectro. El ancho de banda del lbulo principal cambia de modo inversamente proporcional al cambio del valor de . Los espectros correspondientes a cada uno de los casos anteriormente analizados estn representados en la Figura 1.7.
28
0.8 0.6 0.4 0.2 0 0.2
1.5 1 0.5 0
3 2 1 0 T = 0.1 1 2 3 4
4 1.5 1 0.5 0
0 1 /T = 1
0.8 0.6 0.4 0.2 0 0.2
0 T = 0.15
4 1.5 1 0.5 0
0 1 /T = 2
0.8 0.6 0.4 0.2 0 0.2
0 T = 0.3
0 1 /T = 0.5
(a) Espectros para /T = var, = const.
(b) Espectros para /T = var, T = const.
Figura 1.7: Espectro de un tren de pulsos cuadrados
Serie trigonomtrica de Fourier. A partir de la igualdad de Euler, ej = cos + j sin , entonces, la serie exponencial de Fourier que representa a la funcin x(t) en el intervalo (ti , tf ), de manera similar, se puede descomponer la seal original en la suma trigonomtrica del tipo: x(t) = a0 +
n=1
an cos(n0 t)+
n=1
bn sin(n0 t)
(1.33)
Se puede llegar de la serie exponencial de Fourier a su representacin trigonomtrica reemplazando: an = 2 {xn }, bn = 2j {xn }, n = 0, mientras, a0 = x0 , b0 = 0, (1.34)
donde xn = (an jbn )/2. Aplicando la denicin (1.21) de los coecientes xn notados en (1.34) se obtiene:
tf
x(t) cos (n0 t) dt an =

ti tf
tf
cos2 (n0 t) dt
ti tf
2 = tf ti
x(t) cos (n0 t) dt, n = 0

ti
x(t) sin (n0 t) dt bn =

ti tf
tf
sin2 (n0 t)dt

ti
2 = tf ti
x(t) sin (n0 t) dt

ti
29
El coeciente inicial, se calcula como

tf
x(t)dt a0 =
ti tf
tf
dt
ti
1 = tf ti
x(t)dt.
ti
La serie trigonomtrica de Fourier en (1.33) puede representarse de manera alterna como: x(t) = donde cn = mientras, n = tan1 bn an = tan1 {xn } {xn } (1.37) 2 a2 n + bn = 2|xn | = 2 xn xn , x0 , n=0 n=0 (1.36)
n=0
cn cos (n0 t + n ) ,
(1.35)
La representacin de una seal de energa por la serie de Fourier en un intervalo nito (ti , tf ) se puede extender para las seales peridicas (suponiendo que el valor de la energa en cualquier intervalo o perodo T sea nito), para las cuales se cumple la condicin, ej = ej (+2/T ) . Todas las expresiones anteriores son vlidas para las funciones peridicas reemplazando el intervalo de denicin de las seales aperidicas [ti , tf ] por el valor del perodo T de las funciones peridicas. La representacin en series de Fourier converge en x(t), en el sentido en que el error cuadrtico medio tiende a cero de manera uniforme y absoluta cuando la cantidad de trminos de la aproximacin tiende a innito, siempre y cuando la funcin x(t) cumpla las condiciones de Dirichlet [6]: 1. x(t) es absolutamente integrable sobre cualquier intervalo de anlisis, esto es,
+T
|x(t)| dt <
2. x(t) slo tiene un nmero nito de mximo y mnimos sobre cualquier intervalo nito de anlisis. 3. x(t) slo tiene un nmero nito de discontinuidades de primer tipo sobre cualquier intervalo nito de anlisis.
30
Teorema 1.2 (Riemman). Si la funcin ncleo integral x(t) cumple las condiciones de Dirichlet y, en forma general, si sta es absolutamente integrable en el intervalo (a, b), entonces tendr lugar el siguiente lmite [7]:
b v b
l m
x( ) cos(v )d = l m
a
x( ) sin(v )d = 0.
a
Como corolario del teorema 1.2 se tiene que los coecientes an , bn y por tanto cn tienden a cero cuando n . En puntos de discontinuidad nita (del primer tipo) en la funcin x(t), la serie de 1 Fourier converge en la media aritmtica de 0 los valores extremos de la discontinuidad. 1 n=1 A medida que se aumentan los trminos 1 N de la serie, el valor del error cuadrtico 0 integral decrece excepto en la vecindad inmediata de la discontinuidad nita, en cu- 1 n=3 1 ya cercana la serie deja de converger, aun0 que el error cuadrtico medio tienda a cero. Cualquiera que sea la cantidad mxi- 1 n=5 1 ma nita de trminos tomados de esta serie, la representacin aproximativa siempre 0 tendr un paso continuo entre los puntos 1 n = 13 extremos de la vecindad de la discontinuidad. Este comportamiento se conoce como Figura 1.8: Efecto de Gibbs fenmeno de Gibbs [8]. En la Figura 1.8 se muestra la aproximacin de una seal rectangular () y su respectivo error de aproximacin (). Se considera, que los siguientes son los motivos principales por los cuales tiene amplia aplicacin las series trigonomtricas de Fourier [7]: - stas son oscilaciones simples y estn determinadas para todo valor de t. - Las oscilaciones armnicas seno y coseno son las nicas funciones del tiempo que conservan su forma al pasar por cualquier dispositivo lineal; slo varan su fase y su amplitud. - La descomposicin en senos y cosenos permite aplicar el mtodo simblico usualmente desarrollado para el anlisis de circuitos lineales. Dada un porcin de la seal sobre el intervalo nito de tiempo T , es imposible distinguir componentes de frecuencia que estn por debajo de la siguiente relacin: f = 1 0 = 2 T (1.38)
El valor f es llamado resolucin de frecuencia de los datos.
31
1.2.4. Otros conjuntos ortogonales
En la aproximacin de seales continuas se emplean diferentes polinomios y funciones especiales ortogonales. Escogiendo adecuadamente estas funciones en la descomposicin ortogonal (1.18), se logra la representacin de la seal, de manera aproximada, con un nmero pequeo de elementos de la serie. De otra parte existen funciones, que conforman sistemas base completos {n (t)}, siendo ortonormales en los intervalos indicados con valor de peso w(t), esto es, que se cumpla la condicin: {(t)} = w(t)n (t) (1.39)
siendo w(t) la funcin de peso, n (t) las funciones sobre los cuales se forman los sistemas base ortogonales. Como consecuencia de (1.39), la denicin de ortogonalidad (1.17) sobre el intervalo T cambia por:
m (t)n (t)w(t)dt = T
0, Pmn ,
2
m=n m=n
donde Pmm = w(t)n (t) =

T
w(t)n (t)
dt.
(1.40)
As mismo, cambia la determinacin de los coecientes (1.21) en la serie generalizada de Fourier: xn = 1 w(t)n (t)
2 T x(t) w(t)n (t)dt.
(1.41)
Polinomios de Legendre. Siendo T = [1, 1] y w(t) = 1, se puede obtener un sistema ortogonal, empleando el procedimiento de Gram-Schmidt a la secuencia t0 , t1 , t2 , . . . , y como resultado se obtienen los polinomios normalizados: 0 (t) = 1/ 2, 3 (t) = n (t) = 1 (t) = 3/2t, 9 2 35 4 15 2 3 t t + 8 4 8 2 (t) = , 5 2 3 2 1 t 2 2 ,
7 5 3 3 t t , 4 (t) = 2 2 2 2n + 1 Pn (t), 2
generando el polinomio Pn (t) = 1 dn 2 t 1 2n n! dtn

n
(1.42)
el cual puede ser calculado en la siguiente forma recurrente: nPn (t) = (2n 1)tPn1 (t) (n 1)Pn2 (t).
32
El intercambio = 1 2ept (p > 0, p R el factor de escala) transforma el intervalo T = [1, 1] para la variable en el intervalo [0, ) sobre el rango de la variable t. De los polinomios (1.42) se puede obtener un sistema ms de funciones ortonormales en [0, ) y denominados funciones de Legendre n (t) = [2p(2n + 1)]1/2 ept Pn (1 2e2pt ). P
Ejemplo 1.6. Descomponer en polinomios de Legendre la funci on x(t) = sgn(t), 1 < t < 1. Por cuanto la funci on x(t) est a dada en el intervalo de tiempo [1, 1], la descomposici on se realiza empleando los respectivos polinomios, antes que las funciones ortogonales, por lo que se obtiene: P0 (t) = 1, P1 (t) = t, P2 (t) = 3 2 1 5 3 1 t , P3 (t) = t3 t, P4 (t) = 35t4 30t2 + 3 2 2 2 2 8
La serie generalizada de Fourier (1.25) para el caso de los polinomios de Legendre tendr a la forma:
x(t) =
n=0
xn Pn (t)
donde los respectivos coecientes se determinan a partir de (1.41) como: 2n + 1 xn = 2 1 x0 = 2

1 1
x(t)Pn (t)dt
0 1 1 x(t)dt = x(t)dt x(t)dt = 0 2 0 1 1 0 1 1 3 3 3 x1 = x(t)tdt = x(t)tdt x(t)tdt = 2 2 2 0 1 1 0 1 7 5 3 3 7 5 3 3 x(t) x(t) x3 = t t dt = t t 2 2 2 2 2 2

1 1
x(t)
0
x2 =
5 2
x(t)
3 2 1 t 2 2
5 3 3 7 t t dt = 2 2 8
dt = 0
De forma similar, xn = 0, n = 2k, k Z. Si se tiene en cuenta solamente los primeros cuatro 7 5 3 3 elementos de la serie, esto es: x(t) = 3 atico medio obtenido 2 t + 8 2 t 2 t , el error cuadr 2 de aproximaci on es 0.28. Para efectos de comparaci on se puede tomar el ejemplo (1.5), si a = b = 1, t1 = 0 y T = 2, con lo que 0 = 2/T = , obteni endose los siguientes coecientes de representaci on: 0, xn = 4 n n par
n impar
Al limitarse con los primeros cuatro elementos de la serie se obtiene 4 4 sin 3t x(t) = sin t 5 3
33
Figura 1.9: Aproximacin de la funcin en el ejemplo 1.5.
siendo el error cuadr atico medio obtenido de aproximaci on 2 0.0675. La Figura 1.9 ilustra las diferentes curvas de aproximaci on. Ejemplo 1.7. Descomponer en polinomios de Legendre la funcin x (t) = k1 sin (0 t+0 ) , 1 < t < 1. En este caso, los respectivos coecientes se determinan a partir de (1.41) como: 2k + 1 xk = 2 x0 = k1 2
1 1
2k + 1 x (t) Pk (t) dt = 2
k1 sin (0 t + 0 ) Pk (t) dt
1
sin (0 t + 0 ) dt =
1 1
k1 (cos (o + 0 ) cos (0 0 )) 20
3k1 x1 = 2
sin (0 t + 0 ) tdt
1
integrando por partes: udv = uv se obtiene que x1 = 3k1 2 1 1 (cos (0 + 0 ) cos (0 0 )) + 2 (sin (0 + 0 ) sin (0 0 )) 0 0
1
vdu, siendo u = t, du = dt, dv = sin (0 t + 0 ) , v =
1
0
cos (0 t + 0 ) ,
5k1 x2 = 2 5k1 = 2
sin (0 t + 0 )
1 1
3 2 1 t 2 2
dt =
1
5k1 3 2 t sin (0 t + 0 ) dt 2 2
1 sin (0 t + 0 ) dt 2
34
Integrando el primer sumando: u= 3 2 1 t , du = 3tdt, dv = sin (0 t + 0 ) , v = cos (0 t + 0 ) , 2 0 15k1 15k1 5k1 + + 3 40 20 40 15k1 (sin (0 +0 ) sin (0 0 )) 2 2
con lo cual se obtiene x2 = (cos (0 +0 ) cos (0 0 )) +
De esta manera, utilizando los primeros 10 trminos de la serie de Legendre y haciendo k1 = 1, 0 = 1 y 0 = 0.
Polinomios de Chebyshev. Sea T = [1, 1] y w(t) = [1 t2 ]1/2 , los siguientes polinomios generan un sistema ortogonal: n (t) = 2n (2 )1/2 Tn (t), n = 0, 1, 2, , donde Tn (t) = 2n 1 cos(n arc cos t), 1 n1 n=0 (1.43)
que se calculan en forma recurrente (para n > 2): 1 Tn (t) = tTn1 (t) Tn2 (t). 4 Aplicando el intercambio anterior de variables = 1 2ept , p > 0, p R, de los polinomios (1.43) se obtiene el sistema ortonormal base de funciones de Chebyshev: n (t) = 2n p T
1/2
1,
Tn (1 2ept ),
1
para T = [0, ) y w(t) = [e2pt 1] 2 . Polinomios de Laguerre. Los siguientes polinomios generan un sistema ortogonal, para T = [0, ) y w(t) = et : n (t) = 1 Ln (t), n = 0, 1, n! d n n t (t e ),, que puede ser calculado en la forma recurrente: dtn
donde Ln (t) = et
Ln (t) = (2n 1 t)Ln1 (t) (n 1)2 Ln2 (t). Las respectivas funciones ortonormales de Laguerre, para T = [0, ) y w(t) = 1, tienen la forma:
t/2 n (t) = e L Ln (t). n!
35
Polinomios de Hermite. Denidos como 1/2 n (t) = 2n n! Hn (t), n = 0, 1, 2,

2
siendo T = (, ) y w(t) = et . Donde Hn (t) = (1)n et

2
dn 2 et , n dt
(1.44)
con la respectiva forma recurrente Hn (t) = 2tHn1 (t) 2(n 1)Hn2 (t). Los polinomios (1.44) conforman el sistema ortonormal en el intervalo T = (, ) y w(t) = 1: n (t) = 2n n! H
1/2 t2 /2
Hn (t).
Funciones de Walsh. Este sistema se nota por {walm (t) : m = 0, 1, 2, , N 1}, denido para T = [0, 1] y w(t) = 1. En la prctica se emplean conjuntos con N = 2m funciones. El sistema de Walsh es preferible denirlo a partir de las funciones elementales rectangulares de Rademascher [9]: rn (t) = sgn (sin(2n t)) , 1, n = 1, 2, n=0 (1.45)
siendo (l) el valor de l elemento en representacin del valor en cdigo Gray. Las primeras 8 funciones {waln (t), n = 0, 1, 2, , 7} en correspondencia con (1.46) se muestran en la Tabla 1.2. Las siguientes son las principales propiedades de las funciones de Walsh: 1. Son digitales en el sentido en que toman solamente los valores {1, 1} con periodo unitario. 2. Son orto-normales en el intervalo [1/2, 1/2].
De la denicin (1.45) queda claro el carcter discreto de las funciones de Rademascher, que toman dos valores nicamente: +1 en los subintervalos (k/2n , (k + 1)/2n ), k = 2l, l = 0, 1, , y el valor de 1 en los dems subintervalos. El sistema de funciones (1.45) es ortogonal pero no completo al existir otras funciones ortogonales al sistema. El sistema de funciones {waln (t), n = 0, 1, 2, , 2m 1} es la ampliacin del sistema (1.45) hasta hacerlo completo y se dene como: N |r (t)|(l) n = 1, 2, , l waln (t) = l=1 (1.46) 1, n=0
3. El conjunto es multiplicativo: waln (t) walm (t) = walnm (t), para nm la multiplicacin por mdulo 2 de las respectivas descomposiciones binarias de n y m.
36

Cdigo binario 000 001 010 011 100 101 110 111
l 0 1 2 3 4 5 6 7
(l) 000 001 011 010 110 111 101 100
wall (t) wal0 (t) = 1 wal1 (t) = r1 (t) wal2 (t) = r1 (t)r2 (t) wal3 (t) = r2 (t) wal4 (t) = r2 (t)r3 (t) wal5 (t) = r1 (t)r2 (t)r3 (t) wal6 (t) = r1 (t)r3 (t) wal7 (t) = r3 (t)
Tabla 1.2: Obtencin de las funciones waln (t)
4. El sistema se compone de dos subsistemas de funciones: pares e impares, notadas y denidas respectivamente como calk (t) = wal2k (t), salk (t) = wal2k1 (t), k = 1, 2, (1.47a) (1.47b)
es k el orden de las funciones pares e impares, que caracterizan la cantidad de cambios de signo en el intervalo (0, 1/2). Cualquier funcin x(t) dada en el intervalo t (1/2, 1/2) puede ser representada por la serie generalizada de Fourier (1.25) compuesta de funciones de Walsh: x(t) =
n=0
xn waln (t)
(1.48)
cuyos coecientes se determinan de acuerdo con (1.21) y (1.41):

1/2
xn =
1/2
x(t) waln (t)dt
Al expresar el sistema {waln (t)} por sus respectivas componentes pares e impares se obtiene: x(t) = a0 wal 0 (t) +
n=1
an caln (t)+
n=1
bn saln (t)
Los coecientes se determinan de acuerdo con (1.21):

1/2 1/2
an =
1/2
x(t) caln (t)dt,
bn =
1/2
x(t) saln (t)dt
Los coecientes xn (, en su defecto an y bn ) de la serie Fourier-Walsh en (1.48) conforman el espectro de la seal x(t) en base Walsh, el cual es denominado S -espectro (sequency spectrum ).
37
Ejemplo 1.8. Determinar el S -espectro de la se nal x(t) = sin 2t, < t < , empleando el sistema {waln (t), 0 t < 1, n = 0, 1, , 31} Debido a la imparidad de la funci on dada x(t) respecto al punto t = 1/2, todos los coecientes para las funciones pares wal2n (t) = 0. Tambi en son iguales a cero los coecientes de las funciones impares de orden 3, 7, 11, 15, 19, 23, 27 y 31. Los dem as coecientes tienen el siguiente valor:
1/ 2 1/ 2 1/ 2
x1 =
1 / 2 1/ 2
x(t) wal1 (t)dt =

1 / 2
sin (2t) wal1 (t)dt = 2

0 1/ 8 3/ 8
sin (2t) dt =
2 0.637
x5 =
1 / 2
sin (2t) wal5 (t)dt = 4

0
sin (2t) dt 2
1/ 8
sin (2t) dt 0.264
x9 0.052, x13 0.127, x17 0.012, x21 0.005, x25 0.026, x29 0.063 De igual manera se puede establecer el S -espectro de la se nal x(t) = cos 2t, para la cual se obtiene los siguientes coecientes: x2 0.637, x6 0.264, x10 0.052, x14 0.127, x18 0.012, x22 0.005. Los dem as coecientes son iguales a cero.
En general, el S -espectro de la funci on x(t) = sin (2t + ) puede ser obtenido a partir de la relaci on: sin (2t + ) = sin (2t) cos + cos (2t) sin por lo cual es claro, que cambiando el desfase cambian los valores de los coecientes de descomposici on de la serie de Walsh.
Funciones de Haar. Sistema notado por harm (t) y denido para T = [0, 1] y w(t) = 1: har0 (t) = 1, 0 t 1/2 1, (1) har0 (t) = 0, t = 1/2 1, 1/2 < t < 1 m/2 , (i 1)2m t < (i 1/2)2m 2 (i) harm (t) = 2m/2 , (i 1/2)2m t < i2m 0, otros valores de t
(i) (0)
(i)
(1.49)
para m 1, 1 i 2m . El sistema ortonormal harm (t) es completo.
Por cuanto, en la representacin espectral de las seales es preferible que el sistema base sea expresado en una funcin de un solo ndice ordinal, entonces se emplea la (i) siguiente notacin para el sistema base harm (t) a travs de las funciones de Rademascher (1.45) [4]: harn (t) = 2k/2 rk+1 (t) rectT (2k t n(mod 2k )), 1, n = 1, 2, 3, n = 0,
38
siendo k el nmero del bit mayor diferente de cero en la representacin binaria de n y T = 1. La serie Haar-Fourier, teniendo en cuenta (1.15), se describe en la forma: x(t) =
n=0
xn harn (t)
y los coecientes de descomposicin son determinados de la siguiente manera

1/2
xn =
1/2
x(t) harn (t)dt
Ejemplo 1.9. Determinar el espectro de la serie Haar-Fourier para se nal x(t) = sin 2t, empleando el sistema {harn (t), 0 t < 1, n = 0, 1, 2, , 15.} .
1/ 2
x0 =
1 / 2 1/ 2
x(t)dt = 0,
1/ 2
xn =
1 / 2
x(t) harn (t)dt =

1 / 2
x(t)2k/2 rk+1 (t) rectT (2k t n(mod 2k ))dt, n > 1
dando como resultado: x1 = 0.637, x2 = x3 = 0, x4 = 0.0091, x5 = x6 = 0.0539, x7 = 0.0539, x8 = 0.0208, x9 = 0.0091, x10 = 0.0091, x11 = x12 = 0.0208, x13 = 0.0091, x14 = 0.0091, x15 = 0.0208.
39
Problemas Problema 1.9. Sean las seales y(t) y x(t) elementos de un espacio real de Hilbert, tales que son linealmente
independientes, y por tanto la igualdad y = x no tiene lugar para ningn valor real de . Demostrar la desigualdad de Cauchy-Buniakovski | (x, y ) | < x y
Problema 1.10. Demostrar que un espacio real de Hilbert se cumple la desigualdad de Minkovski
x+y x + y
Problema 1.11. En un espacio de Hilbert estn dados los vectores u y v, tal que v = 1. En analoga con
la geometra de los vectores comunes en un plano, el vector w = (u, v ) v se denomina proyeccin ortogonal del vector u en la direccin v . Demostrar que el vector y = u w es ortogonal al vector v .
Problema 1.12. Empleando el mtodo mostrado en el ejemplo 1.4, calcular los tres primeros vectores base i , i = 0, 1, 2, obtenidos mediante la ortonormalizacin del sistema de funciones 1, t, t2 , en el intervalo de tiempo 1 t 1. Problema 1.13. Encontrar los tres primeros coecientes xi , i = 0, 1, 2 de la serie generalizada de Fourier,
2 xk k x k=0
obtenida mediante la descomposicin de la seal x(t) = et en el intervalo 1 t 1, tomando en calidad de sistema de funciones base {k }, el analizado en el problema 1.12. Calcular la norma del error absoluto de aproximacin en la forma,
Estimar el error relativo de aproximacin, en la forma
2 x xk k x k=0
Problema 1.14. Hallar los coecientes del polinomio de segundo orden y(t) = a + bt + ct2 , de tal manera
que sea la aproximacin, con el menor error cuadrtico medio (1.19), de la funcin x(t) = et en el intervalo 1 t 1. m Z.
jn0 t Problema 1.16. Sea la seal representada por la serie exponencial de Fourier x (t) = , xn e
Problema 1.15. Demostrar la ortogonalidad del conjunto formado por el principio sgn[sin(2m )], donde
entonces, demostrar que yn = xn ejn0 0 , donde yn son los coecientes de Fourier de y (t).
Problema 1.17. Una seal compleja peridica x(t) en el intervalo de tiempo T /2 t T /2 tiene la
forma, x(t) = x1 (t) + jx2 (t). Demostrar que si la funcin x1 (t) es par, mientras la funcin x2 (t) es impar, entonces los coecientes xn de la serie de Fourier, para cualquier n, sern valores reales.
Problema 1.18. Demostrar que si p y q son enteros, para p < q , y x = 0 (mod 2), entonces,
inx | csc(1/2x)| e pnq
jnx converge cuando Problema 1.19. Sea cn cn+1 0 y nl m cn = 0. Demostrar que la serie n= cn e
se cumple que, x = 0 ( mod2 ) y la convergencia es uniforme en cualquier conjunto compacto de nmeros reales x = 0 (mod2 ) .
40
Problema 1.20. Calcular los coecientes de la serie compleja de Fourier para las siguientes funciones peridicas dadas en el intervalo [, ]:
a). x(t) = t. b). x(t) = | sin t|. c). x(t) = sgn(t).
Problema 1.21. La seal x(s), que depende del argumento adimensional s en el intervalo 1/2 s 1/2,
se representa por la dependencia x(s) = 16s2 . Calcular los tres primeros coecientes de la serie (1.48)
Problema 1.22. Calcular los coecientes xi i = 0, 1, 2, de la serie generalizada de Fourier por funciones de Walsh (1.48), para la funcin del problema 1.13. Problema 1.23. Hallar la expansin de la funcin x(t) = t en serie trigonomtrica en el intervalo (0, 2). Problema 1.24. Determinar el S -espectro de la secuencia peridica de pulsos rectangulares con amplitud
a = 2m , m Z, apertura = 1/a, y periodo unitario, empleando el sistema
waln (t), 0 t < 1, n = 0, 1, 2, . . . , N, N = 2k 1, k Z,
siendo k > m. 1, i = 0, 1, . . . , 2m 1 R. xi = 0, i = 2m , 2m + 1, . . . , 2n 1
Problema 1.25. Hallar el S -espectro de la seal pulso peridico (1.30) y demostrar que es nito (a diferencia del espectro de Fourier en (1.31)). Demostrar que el S -espectro para la misma secuencia de entrada desplazada en = 1/2k , tiene como coecientes los siguientes:
1, xi = 1 0,
i = 0, 1, 2, 3 i = 8, 9, 10, 11 otros valores de i
Problema 1.26. Determinar el espectro de la de la serie Haar-Fourier para la secuencia peridica de pulsos cuadrados con amplitud a = 2m , m Z, apertura = 1/a, y periodo unitario, empleando el sistema harn (t), 0 t < 1, n = 0 , 1, 2, . . . , N, N = 2k 1, k Z, siendo m = 3 y k = 4. R. x0 = 1, x1 = 1, x2 = 2, x4 = 2, xi = 0, para los dems valores de i. Ejercicio en el PC 1.1. Desarrollar un programa grco que convierta la serie trigonomtrica de
Fourier utilizando desde 1 hasta 15 armnicos y 50 puntos por periodo.
Ejercicio en el PC 1.2. Desarrollar el cdigo en Matlab de generacin de las funciones de Walsh y obtener la representacin grca para el caso de m = 3 y k = 4. del problema (1.25)
1.3. Representacin integral de seales
41
La representacin discreta analizada en el numeral 1.2 sirve en la descomposicin de seales peridicas o seales aperidicas denidas sobre intervalos nitos de tiempo. Esta ltima restriccin es superable al emplear la representacin integral, que se da en forma de transformadas integrales y que se lleva a cabo para sistemas base continuos. La generalizacin de (1.15) para cualquier sistema base o transformada directa generalizada de Fourier se puede escribir, en el dominio T , como sigue: v (s) =
T
x(t)(s, t)dt, s S
(1.50)
siendo s el parmetro generalizado del dominio S y (s, t) el ncleo base conjugado. La funcin v (s) es una representacin continua de x(t) anloga a los coecientes xn en (1.15), y corresponde a la densidad, la cual caracteriza la distribucin de x(t) con relacin a (s, t) en las diferentes regiones de S . De manera similar, se determina la transformada inversa generalizada de Fourier x(t) =
S
v (s)(s, t)ds, t T
(1.51)
Reemplazando x(t) de (1.51) en (1.50), e intercambiando el orden de integracin se obtiene la condicin de conjunta que deben cumplir los ncleos base conjugados: x(t) =
S T
x( ) (s, ) (t, s) d ds =
T
K (t, ) x( )d = fK {x(t)}
(1.52)
donde K (t, ) =
S
(s, ) (t, s) ds.
En forma general, el funcional lineal fK {x(t)} no es acotado ni continuo, por lo tanto no es de esperar que exista una funcin, perteneciente a L2 (T ) denida en , que cumpla la condicin (1.52) para cualquiera que sea la seal x(t). La solucin a este problema est en la representacin de la seal x(t) empleando la funcin generalizada singular (t) de la siguiente forma: fK {x(t)} = x(t) =
T
(t ) x( )d, t T
Dado un ncleo base, de (1.52) se establece la restriccin que debe cumplir el ncleo conjugado: (t, s) (s, ) ds = (t )
S
(1.53)
De la misma manera, al reemplazar (1.50) en (1.51) se tiene la condicin: (s, t) (t, ) ds = (s )

T
(1.54)
42
que debe cumplir tanto (s, t), como (t, ) para conformar un par de ncleos conjugados base. Sin embargo, el anlisis de (1.53) y (1.54) muestra que ambos ncleos al mismo tiempo no pueden pertenecer a L2 (R). Algunos ncleos base tienen la propiedad por la cual la transformada de la funcin en el dominio t siendo integrable y perteneciente a L2 (T ), siempre generan funciones en el dominio s tambin integrables (pertenecientes a L2 (S )). La correspondencia completa entre las funciones determinadas en los dominios de t y s se provee con ncleos autoconjugados (tambin denominados inversos o mutuos), esto es [10], (s, t) = (t, s) (1.55) La transformada integral de Fourier, o transformada de Fourier (TF), se obtiene asumiendo en calidad de base (1.26) la funcin, (t, s) = ej 2st , a la cual le corresponde el ncleo base conjugado, (t, s) = ej 2st para los rangos T (, ) y S (, ).
1.3.1. Transformada de Fourier

El conjunto de las series de Fourier permite representar la seal aperidica en cualquiera de los puntos comprendidos en el inter- 0.8 0.6 valo de tiempo [ti , tf ], o bien, de las seales 0.4 peridicas. 0.2 Para el caso en que las funciones ape0 ridicas extiendan su representacin a to- 0.2 0 T x(t) do el eje del tiempo (, ) se obtendra en cualquiera de los coecientes del sistema (1.34) una indeterminacin al reempla- 0.8 0.6 zar En de (1.27). La seal x(t) denida en el intervalo - 0.4 0.2 nito de tiempo [ti , tf ] se puede representar 0 como una suma de funciones exponencia- 0.2 0 T 2T 3T 4T les en todo el intervalo (, ) por medio xT (t) de una nueva funcin peridica xT (t) con perodo T , y que corresponde a la seal x(t) Figura 1.10: Representacin peridica de funciones aperidicas repetida cada T segundos. La seal original puede obtenerse de nuevo haciendo T , es decir, x(t) = l m xT (t) La serie exponencial de Fourier que representa a la funcin x(t) es: xT (t) = donde 1 xn = T
T /2 T
xn ejn0 t ,
n= T /2
xT (t)ejn0 t dt, 0 =
2 . T
43
Debido a que T , entonces, 0 0. Luego, antes de llevar al lmite, deben hacerse los siguientes ajustes para que las componentes xn no se hagan cero. As, n = n0 , y X (n ) = T xn . Entonces, las anteriores deniciones se convertirn respectivamente en: 1 xT (t) = X (n )ejn t y X (n ) = T n=
T /2
xT (t)ejn t dt.
T /2
La distancia entre las lneas adyacentes en el espectro de lnea de xT (t) es = 2/T, la cual se puede reemplazar en la anterior serie, as: xT (t) =
X (n )ejn t
Al realizar la operacin del lmite, cuando T , las lneas discretas del espectro de xT (t) se confunden formando un continuo. La suma innita de la anterior expresin resulta en la integral ordinaria de Riemann, as que: x(t) = l m xT (t) = l m
T T
n=
. 2
X (n )ejn t
que se convierte en la expresin conocida como la Transformada Inversa de Fourier (TIF): 1 x(t) = 2
n=
De igual manera, se puede obtener la Transformada Directa de Fourier (TDF):
X ( )ejt d = F 1 {X ( )}
(1.56)
X ( ) =
x(t)ejt dt = F {x(t)}
(1.57)
El par de transformadas (1.56) y (1.57) representa la seal x(t) como una suma continua de funciones exponenciales cuyas frecuencias estn en el intervalo (, ). La amplitud relativa de los componentes a cualquier frecuencia es proporcional a X ( ). Si la seal x(t) representa voltaje, entonces, X ( ) tiene las dimensiones de voltaje por tiempo. Como la frecuencia tiene unidades de tiempo inverso, puede considerarse a X ( ) como un espectro de densidad de voltaje o, en forma ms general, como la funcin densidad espectral de x(t) (o simplemente FDE ). A cada seal se le puede hallar su respectiva FDE por medio de la Transformada Directa de Fourier dada en (1.57), cuyo sentido fsico queda claro de (1.56) para la TIF. En esta relacin el valor de x(t) se puede calcular, aproximadamente, cambiando la integral por una sumatoria (mtodo de los rectngulos [11]) de la siguiente manera: x(t) 2
X (k )ejkt
k=
X (k ) cos(k t) + j
X (k ) sin(k t)
(1.58)
k=
k=
44
La aproximacin (1.58) muestra, que cualquier seal x(t) puede ser representada por un conjunto innito de sinusoides y cosinusoides con frecuencias k y, en forma general, con coecientes complejos. De la aproximacin (1.58) se llega a la TIF, haciendo 0. Al Interpretar las igualdades (1.56) y (1.57), teniendo en cuenta la forma obtenida en (1.58) se puede decir que cada seal es la suma de funciones exponenciales complejas, cuya parte real son cosinusoides y la parte imaginaria son sinusoides con coecientes x(k ) determinados por la TDF. La FDE de una seal dada x(t) se puede obtener representando grcamente todo el conjunto de coecientes X (k ).
Ejemplo 1.10. Determinar la FDE de la funci on pulso cuadrado x(t) = a rect (t). Usando la TDF (1.57), se obtiene:
/2
X ( ) =
a rect (t)e
jt
dt = a
/ 2
ejt dt
a sin( /2) a j /2 (e ej /2 ) = j /2 X ( ) = a sinc( /2). =
Existencia de la transformada de Fourier. Si una seal x(t) cumple las condiciones de Dirichlet en cualquier intervalo de tiempo nito se puede demostrar la existencia de la Transformada de Fourier, esto es, si se cumplen las siguientes condiciones [6]: 1. x(t) tiene un nmero nito de mximos y mnimos en cualquier intervalo de tiempo nito, 2. x(t) tiene un nmero nito de discontinuidades nitas en cualquier intervalo de tiempo nito, 3. x(t) es absolutamente integrable, esto es, se cumple (1.1). Para la ltima condicin, se puede decir que la transformada de Fourier se puede usar para representar unvocamente cualquier seal real de energa. Estas condiciones son tambin sucientes para la convergencia de las series de Fourier en la representacin de cualquier seal de potencia en el intervalo de tiempo (0, T ). Transformada de Fourier de seales peridicas. La funcin xT (t) peridica con perodo T puede expresarse por su serie exponencial de Fourier: xT (t) =
n
xn ejn0 t , donde 0 =
2 . T
45
Tomando la TDF en la ltima ecuacin F {xT (t)} = F xn ejn0 t

n
Si se tiene en cuenta la linealidad (1.3) de la transformada de Fourier, entonces: F {xT (t)} = Adems, F
1
xn F ejn0 t
n
1 { ( 0 )} = 2
( 0 )ejt d =
1 j0 t e , 2
luego, transformando ambos lados de la ecuacin, se tiene F F 1 { ( 0 )} = o intercambiando trminos, F {ej0 t } = 2 F F 1 { ( 0 )} = 2 ( 0 ) entonces, F {xT (t)} = xn F ejn0 t = 2
n n
1 F {ej0 t } 2
xn ( 0 ),
Es decir, la FDE de una seal peridica consiste en un conjunto de funciones impulsos multiplicados cada uno por el coeciente 2 y localizados en las frecuencias armnicas de la seal. Propiedades de la TF (a). Linealidad. Sea Xn ( ) = F {xn (t)}, entonces F
n
an xn (t)
=
n
an Xn ( ),
an = const.
(1.59)
(b). Conjugada compleja. F {x (t)} = X ( ) (c). Simetra. Sea x(t) = x (t) + jx (t) siendo F {x (t)} = X ( ) y F {x (t)} = X ( ). Teniendo en cuenta la propiedad de linealidad (1.59), se obtiene, entonces: X ( ) = X ( ) + jX ( )
46

1 1
.5
0 0
.5 x(t)
0 max 1
0 X ( )
max
.5
0 0
.5 X (t)
0 x( )
Figura 1.11: Propiedad de dualidad de la TF
(d). Dualidad. Sea F {x(t)} = X ( ), entonces (Figura 1.11) F {X (t)} = 2x( ) (e). Escala de coordenadas. Figura 1.12 F {x(t)} = X (/) | |
1 200 0.5 150 0 0.5 1 4 100 50 2 0 2
t
30 25 20
20
40
60
1 0.5 0 0.5
15 10 5
1 4
20
40
60
Figura 1.12: Propiedad de escala de la TF
47
(f). Desplazamiento en el tiempo (retardo). F {x(t t0 )} = X ( )ejt0 (1.60)
(g). Desplazamiento de frecuencia (modulacin). F {x(t)ej0 t } = X ( 0 ) Por cierto, la funcin delta desplazada en el tiempo t0 :
F { (t t0 )} =
(t t0 )ejt dt = ejt0
En caso de tener solamente la parte real, F {x(t) {ej0 t }} = F {x(t) cos(0 t)} = F x(t) ej0 t + ej0 t 2 ,
Si t0 = 0, entonces, F { (t)} = 1.
usando la propiedad de desplazamiento de frecuencia se obtiene: F x(t) {ej0 t } = (h). Diferenciacin. F d x(t) dt = jX ( ) (1.61) 1 (X ( + 0 ) + X ( 0 )) 2
(i). Integracin. t 1 X ( ) + X (0) ( ) F x( )d = j
(1.62)
donde X (0) =
x(t)dt.
(j). Teorema de Rayleigh
Ex =
1 X ( )X ( )d = 2
|X ( )|2 d
(k). Teorema de Parsevall
Ex =
1 X ( )X ( )d = 2
|X ( )| d = 2
x2 (t) dt
48
Ejemplo 1.11. Hallar la TDF del pulso rectangular cuyo ancho de banda |f | < 1/ .
1/ 1/
|X (f )| df =
1/ 1/
(A )2 sinc2 f df = 0.92A2
Funcin densidad espectral de potencia. Esta funcin describe la distribucin de la potencia en funcin de la frecuencia y es importante para el anlisis de las seales de potencia x(t) que no sean peridicas, la cual se dene como: Sx ( ) = l m |XT ( )|2 T T
donde x( t) se supondr que es nita en el intervalo (T /2, T /2) y XT ( ) = F {x(t) rect(t/T )}. Para el caso de las funciones peridicas se obtiene: Sx ( ) = 2
n
|xn |2 ( n0 ).
La densidad espectral de potencia de una funcin peridica es la serie de funciones impulso cuyos coecientes de peso corresponden a la magnitud de los respectivos coecientes de la serie de Fourier.
1.3.2. Extensiones del anlisis espectral de Fourier

Anlisis Cepstrum. El espectro X ( ) obtenido puede ser otra vez sometido al anlisis espectral genera un nuevo espectro o espectro de segundo orden de x(t), que ha encontrado aplicacin en ciertos estudios geofsicos revelando rasgos de periodicidad de X ( ). Naturalmente el procedimiento puede continuarse prcticamente sin lmite, pero espectros de orden superior no se prestan para su fcil y til interpretacin. La extensin del concepto espectral puede formularse como sigue: ) x(t) X ( ) x (t donde el trmino nal denota el segundo espectro de la funcin x(t) dada inicialmente. ) se denomina cepstrum y su argumento t , el cual tiene la misma El segundo espectro x (t dimensin que el argumento de x(t), es llamado quefrency. Como ejemplos se pueden tomar los siguientes pares de funciones - imgenes: rect(t) sinc(/2 ), (t) sinc2 (/2 ), (t) 1. que son indenidamente alternados, pero incrementando las ordenadas. Generalizando, para cualquier funcin x(t) se encuentra que la aplicacin reiterativa de la transformada de Fourier es de periodo 4, separada de un factor constante, as x(t) X ( ) 2x(t) 2X ( ) (2 )2 x(t)
49
Aunque si x(t) es par, x(t) = x(t), entonces el periodo puede ser 2. La denicin de cepstrum es: ) = x (t
2 2 it
log |X ( )| e
(1.63)
considerando la funcin par x(t), entonces la paridad se extiende a la dependencia |X ( )|2 , y por tanto a log |X ( )|2 . Por lo cual, la denicin (1.63) se puede escribir: ) = 4 x (t
0
El anlisis cepstrum es empleado en casos en que se tenga un carcter oscilatorio signicativo en el espectro, como un caso muy frecuente. Ejemplos de sismologa incluyen parmetros de fuentes ssmicas (oscilaciones debidas a fuentes nitas y a mltiples eventos), anlisis de reverberacin y anlisis de interferencia (constructivas o destructivas). Un mtodo alterno para el anlisis cepstrum, es determinar las frecuencias fundamentales y se obtiene por medio del espectro de producto armnico, denido como (siendo A la amplitud):
N
d log |X ( )|2 cos t
(1.64)
log
n=1
|A(n )| = log [|A( )| + |A(2 )| + + |A(N )|]
y no requiere una transformacin de Fourier adicional. Transformada de Hartley. Las expresiones de las Transformadas de Hartley son denidas por el par de ecuaciones: 1 H (f ) = 2 x(t) =

x(t) cas(2f t)dt
(1.65a)
H (f ) cas(2f t)df
(1.65b)
donde cas() = cos() + sin(). La ecuacin (1.65a) es la forma analtica de la Transformada Directa de Hartley (TDH) y la (1.65b) es la Transformada Inversa (TIH), usada para representar la funcin de frecuencia en el tiempo. Estas ecuaciones son similares a la transformadas directa e inversa de Fourier dadas en (1.56) y (1.57). La diferencia fundamental de estas dos transformadas es que la parte real cas() reemplaza en la transformada de Hartley el respectivo trmino exponencial complejo ej 2f t en el par de Transformadas de Fourier.
50
0.5
D
0.5
0.25
10 20 30 40 50 60 (a) Ventanas Blackman (), Hamming ( ) y Gaussiana ()
0 0 400 1000
(b) Espectrograma de seal de ECG
Figura 1.13: Transformada enventanada de Fourier:
Transformada enventanada de Fourier. En la prctica es usual el empleo de los mtodos de anlisis de intervalos cortos de tiempo, en los cuales la seal en estudio se procesa sobre intervalos denidos de tiempo nito con longitud Ta o apertura, como si en cada uno de ellos tuviese propiedades estadsticas independientes: y [n ] =
m=
G {x [m]w [n m]}, m Ta
(1.66)
donde x[n] corresponde a la seal digitalizada, w[n] es la funcin de peso o funcin ventana centrada respecto a la apertura Ta escogida, de tal manera, que facilite la extraccin de las caractersticas de la bioseal, G {} es la transformacin a la cual se somete la secuencia aleatoria original, que emplea comnmente las siguientes funciones: la correlacin (Short Time Cross Correlation Function ) y, la ms usual, la transformada de Fourier (Short Time Fourier Transform ) o Anlisis de Tiempo Corto con empleo de la Transformada de Fourier (TCTF). La transformada de Fourier entrega el contenido espectral de la seal x(t), pero no puede dar informacin que relacione cada componente de frecuencia con su localizacin exacta en el tiempo. Una forma de localizacin en el tiempo se obtiene empleando el procedimiento de TCTF. En general, una ventana real y simtrica w(t) = w(t) se traslada en el valor de desplazamiento b y modula a la frecuencia s, para obtener el tomo de tiempo-frecuencia de la TCTF: ws,b (t) = w(t b)ejst (1.67)
donde w = 1, tal que ws,b = 1 para cualquier s, b L2 (T ). En la prctica, se disponen de diversas funciones ventana, entre las cuales estn: blackman, Hamming, Gaussiana, representadas en la Figura 1.13(a), que se analizan con detalle en el numeral 3.3.2. La transformada lineal de tiempo-frecuencia relaciona la seal con una familia de formas de onda que tienen su energa concentrada en regiones angostas, tanto en
51
el tiempo, como en la frecuencia; stas formas de onda son los tomos de tiempofrecuencia [12], por lo que la transformada enventanada de Fourier de x L2 (R), teniendo en cuenta (1.67), est dada por el siguiente producto interno (1.12) en L2 (R): v (s) = x, ws,b =

x(t)w(t b)ejst dt
(1.68)
La correspondiente densidad de la energa de la seal x(t) en el plano tiempofrecuencia se obtiene calculando el espectrograma, representada en la Figura 1.13(b): | v (s) |2 =

| x(t)w(t b)ejst dt |2
(1.69)
La expresin (1.69) mide la energa de la seal x(t) en la vecindad de (s, b) [12].
1.3.3. Transformada de Walsh

En la representacin integral de seales, en calidad de sistema base continuo (s, t) se pueden emplear las funciones generalizadas de Walsh {wal(, ), < < , < < } [9]. En particular, asumiendo > 0, entonces el par de transformadas Walsh-Fourier se determinan as X () =
c
x() cal(, )d, X () =
x() sal(, )d,
(1.70a)
x() =
0
[X c () cal(, ) + X s () sal(, )] d
(1.70b)
A manera de ilustracin se puede calcular el S -espectro del problema (1.24) para un pulso rectangular de altura 2m y apertura 1/2m , en cuyo caso la transformada directa Walsh-Fourier ser: X c () = 1, 0 < 2m1 0, 2m1 X s () = 1, 0 < 2m1 0, > 2m1
1.3.4. Integral de convolucin

Se pueden formar nuevos sistemas bases a partir del desplazamiento en el tiempo de un sistema base original, as (s, t) = (t s) (1.71)
de tal manera, que el sistema base es funcin de una sola variable, correspondiente a la diferencia (t s). Si se considera T, S (, ), entonces, la seal original ser la integral de convolucin:
x(t) =
v (s)(s t)ds = v (t) (t)
(1.72)
cuyas principales propiedades son las siguientes:
52
(a). Conmutacin xm (t) xn (t) = xn (t) xm (t)
(b). Distribucin xk (t) (xm (t) + xn (t)) = xk (t) xm (t) + xk (t) xn (t) (c). Asociacin xk (t) (xm (t) xn (t)) = (xk (t) xm (t)) xn (t) (d). Convolucin en el tiempo. Sea F {xi (t)} = Xi ( ); F {xm (t) xn (t)} = Xm ( )Xn ( ) (e). Convolucin en la frecuencia F {xm (t)xn (t)} = 1 (Xm ( ) Xn ( )) 2 (1.74) (1.73)
(f). Convolucin con la funcin impulso x(t) (t t0 ) = x(t t0 ) Por cierto, (t 1 ) (t 2 ) = (t 1 2 ). Finalmente, se puede demostrar que: d d d (xm (t) xn (t)) = xm (t) xn (t) = xm (t) xn (t) dt dt dt El ncleo conjugado, en caso de existir, se puede hallar hallando la transformada de Fourier de (1.72), aplicando (1.73), se obtiene: X (f ) = V (f )(f ) luego V (f ) = (f )X (f ), donde (f ) = 1/(f ). Por lo tanto el ncleo conjugado tambin depende de la diferencia de argumentos
vx (s) =
x(t)(t s)dt
(1.75)
En calidad de ejemplo concreto, en (1.71) se puede analizar la funcin base (t s) = (t s) entonces (f ) = (f ) = 1, obtenindose que
vx (s) =
x(t) (t s)dt = x(s)
(1.76)
En otras palabras, la funcin original en el tiempo puede ser representada por si mismo.
53
Ejemplo 1.12. Sea v (t) = au(t) sin t y (t) = (t) (t t0 ). Hallar x(t) = v (t) (t). Desarrollando (1.72) se obtendr a:
x(t) =
(au( ) sin ) ( (t ) (t t0 )) d = (a sin t)u(t) (a sin (t t0 )) u(t t0 )
t<0 0, x(t) = a sin t, 0 < t < t0 0, t > t0
1.3.5. Transformada de Hilbert

Un siguiente caso de anlisis de conformacin de funciones base por la regla (1.71) corresponde al ncleo (t s) = 1 (t s)
De otra parte, sea la funcin G(f, ) = ef , ef ,
f >0 f <0
0 f j 2f t
cuya transformada inversa de Fourier corresponde a la expresin F

1
{G(, f )} =
e
0
df
ef ej 2f t df =
j 4t = g (a, t) 2 + (2t)2
Si se considera el lmite de 0, esto es, j l m g (, t) = 0 t luego (f ) = F {(t)} = j F

0
l m g (, t) = j l m G(f, ) = j sgn(f )
0
entonces, de (1.55) la base conjugada es (f ) = j sgn(f ), que le corresponde la repre1 sentacin en el tiempo (s t) = . (s t) El par obtenido de transformadas se denomina Transformada de Hilbert cuya transformada directa es notada tpicamente de la forma x (s) y se describe como 1 x (s) = x(t) = 1
x(t) 1 dt = x(t) st t 1 x (s) ds = x (s) st s
(1.77a)
(1.77b)
54
que permiten estudiar las funciones causales. La relacin entre el par de transformadas de Fourier y el par de transformadas de Hilbert se determina de la siguiente manera (f ) = F {x X (s)} = j sgn(f )X (f ) (f ) X (f ) = F {x(s)} = j sgn(f )X En anlisis de seales se dene la seal analtica compleja z (t): z (t) = x(t) + j x (t) (1.79) (1.78a) (1.78b)
que de acuerdo con (1.78a) y (1.78b), posee la transformada unilateral de Fourier Z (f ) = Fu {z (t)} = 2X (f ), 0, f >0 f <0
Otra forma de construccin de una base a partir de una funcin consiste en su continuo cambio de escala o dilatacin. Sea (t, s) = (st) (1.80)
siendo s > 0 el parmetro de escala, de tal manera que si s > 1, la escala se comprime mientras que para s < 1 la escala se expande. Si T, S (0, ) se puede demostrar que el par de transformadas generalizadas resultantes ser:
x(t) =
vx (s)(st)ds, t 0
(1.81a)
vx (s) =
0
x(t)(st)dt, s 0
(1.81b)
1.3.6. Transformada continua wavelet

Una funcin wavelet corresponde al tipo de funciones base que tienen su energa concentrada en intervalos cortos, tanto de tiempo, como de frecuencia. La funcin wavelet madre (t) L2 (R) es la funcin, para la cual sus versiones trasladadas (1.71) y escaladas (1.80) forman el conjunto de funciones base en la representacin wavelet. Una funcin wavelet cumple las siguientes restricciones [13, 14]: Valor medio igual a cero, (t)dt = 0, esto es, (0) = 0, siendo ( ) = F { (t)}, lo cual implica que la wavelet debe tener al menos una oscilacin. Norma energtica nita, en concordancia con (1.14):

| (t) |2 dt < , L2 (R).
Condicin de Admisibilidad . Para las funciones cuadrticas integrables se cumple que: C = 2

R
|(k )|2 |k |1 dk < ,
(1.82)
55
La condicin (1.82) puede ser utilizada, tanto para analizar, como para reconstruir una seal sin prdida de informacin e implica que la TF de (t) se desvanece en la frecuencia cero, |( )|2 |=0 = 0, esto es, las wavelets deben tener un espectro en forma pasa-banda.
La densidad (1.50) de la transformada wavelet (TW) se obtiene a partir de la representacin de la seal tomando los tomos de tiempo-frecuencia a,b , denidos en la forma de la versin trasladada y escalada de la wavelet madre , de la siguiente manera: 1 a,b (t) = a tb a (1.83)
donde a R+ es el parmetro de escala y b R es el parmetro de traslacin. El factor de multiplicacin a1/2 es escogido de tal manera, que todas las funciones wavelet del sistema tengan una norma constante (unitaria) en el espacio L2 (R), es decir, que se cumpla a,b L2 = L2 = 1, que corresponde a la norma energtica denida en (1.13). Teniendo en cuenta la densidad (1.50) y los tomos (1.83), la representacin integral mediante las funciones base wavelet o Transformada Wavelet Continua (TWC) de una funcin x(t), t R se dene como: Wa,b {x(t)} x, a,b = 1 x(t) a dbda a2
tb a
dt
(1.84)
La seal original se reconstruye, de acuerdo a (1.51), de la forma x(t) = 1 C

0
x, a,b a,b (t)
(1.85)
El par de transformadas wavelet(1.84) y (1.85) pueden ser expresados en el espacio de Fourier: Wa,b {x(t)} = a
1/2
(ak ) X (k ) ejbk dk dbda a2
(1.86a)
1 X (k ) = C
a1/2 (a, k) Wa,b {x(t)} ejbk
(1.86b)
En la TWC, se cumple el anlogo a la igualdad de Parsevall:

xm (t) x n (t)dt
1 C
Wa,b {xm (t)} Wa,b {xn (t)}
dbda a2
en la cual, particularmente, se muestra el principio de la conservacin de la energa. De las expresiones (1.86a) y (1.86b), se observa que la TWC transforma de forma isomtrica el espacio con nica dimensin de las seales al espacio wavelet de 2 dimensiones X : L2 (R) W : L2 (R R+ ), y por tanto, la informacin contenida en los componentes (densidad) wavelet tiene carcter redundante. Como consecuencia de esta propiedad, se tiene que la TWC de una seal aleatoria muestra una correlacin, que en
56
la seal original no existe, pero que se presenta en la misma transformada. Esta es tal vez una de las mayores desventajas de la TWC en el anlisis estadstico de seales, que puede conllevar a la interpretacin incorrecta de los resultados de la descomposicin de la transformada wavelet. La localizacin espacial y de escala de una funcin wavelet implica la conservacin de la capacidad de localizacin en el espacio de los componentes wavelet. Sea una funcin localizada en el intervalo de espacio t para a = 1, entonces los componentes wavelet, que corresponden a la ubicacin t0 , se concentran en el denominado cono de incidencia : [t0 (at)/2, t0 + (at)], que corresponde a la regin espacial de localizacin de todas las funciones wavelet expandidas en el punto t0 . Adems, si la funcin dada est bien localizada en el intervalo k del espacio de Fourier en la cercana de k , siendo a = 1, entonces los componentes wavelet, que corresponden a la frecuencia (espacio de Fourier) k0 en la seal, se contendrn en el ancho de banda [k (k0 + (k/2a))1 , k (k0 (k/2a))1 ]. En analoga con el espectro de Fourier, en el cual la energa Ex (k ) = ||X (k )||2 , se puede determinar la respectiva norma energtica en forma del espectro wavelet integral que pueda denirse como la energa contenida en todos los componentes wavelet de un coeciente de escala a dado: WEx (a, b) = |Wa,b {x(t)}|2 dt (1.87)
La expresin (1.86a) enlaza el espectro de Fourier con el espectro wavelet integral: WEx (a, b) a Ex (k ) | (ak )|2 dk (1.88)
De la expresin (1.88) se deduce que el espectro wavelet es una versin suavizada del espectro de Fourier; el carcter del suavizado se deduce de la transformada de Fourier de la wavelet. La norma (1.87) tiene el mismo comportamiento asinttico que el del respectivo espectro de Fourier. As, si el espectro de Fourier sigue una dependencia exponencial del tipo Ex (k ) k , por cuanto k 1/a, entonces el espectro wavelet integral tendr la misma dependencia exponencial: WEx (a) a . De esta manera, se observa que los componentes wavelet contienen la informacin, tanto de la seal en anlisis, como de la funcin wavelet empleada. Por lo tanto, la seleccin o sntesis de la transformada y de la adecuada funcin wavelet madre es la tarea ms importante en el empleo de la TW, y depende del tipo de informacin contenida en la seal original, as como de la orientacin de su proceso. Comparacin con la Transformada de Fourier. Realmente, el anlisis wavelet surge como una necesidad de suplir toda la falencia presentada en el proceso de seales con el anlisis de Fourier. Aunque es importante conservar las posibilidades y particularidades de cada una de las transformaciones. La transformada de Fourier no pierde la informacin sobre la funcin en anlisis x(t); sin embargo, debido a la falta de localizacin de las funciones base trigonomtricas, esta informacin se dispersa sobre toda la representacin espectral X (k ). As por ejemplo, si la perturbacin tiene estructura similar a la informacin til, y por tanto ambas
57
formas de representacin espectral se traslapan, es prcticamente imposible diferenciar los componentes de Fourier en cada uno de los casos (perturbacin o seal til). El anlisis de las funciones suaves con la transformada de Fourier es usual, pero cuando se tienen funciones suaves, que incluyan singularidades (cambios abruptos, ancos con pendientes fuertes, etc.), al calcular la transformada de Fourier se tienen problemas de convergencia, por ejemplo, aparece una serie de oscilaciones fuertes o fenmeno de Gibss. La dicultad en la ubicacin de las singularidades est relacionada con los valores de fase de las componentes espectrales de Fourier. Por cierto, la nica posibilidad de determinar la ubicacin de la singularidad es con la reconstruccin de x(t) a partir de X (k ). As por ejemplo, si se considera un espectro con dependencia exponencial k , que muestra la irregularidad global de la funcin con el mximo exponente de singularidad , en este caso, se pierde la informacin importante, particularmente, el hecho de que x(t) es suave casi en todo el intervalo de anlisis, excepto en los puntos de singularidad. Si esos puntos de singularidad tienen carcter aleatorio (generalmente, condicionados por ciertos problemas en la medicin), entonces es imposible ltrarlos, por cuanto sus valores inuyen en todos los componentes espectrales. De otra parte, la transformada de Fourier no tiene en cuenta, que cualquier componente espectral de la seal puede evolucionar en el tiempo. La TF, por ejemplo, no podra diferenciar una seal sin modular compuesta de dos componentes bsicas espectrales, de una seal modulada por frecuencia y fase contina que manipule los mismos dos valores de frecuencia. La diferencia bsica entre la transformada wavelet y la TCTF dada en (1.66), que corresponde a la implementacin prctica de la TF, radica en la forma de anlisis de las respectivas funciones tomos. En el caso de la TCTF, los tomos ws,b (1.68) se derivan de una misma funcin envolvente w, trasladada adecuadamente, pero conservando las oscilaciones de alta frecuencia. Adems, independiente del valor de s, stas poseen la misma apertura de ventana. El algoritmos de clculo discreto de la TCTF, por ser de banda constante, requiere la transformacin del dominio del tiempo al dominio de la frecuencia usando la transformada discreta (2.19b) para el caso de Fourier, que genera los respectivos coecientes para frecuencias a igual separacin, esto es, el ancho de banda para cada trmino espectral es el mismo. La extraccin de informacin con valores rpidos de cambio en el tiempo, que implican altos valores de frecuencia, se debe realizar sobre intervalos pequeos y muy bien focalizados de tiempo, y no sobre todo el intervalo de denicin de la seal en anlisis. Viceversa, las componentes bajas de frecuencia implican intervalos amplios de anlisis en el tiempo. En la TCTF, este problema se resuelve parcialmente empleando las transformada enventanada dada en (1.68). Sin embargo, en este caso, la resolucin espacial, para cualquiera que sea la escala a, es constante y est limitada por la apertura Ta que abarca la ventana. En el caso de la transformadas wavelet, las funciones base tienen una resolucin de espacio (t/a) que disminuye con el aumento del factor de escala a, y que aumenta con el valor de escala de resolucin del espacio de frecuencia (ak ). De esta manera, la TW brinda un compromiso ptimo, desde el punto de vista del principio de indeterminacin y ajusta su resolucin a la velocidad de la informacin, tanto para los cambios lentos, como para los cambios rpidos de la seal en el tiempo, como se muestra en la Figura 1.14, en la cual se observa la localizacin tiempo-frecuencia para las transformadas:
58
a) Shannon (con funcin base y discretizacin uniforme), b) Fourier, c) Fourier con ventana Gabor y d) wavelet. Como resultado, en el caso de la TW, el E ' k' E t T ancho de banda espectral se pueda variar k T t T y, por tanto, ajustar. Esta propiedad de la c transformada wavelet, es tal vez la ventaja k k ms signicativa que presentan frente a la T c E E TF, en el procesamiento de seales. t t a) b) A diferencia de la transformada de Fou. . . . . . . . . . . . . rier, la TW conserva la capacidad de locali- k T E t ' . . . kT . . . t . . . 3 . . . . . . . . . . zacin de las seales en su reconstruccin, T c ' k2 t2 E lo que permite el anlisis focalizado de pro k c . c cesos sobre intervalos denidos de tiempo. k1 T E E As mismo, se puede reconstruir una parte E ' t1 t t de la seal o extraer el aporte de alguna esc) d) cala en particular. Se puede considerar que existe relacin entre el comportamiento lo- Figura 1.14: Divisin del espacio de fase (t k) para diferentes transformadas calizado de la seal y la capacidad de localizacin de las componentes de la TW, entendiendo esta propiedad como el hecho de que en la reconstruccin de parte de la seal, sean necesarios las componentes TW que pertenecen solamente a la correspondiente rea del espacio de la transformada (cono de incidencia). De esta manera, si la funcin x(t) es localmente suave, los correspondientes componentes TW sern relativamente pequeos, en cambio, si x(t) contiene una singularidad, los respectivos componentes TW crecern signicativamente, pero solo en la vecindad de la singularidad. En caso de tener perturbaciones que afecten los componentes TW, la reconstruccin de la seal estar afectada de manera local en el tiempo, justo cuando se present la perturbacin y no sobre toda la seal reconstruida, como ocurre con la TF. Finalmente, cabe anotar que la TF presenta alta sensibilidad a errores de fase, debido a la interposicin secuencial de las bases trigonomtricas, lo cual no ocurre en la transformada wavelet. Ms an, en la TWC se puede corregir los errores de fase por su carcter redundante.
59
Problemas Problema 1.27. Demostrar que el siguiente conjunto de seales es ortogonal y calcular su TF directa:
n (t) = sin (t nT ) , n = 0, 1, 2, , < t < . (t nT )
Problema 1.28. Calcular los coecientes de la serie de Fourier y la TF de la funcin dada en la forma, x(t) = n= (t nT ) . Problema 1.29. Encontrar la TF de un pulso Gaussiano x(t) = ae(t/ ) y vericar el efecto de extensin
recproca de las grcas para = 1 y = 2. Hallar la diferencia de densidades espectrales de energa en los puntos de interseccin.
2
Problema 1.30. Sea la seal x(t)a et et u(t). Hallar la expresin de la frecuencia lmite l , en la cual la magnitud de la TF se disminuye en 10 veces con relacin al valor del espectro para = 0. Problema 1.31. Hallar la relacin entre la densidad espectral X ( ) = F {x(t)}, tal que x R, y la
densidad Y ( ) = F {y (t)}, asumiendo y (t) = x(t). las relaciones:
Problema 1.32. Las seales xp (t) = xp (t) y xi (t) = xi (t) estn relacionadas por la funcin y(t) por
xp (t) = y (t) + y (t) xi (t) = y (t) y (t)
Hallar la relacin entre los respectivos espectros Xk ( ) = F {xk (t)} , k {p, i} con la densidad Y ( ). casos: a) Y ( ) = X 2 ( ), b) Y ( ) = X ( )X ( ) y c) Y ( ) = X ( ). la derivada de orden k de la funcin (t).
Problema 1.33. Sea X ( ) = F {x(t)}. Hallar la seal y(t) = F 1 {Y ( )}, para cada uno de los siguientes
Problema 1.34. Hallar la densidad espectral X ( ) correspondiente a la seal x(t), la cual se describe por Problema 1.35. Calcular la siguiente expresin empleando el integral de convolucin:

sin(tP ) sin( (f t)Q) dt. t (f t)
Problema 1.36. Calcular la transformada de Hilbert de las siguientes funciones

c) x(t) = sinc(2t), < t < a) x(t) = cos 2f0 t, < t < 1 , < t < 1 + t2 d) x(t) = rectT (t) b) x(t) =
Problema 1.37. Demostrar que para el par de transformadas de Hilbert (1.77a) y (1.77b) se cumple
x (t) = x(t). (f ). R. A partir de (1.78a) y (1.78b) se obtiene F {x (s)} = X
Ejercicio en el PC 1.3. Calcular en Matlab la integral de convolucin:

t n
v ( ) (t ) d
m=1
v (m)(n m), n, m Z.
60
1.4. Representacin de sistemas lineales continuos

En general las seales sufren cambios a su paso por los diferentes sistemas. Debido a la gran clase de seales que se usan, es preferible tener un mtodo comn para la descripcin de las propiedades de transformacin de los sistemas. De igual manera, debe analizarse la tarea inversa de sntesis de circuitos, que realicen una transformacin especca. En esencia cualquier transformacin debe entenderse como la imagen de un conjunto de seales en otro. En el caso de transformaciones lineales la descripcin de la relacin entrada-salida en grupos de reducidos elementos se puede generalizar a todo el sistema lineal empleando la propiedad de superposicin. De otra parte, la presuncin de linealidad en la transformacin, exige que la seal a la salida dependa estrictamente de la seal a la entrada y de ninguna manera de procesos remanentes o transitorios existentes en el sistema. Por lo tanto, el anlisis de transformaciones se llevar a cabo para el caso de sistemas lineales e invariantes en el tiempo.
1.4.1. Operadores en espacios integrables

El anlisis de los sistemas puede llevarse a cabo a partir de las distintas formas de representacin de las seales. En la forma discreta, se puede emplear la representacin de transformaciones lineales sobre espacios de dimensin nita, correspondientes al modelo de seal dado en (1.15). Sin embargo, en este caso la implementacin prctica de los mtodos de anlisis es compleja, en la medida en que se hace necesario una gran cantidad de medida de los espacios de entrada en la descripcin de cada transformacin, sumado al hecho de que la misma cantidad de transformaciones puede ser muy alta. Por esta razn esta forma de anlisis de sistemas es empleada en casos especcos de espacios de entrada con bajo nmero de dimensiones y transformaciones relativamente simples. El anlisis de sistemas es preferible llevarlo a cabo, basados en la representacin integral de seales, empleando operadores lineales, los cuales se denen sobre la transformacin limitada lineal denida sobre espacios integrables (L2 (T )). La interpretacin fsica de esta restriccin tiene que ver con el cumplimiento de la condicin de estabilidad de los sistemas, que implica que a una seal a la entrada de energa nita le debe corresponder una seal de energa nita a la salida. Empleando el modelo de las respectivas bases continuas en la representacin generalizada de Fourier dada en (1.50), las respectivas seales de entrada y salida se describen como x(t) =
S
vx (s) (t, s) ds, vy (s) (t, s) ds.

S
(1.89a) (1.89b)
y (t) =
As, que para el operador L se tendr y (t) = L {x(t)} =

S
vy (s) (t, s) ds
61
donde (t, s) = L { (t, s)}. De la expresin (1.50) se tiene que vx (s) =

T
y (t)(s, t)dt.
que al combinarla con (1.89b) resulta en vy (s) =

T S
vx ( ) (t, ) (s, t)ddt =

S
L (s, ) vx ( ) d,
siendo el operador del ncleo denido por L (s, ) =

T
(t, ) (s, t) dt
(1.90)
En calidad de ejemplo se puede tomar la base dada en (1.75), para la cual se cumple que (t, s) = (t s), T, S (, ). En este caso, de acuerdo a (1.76), se tiene que vx (s) = x(s) y vy (s) = y (s). La reaccin a la funcin base (t, ) = h (t, s) es denominada respuesta a impulso, que como funcin en el tiempo describe la reaccin del operador cuando a la entrada se tiene una funcin delta dado en el momento de tiempo s. Luego, de (1.90) se tiene
L (s, ) =
(s t) h (t, ) dt = h (s, )
(1.91)
Con lo cual la salida (1.89b) se determina como y (t) =

T
h (t, ) x ( ) d
(1.92)
La expresin (1.92) es la primera forma de anlisis de sistemas y corresponde al empleo en calidad de ncleo de su reaccin a la funcin delta, conocido como el mtodo de la integral de superposicin. En otras palabras, para describir el comportamiento de un sistema en el dominio del tiempo, se puede probar aplicando la funcin elemental (t) a la entrada; la salida resultante describir la respuesta del sistema. Otra base frecuentemente empleada para (t, s) = ej 2st , T, S (, ). En este caso se obtiene que vx (s) = F {x(s)} = X (f ) y vy (s) = F {y (s)} = Y (f ). De acuerdo con (1.91), se tiene (t, s) =
T
h(t, )ej 2s d
(1.93)
Por consiguiente de (1.91) y (1.92) se obtiene
Y (f ) =
H (f, ) X ( )d
(1.94)
62
donde
H (f, ) =
h (t, ) ej 2f t ej 2 dtd
La funcin H (f, ) es conocida como la funcin de transferencia y su clculo es la segunda forma de anlisis de sistemas correspondiente al mtodo de anlisis espectral. La condicin de invariabilidad en el tiempo (1.4), implica que el operador dependa solo de la diferencia de los argumentos, y (t t0 ) = L {x (t t0 )}. En el caso de anlisis de los sistemas lineales, esto implica que la respuesta a impulso h (t, ) dependa solamente de la diferencia de los argumentos t , esto es, h (t, ) = h (t ), con lo que la expresin (1.92) se convierte en y (t) =
T
h (t ) x( )d
(1.95)
As mismo, la descripcin en frecuencia del operador invariante en el tiempo contiene el ajuste de los argumentos en (1.94):

H (f, ) =

h (t ) ej 2f t+j 2 dtd
j 2f
h( )e
ej 2(f ) d d = H (f ) (f )
y, por consiguiente
Y (f ) =
H (f ) (f ) X ( )d = H (f ) X (f )
(1.96)
El tercer mtodo de anlisis de sistemas lineales est basado en su descripcin a travs de ecuaciones diferenciales, tambin lineales, pero de orden nito (mtodo de ecuaciones diferenciales) 0 (t)y (t) + 1 (t) dy dm y dx dn x + . . . m (t) m = 0 (t)x(t) + 1 (t) + . . . + n (t) n , dt dt dt dt (1.97)
siendo, respectivamente, las funciones de entrada y salida {m (t)} y {n (t)} de naturaleza continua. En los sistemas invariantes en el tiempo los parmetros de entrada y salida son constantes con lo cual la correspondiente funcin respuesta a impulso de (1.95) se determina como [10]: m k epk (t ) , t (1.98) h (t ) = k=1 0, t<
63
k donde pk son las races del polinomio D (p) = m k=1 k p = 0. Al operador (1.98), le corresponde la funcin de transferencia (1.94) de la forma racional, m
H (f ) =
k=1
k N (p) = , k , k R j 2f pk D(p)
n k k=1 k p .
(1.99)
para el polinomio del numerador de la forma, N (p) =
1.4.2. Mtodo de la integral de superposicin

Si un sistema cumple la condicin de linealidad (1.3) e invariabilidad en el tiempo (1.4), entonces, como se deduce de (1.8) cualquier seal x(t) puede ser aproximada por una sucesin innita de funciones delta en el tiempo, esto es, teniendo en cuenta la propiedad de selectividad de la funcin delta (t) en los instantes en que se determinen dentro de la sucesin innita, entonces
x(t) =
x( ) (t ) d
(1.100)
luego, la seal de salida y (t) se podr determinar para cualquier x(t) dada, si se sabe la reaccin del sistema cuando a la entrada se tiene la funcin delta (t) (respuesta a impulso h(t)). Aplicando consecuentemente las siguientes propiedades de: (a). Invariabilidad en el tiempo : (t ) = h (t ), (b). Linealidad : x( ) (t ) = x( )h (t ), Se tiene que la seal de entrada volucin:

x( ) (t ) d genera la salida dada por la con-
x( )h (t ) d.
De lo anterior, se puede decir que la respuesta y (t) de un sistema lineal e invariante en el tiempo corresponde a la integral de superposicin de la respuesta a impulso h(t) y de la entrada del sistema x(t), as:
y (t) =
x( )h (t ) d = x(t) h(t)
(1.101)
La integral de superposicin (1.101) es, en general, la transformada de un sistema no causal, por cuanto la excitacin del sistema en el momento t le corresponde valores de salida y ( ), para < < t.
64
Al ajustar el sistema a la condicin de causalidad, el sistema deber tener una respuesta a impulso h(t) = 0, t < , por lo que (1.101) se convierte en:
t
y (t) =
x( )h (t ) d
En cualquier sistema invariante en el tiempo siempre se podr tomar el origen del tiempo igual a cero, esto es, si la seal de entrada satisface la condicin x(t) = 0, t < 0, entonces, la anterior ecuacin toma la forma:
t t t
y (t) =
h (t ) x( )u( )d =
h (t ) x( )d =
h( )x (t ) d, t 0
(1.102)
En forma general, la ecuacin (1.102) muestra que para cualquier funcin de entrada x(t), la derivada de orden n en el tiempo de la funcin de salida es igual a: dn y = dtn
h( )
dn x (t ) d dtn
Particularidades de la respuesta a impulso. Sean dos sistemas lineales s1 y s2 con respuestas a impulso h1 (t) y h2 (t) respectivamente, cuya respuesta resultante h12 (t) de su conexin en cascada, mostrada en la Figura 1.15, se dene como:
s1 h1 (t)
s2 h2 (t)
E
h(t, ).
h12 (t) =
h2 (, z )h1 (, z )dz
Figura 1.15: Conexin en cascada de sistemas
En forma general, la conexin cascada de s1 y s2 no es la misma de s2 y s1 , por la diferencia de argumentos de las respuestas a impulso en el ncleo de la integral de superposicin, excepto cuando ambos sistemas sean invariables en el tiempo. En este caso, entonces, se tiene
h12 (t ) =
h2 (t z )h1 (z )dz
reemplazando = t z, se encuentra la expresin
h12 (t ) =
h1 (t )h2 ( )d =
h1 ( )h2 ( )d.
Este ltimo integral corresponde a la funcin de respuesta a impulso h12 (t ) de la conexin en cascada de S2 S1 . Donde se puede armar que para los sistemas lineales e invariantes en el tiempo la conexin en cascada de los sistemas es conmutativa, esto es h12 (t ) = h21 (t ) .
65
Respuesta a escaln unitario. Se denomina a la reaccin del sistema lineal cuando a la entrada existe una entrada del tipo escaln unitario u(t) (1.10), donde:

p(t) = u(t) h(t) = entonces,

t
u( )h (t ) d =
h (t ) d
p(t) =
h()d; donde = t
(1.103)
Este resultado proporciona un mtodo para determinar en laboratorio la respuesta a impulso de un sistema. Aunque la funcin u(t) existe hasta el innito, la mayora de los sistemas tiene una respuesta relativamente corta. Entonces, empleando un generador de ondas cuadradas de baja frecuencia con perodo mucho mayor al tiempo de duracin de la respuesta a impulso, este prcticamente se percibir como un escaln. De la ecuacin (1.103) se deduce que la relacin de las respuesta a impulso y la respuesta a escaln en un sistema lineal, h(t) = dp/dt.
Ejemplo 1.13. Encontrar la respuesta a impulso del sistema lineal dado por la ecuaci on difedy (t) + a(t)y (t) = x(t), t > 0, donde a(t) es una funci on dada apriori [15]. rencial dt La funci on entrada-salida es preferible hallarla al resolver la ecuaci on para y (t). Tomando t = 0 como el tiempo en el cual la entrada es aplicada al sistema y considerando la linealidad de este, se tiene que y (t) = {0} = 0. Adem as, como x(t) = 0, t < 0, entonces, tambi en ser a y (t) = 0. As , se podr a resolver la ecuaci on diferencial sujeta a esta condici on inicial. Preferiblemente se tomar a t = 0, o sea, y (0) = 0. Para resolver la ecuaci on resultante y aplicando la condici on inicial se multiplican por un factor de integraci on, obteni endose t t ! ! ! ! ! ! a(z)dz " a(z)dz " d 0 0 y (t) x(t) e =e dt integrando ambos lados en [0, t] se obtendr a: t ! ! ! ! ! t a(z)dz " a(z)dz " y (t) = e 0 x( )d = e 0
0
! ! t a(z)dz " e t x( )d, t > 0

0
que corresponde a la relaci on entrada/salida deseada. Teniendo en cuenta la denici on de respuesta a impulso se obtendr a ! ! a(z)dz " h(t) = e t u (t )
66
que corresponde a una respuesta a impulso f sicamente realizable, y para el caso de a(t) = a = cte. se tendr a que: h(t) = ea(t ) u (t ) , que describe un sistema invariante en el tiempo.
1.4.3. Mtodo de anlisis espectral

En el caso del anlisis de los sistemas en el dominio de la frecuencia, sea la forma de la seal a la entrada x(t) = ejt . Aceptando la linealidad del sistema, se analizar la solucin particular: y (t) = K ( )x(t) = K ( )ejt , K ( ) C (1.104)
Asumiendo que todos los parmetros que denen el sistema lineal (1.97) son invariables en el tiempo, {k (t), k (t)} = const. R, entonces se tendr 0 x(t) + 1 Dado que dx dn x dy dm y + . . . + n n = 0 y (t) + 1 + . . . m m , dt dt dt dt (1.105)
d (k ) x(t) = (j )k ejt , entonces, dtk
0 ejt + j1 ejt + + (j )n n ejt = 0 K ( )ejt + + m (j )m K ( )ejt (0 + j1 + + (j )n n ) = (0 + 1 j + + m (j )m ) K ( )
(0 + j1 + + (j )n n ) ejt = (0 + 1 j + + m (j )m ) K ( )ejt
Luego, entonces
m
k (j )k = k (j )k
K ( ) =
k n k
N ( ) = H ( ), D( )
(1.106)
De (1.106), se observa que la funcin K ( ) corresponde exactamente con la funcin de transferencia H ( ) denida en (1.99), la cual depende exclusivamente del sistema y no de la seal de entrada. A propsito, el mismo resultado se puede obtener al hallar la transformada de Fourier de (1.105): dx dy dn x dm y + + n n = F 0 y (t) + 1 + + m m dt dt dt dt n 0 X ( ) + 1 jX ( ) + + n (j ) X ( ) = 0 Y ( ) + 1 jY ( ) + + m (j )m Y ( ) F 0 x(t) + 1 (0 + 1 j + + n (j )n ) X ( ) = (0 + 1 j + + m (j )m ) Y ( )
n
Y ( ) = X ( )
k (j )k k (j )
k
k=0 m k=0
= H ( )
67
Fsicamente, H ( ) indica que una manera de probar la condicin de linealidad de un sistema invariable en el tiempo es aplicando a la entrada una sinusoide con valores de amplitud, frecuencia y fase conocidos y constantes. En caso de linealidad, la salida del sistema deber ser otra sinusoide con la misma frecuencia de entrada y puede tener diferentes valores de fase y amplitud: Y (k ) = H (jk )X (k ) Este proceso se hace repetitivo para el rango analizado de frecuencia. El cociente de estos dos coecientes complejos corresponde a los valores de amplitud y fase de la funcin de transferencia. Por cuanto, en (1.104) la funcin de transferencia H ( ) se ha supuesto una magnitud compleja, que por tanto se escribe en trminos del mdulo (respuesta de amplitud ) y la fase (desfase ), respectivamente como: H ( ) = |H ( )| ej() = {H ( )} + {H ( )}
donde |H ( )| = {H ( )}2 + {H ( )}2 {H ( )} {H ( )} (1.107a) (1.107b)
( ) = arctan
Analizando (1.106) se puede llegar a la conclusin de que un sistema lineal e invariable en el tiempo acta como dispositivo selectivo de frecuencia o ltro en las diferentes componentes espectrales aplicadas al sistema, esto es, algunas componentes pueden amplicarse, otras atenuarse y algunas permanecern inalteradas. De hecho, cada componente espectral puede tener un desfase caracterstico al pasar por el sistema.
1
|H ( )|
( )
1.5
1 2 = 21
0.9 1 0.8 0.5
s
x(t)
s
C y (t)
0.7
0.6
0.5 0.5 0.4 1 0.3 1.5
0.2
(a) Diagrama bsico
(b) Funcin de transferencia
Figura 1.16: Anlisis espectral del circuito RC
68
Ejemplo 1.14. Determinar la funci on de transferencia del sistema (circuito RC ) mostrado en la Figura de 1.16(a). Aplicando la relaci on del divisor de voltaje, se tiene: y (t) = Zc ejt R + Zc
donde la impedancia de la capacitancia es Zc = 1/jC. As , H ( ) = (1/jC ) 1 = R + (1/jC ) 1 + j
siendo = RC. Al convertir en forma polar la anterior expresi on se obtienen las respectivas 2 1 / 2 magnitud y desfase : |H ( )| = 1 + ( ) , las cuales se muestran en la Figura 1.16(b)
Aceptando la forma de la seal de entrada en forma x(t) = ejt , la convolucin dada en (1.101) se dene como:

y (t) = =e
jt
h( )x (t ) d = F {h(t)} = e
jt
h( )e
j (t )
d = e
jt
h( )ej d
H ( )
Luego, la funcin de transferencia H ( ) corresponde a la TF de la funcin respuesta al impulso:
H ( ) = F {h(t)} =
h(t)ejt dt
(1.108)
Por ltimo, aplicando la transformada inversa de Fourier a (1.96), la salida puede ser expresada en forma alterna como 1 y (t) = 2
H ( )X ( )ejt d
Ejemplo 1.15. Determinar la magnitud de respuesta de un ltro pasabajos RC (Figura 1.16(a)) de la funci on rect (t), donde = 4RC . Teniendo en cuenta la magnitud |X ( )| = sinc( /2) de la FDE del pulso cuadrado obtenida en (1.31) y la respuesta de amplitud obtenida |H ( )| = |1 + jRC |1 = ( 1 + ( /4)2 )1 en el a: ejemplo 1.14, entonces, la magnitud de la salida ser |Y ( )| = |X ( )||H ( )| = /T 1 + ( /4)2 | sinc (T /2) |
ua Las gr acas de la magnitud en las Figuras 1.17(a) y 1.17(b) muestran que este sistema aten las altas frecuencias de la FDE a la entrada y permite el paso de frecuencia relativamente mas bajas con menor atenuaci on. Adem as, la transmisi on desigual de todas las componentes produce una r eplica distorsionada de la se nal de entrada.

1
69
X ( ) H ( ) Y ( )
1 0.8 0.6 0.4
0.5
X ( ) Y ( )
0 1
RC = P
0.2
0.9
1 0.8 0.6 0.4
0.5
0.5
0 1
0 RC = 0.5P
0.2
0.9
1 0.8
0.5
0.5
0.6 0.4
0.2
0 RC = 2P
0.9 0.5
(a) Anlisis en frecuencia
(b) Anlisis en el tiempo
Figura 1.17: Respuesta del circuito RC a un pulso cuadrado
1.4.4. Mtodo de ecuaciones diferenciales

Las ecuaciones lineales diferenciales proporcionan otra representacin de las caractersticas de entrada-salida de los sistemas lineales e invariantes en el tiempo. El ejemplo mas sencillo, tal vez, corresponda al anlisis de un circuito diferenciador, cuya seal de salida est relacionada con la entrada de la forma y (t) = dx , dt
Basados en la propiedad de diferenciacin de la TF (1.61) se tiene que Y ( ) = jX ( ), por lo que la funcin de transferencia del diferenciador ideal corresponde a H ( ) = j El circuito RC del ejemplo 1.14 representado en la Figura 1.16(a), cuya funcin de transferencia es igual a H ( ) = 1 , = RC 1 + j 1, con lo que la
puede ser aproximado a un diferenciador, si se toma la condicin funcin aproximada de transferencia del circuito ser: H ( ) j
De manera alterna se puede calcular la funcin de transferencia de un circuito integrador: y (t) = x(t)dt,
70
cuya funcin de transferencia, basados en (1.62) es igual a H ( ) = 1/j
El circuito RC tambin puede ser congurado como integrador, observando la condicin 1, obtenindose la siguiente funcin de transferencia aproximada H ( ) 1/j En forma general, el circuito RL tambin puede ser congurado, bien como diferenciador, bien como integrador. En la prctica es preferible la implementacin sobre circuitos RC , por presentar menores prdidas activas que las que usualmente registran las inductancias.
1.4.5. Sistemas discriminantes de frecuencia

Se considera que la seal a su paso por un sistema no lineal no sufre distorsiones, si su forma no cambia, cambiando solamente su escala o desplazamiento en el tiempo (tpicamente retardo), esto es, y (t) = kx(t 0 ) siendo k el coeciente de escala, y 0 el retardo inherente al tiempo de proceso del sistema. La FDE a la salida del circuito estar dada por F {y (t)} = Y ( ) = kX ( )ej0 con lo cual, la funcin de transferencia de un circuito sin distorsiones se determina como H ( ) = ke
j0
|H ( )| T k

( ) ( ) .. ...... ....... ....... ...... ....... ....... ....... ...... ....... ....... ...... ....... ....... ....... ...... ....... ....... ...... ....... ....... .
..
cuyas funciones de respuesta de amplitud y desfase, representadas en la Figura 1.18, tienen respectivamente la forma, |H ( )| = k, ( ) = 0 (1.109)

0
De otra parte, la funcin de retardo de grupo del sistema tiene uso amplio y es determinada por: ( ) = d d
c Figura 1.18: Desfase lineal
(1.110)
En caso de no cumplirse alguna de las condiciones de (1.109) y (1.110), la forma de la seal de salida se diferenciar de la seal de entrada. De las condiciones de realizacin fsica, se deduce que la respuesta de amplitud y cambio de fase de los sistemas lineales con parmetros constantes poseen las cualidades de simetra: H ( ) = H ( ), |H ( )| = |H ( )|, ( ) = ( ) (1.111)
71
Modelos de ltracin bsica lineal. Basados en las condiciones (1.109), (1.110) y (1.111) se pueden establecer los siguientes modelos bsicos de ltracin (a). Filtro pasabajos, el cual atena las componentes de alta frecuencia (por encima de una frecuencia denominada de corte) de la seal de entrada, dejando pasar las componentes de baja frecuencia (b). Filtro pasaaltos, atena las bajas frecuencias, por debajo de valor de frecuencia mnimo establecido (frecuencia mnima) y deja pasar las frecuencias altas. (c). Filtro pasabanda, deja pasar las seales comprendidas dentro de una banda espectral (banda de paso) establecida entre un valor mnimo de frecuencia (frecuencia mnima) y un valor mximo permitido (frecuencia mxima), atenuando todas las componentes que estn fuera de la banda de paso. (d). Filtro rechazabanda, atenan las seales comprendidas de una banda espectral (banda de rechazo) establecida entre un valor mnimo de frecuencia (frecuencia mnima de rechazo) y un valor mximo permitido (frecuencia mxima de rechazo), dejando pasar todas las componentes que estn fuera de la banda de rechazo.
La integral de convolucin (1.101) en la respuesta a impulso se puede aproximar de la siguiente manera:

t
x(t)
Lnea de retardo Registro de desplazamiento
y (t) =
0
x (t ) h( )d x(t k )h(k )
1( 1( c 1( 1( c c c E E ' '
a0
t/
0) 0) 0) 0)
a1 an1 an
k=0
Este resultado se puede realizar utilizando una lnea de retardo con derivaciones Figura 1.19: Filtro transversal cada k , la salida de cada derivacin se multiplica por el factor prejado h(k ) . Un ejemplo de ltro construido con una lnea de retardo con derivaciones ponderadas y un sumador en la forma mostrada en la Figura 1.19 se denomina ltro transversal.
c 1( y (t) q E E X $ $$ 0)
1.4.6. Representacin de sistemas no lineales

Mtodo de series funcionales. Este mtodo, tambin conocido como el mtodo de Wiener [16], puede ser catalogado como heurstico y est basado en la posibilidad de representar sistemas no lineales invariantes en el tiempo en forma de series. Sea un sistema dipolo con entrada x(t) y salida y (t), relacionadas por el operador del sistema T o respuesta : y (t) = T {x (t)} El operador T , en general, depende del carcter del sistema, su objeto de anlisis y tipo de entradas. En el caso concreto, se escoge una clase de sistemas con memoria
72
nita, cuando el operador es biyectivo. Esta restriccin no tiene en cuenta sistemas, en los cuales existan puntos de equilibrio dependientes de las condiciones iniciales de entrada (sistemas con memoria innita). Una forma de representacin de no linealidad en un sistema, ms angosta que las correspondientes ecuaciones diferenciales no lineales, consiste en las series de Volterra [17]: y (t) = h0 (t) +
k
hk (t, 1 , . . . , k ) x (1 ) . . . x (k ) d1 . . . dk
(1.112)
En el caso particular, de ecuaciones diferenciales de primer orden [18], dy = f (t, y (t)) + g (t, y (t) , x (t)) dt la representacin (1.112) es viable, por ejemplo, cuando la funcin f (t, y (t)) con respecto a y se puede aproximar por la serie de Taylor, mientras la funcin g no depende de y (t). A efectos de simplicacin de anlisis, la representacin se puede limitar hasta sistemas invariables en el tiempo, cuando se asume que, T {x (t + )} = y (t + ) , , por lo cual las serie funcional de Volterra toma una forma ms simple,

y (t) = h0 +
h1 (1 ) x (t 1 ) d1 +
h2 (1 , 2 ) x (t 1 ) x (t 2 ) d1 d2 + (1.113)
Las funciones hk (1 , . . . , k ) son denominadas los ncleos de Volterra, que al h0 igual que en los sistemas lineales repref f sentan la respuesta a la funcin delta. El f primer trmino h0 se puede tomar como f E H1 : h1 () componente constante de la representat f cin, o bien, como las condiciones iniciatf f t les, por cuanto y (t) = h0 , cuando x(t) = x f y (t) t x(t) E E E E H2 : h2 (1 , 2 ) 0. En cuanto al segundo trmino de la . descomposicin, h1 (1 ) x (t 1 ) d1 , si se ! . . E . asume la condicin de realizacin fsica, . . h1 (t) = 0, t < 0, entonces ste corresponde E Hk : hk (1 , . . . , k ) a la parte lineal del sistema. El tercer tr. mino h2 (1 , 2 ) x (t 1 ) x (t 2 ) d1 d2 corresponde a la convolucin doble de la Figura 1.20: Representacin por series de Volseal de entrada x(t) con la respuesta a im- terra pulso h2 (1 , 2 ). Si se asume la independencia de los trminos h2 (1 2 ) = h(1 )h(2 ), con lo cual el tercer trmino se escribe como, h2 (1 , 2 ) x (t 1 ) x (t 2 ) d1 d2 = h (1 ) x (t 1 )d1 h (1 ) h (2 ) x (t 1 ) x (t 2 ) d1 d2 =
h (2 ) x (t 2 )d2 = y (t) y (t) = y 2 (t)
73
esto es, el tercer trmino puede ser entendido como la descripcin de un sistema cuadrtico. En general, asumiendo que todos los ncleos de Volterra cumplen las siguientes condiciones: Realizacin fsica. hk (1 , . . . , n ) = 0, k < 0, k = 1, . . . , n Simetra. hk (1 , . . . , n ) = hk (n , . . . , 1 ) = , esto es, el ncleo es el mismo cualquiera que sea el orden de sus argumentos.
Entonces, un sistema no lineal dado con memoria nita puede ser representado por la serie de Volterra (1.113), en la cual cada trmino puede ser asociado a su respectivo operador elemental Hk (Figura 1.20), y (t) = h0 +
k>0
Hk {x (t)}
(1.114)
donde Hk {x (t)} = hk (1 , . . . , k ) x (1 ) x (k ) d1 . . . dk . En el empleo de las series de Volterra para la representacin de sistemas no lineales con memoria nita, se tiene por lo menos tres dicultades bsicas [18]: Se puede o no representar un sistema dado en series de Volterra? como determinar los ncleos?, y a partir de la descripcin del sistema de ecuaciones diferenciales, como obtener la serie? La serie de Volterra es de la clase exponencial con memoria, as, si la excitacin del sistema se cambia c veces, entonces de acuerdo con (1.114), la respectiva salida del sistema ser, y (t) = h0 +
k>0
Hk {cx (t)} = h0 +
k>0
ck Hk {x (t)}
(1.115)
La memoria de la ltima serie es consecuencia de la denicin en (1.114) de cada operador elemental en forma de convoluciones, por lo tanto, la representacin (1.115) puede ser entendida como la serie de Taylor con memoria. En este sentido, las restricciones en la representacin de sistemas no lineales mediante la serie de Volterra, corresponden tambin al problema de convergencia inherente a la serie de Taylor.
Ejemplo 1.16. Analizar la convergencia del sistema invariable en el tiempo con funci on de no 1 linealidad dada por la expresi on y (t) = z (t) 1 + z 2 (t) , representado en la Figura 1.21.
x(t)
h(t)
z (t)
()2
y (t)
Figura 1.21: Sistema cuadrtico simple La descomposici on de la funci on en an alisis en la serie de Taylor tiene la forma
y (t) =
k=0
(1) (z (t))
2k+1
(1.116)
74
Reemplazando por el n ucleo b asico de primer orden z (t) = h (t) x (t), se obtiene la respectiva serie de Volterra 2k+1

y (t) =
k=0
k (1)
h () x (t ) d
k=0
H2k+1 {x (t)}
k
(1.117)
Por cuanto la serie de Taylor (1.116), obtenida para el sistema cuadr atico simple, converge solo para valores de z (t) < 1, entonces la respectiva serie (1.117) converge en aquellos momentos del tiempo cuando |z (t)| 1. Lo anterior implica, que en el ejemplo del sistema cuadr atico simple, la serie de Volterra se puede emplear para se nales de entrada, cuya salida z (t) no exceda el valor de 1.
donde los n ucleos tienen la forma h2k+1 (1 , . . . , 2k+1 ) = (1) h (1 ) h (2k+1 ).
Cabe anotar que la convergencia de la serie de Taylor se exige en todo el dominio t de representacin. As por ejemplo, si en la Figura 1.21 en vez del elevador a cuadrado se tiene un limitador bilateral del tipo y (t) = a sgn (z (t)), entonces para esta funcin con rompimiento en el punto t = 0, la serie de Taylor no existe en ese mismo punto, y por lo tanto, tampoco hay la representacin en series de Volterra. Sea la clase de excitaciones de un sistema en anlisis, tal que converja la serie (1.113), y que adems el sistema pueda ser representado por la serie truncada (1.115) hasta los primeros n trminos:
n
y (t)
h0 +
k=1
Hk {x (t)}
Si el nmero de trminos n est dado, entonces aparece la tarea de identicacin del sistema, que determine el ncleo de Volterra hk (1 , . . . , k ), para lo cual se puede escoger como criterio de aproximacin, el error cuadrtico medio determinado en (1.19), cuya condicin de minimizacin conlleva a un sistema de ecuaciones integrales para la determinacin de los ncleos [18]. El sistema contiene trminos de momentos estadsticos cruzados entre la entrada y la salida, cuyo clculo se puede realizar prcticamente solo de manera experimental, ms an asumiendo la condicin (??) de ergodicidad de los procesos; clculo que se hace ms difcil en la medida en que crece el nmero n de aproximacin. En la prctica, es frecuente asumir el conocimiento de las ecuaciones diferenciales que describen el comportamiento del sistema, y para su solucin se emplean diferentes formas del mtodo de aproximaciones sucesivas, entre los cuales est el mtodo de iteraciones de Picard [17]. Sea un sistema no lineal descrito por la ecuacin diferencial de primer orden, dy /dt + y = x (t) f (y ) , y (0) = 0, (1.118)
siendo f (y ) alguna funcin de dependencia no lineal, que permite ser representada en la k serie de Taylor, f (y ) = n k>1 ak y , donde n . La suma de la serie se analiza a partir de k > 1, por cuanto se retiran los trminos lineales de representacin, que corresponden a k = 0, 1.
75
La ecuacin lineal dy /dt + y = x (t), obtenida de (1.118) para f (0) = 0, asumiendo condiciones iniciales cero, tiene solucin,
t
y1 (t) =
0
h (t ) x ( ) d, h ( ) = e
Al hallar la solucin de de la ecuacin diferencial (1.118) en la forma,

t
y (t) = y1 (t)
f (t ( )) h (t ) d,
se puede reemplazar la expresin de funcin f (y ) por su respectiva representacin en serie de Taylor, por lo cual,
n t
y (t) = y1 (t)
ak
k>1 0
y k ( ) h (t ) d
La anterior descomposicin permite la representacin de la solucin y (t) por la serie funcional de Volterra, y (t) = k=1 yk (t),
k=1 n t
yk (t) = y1 (t)
ak
k>1 0
y k ( ) h (t ) d
Empleando la relacin recurrente conocida,

k=1 n
vk
k=1
(n) vk ,
(n) vk
r2
=
rk =1
r1 =1
vr1 vr2 r1 +1
se obtiene la solucin en la forma,

k=1
yk (t) = y1 (t)
ak
0
yi
(k )
i=1 k>1
( ) h (t ) d
Si se considera el orden de los trminos con respecto a la magnitud de la seal de (k ) entrada, particularmente, si se considera que yi = O xi , yi = O xi+k1 , entonces en la anterior serie, igualando los trminos de un mismo orden con relacin a x, se obtiene en forma nal,
i t
yi (t) =
ak
k=2 0
yi
(k )
( ) h (t ) d, i 2
76
Problemas Problema 1.38. Conformar las ecuaciones diferenciales de los circuitos representados en la Figura 1.22.
s
x(t)
R1 R2
s
y (t)
C2 a)
x(t) R3
C1 R1 R2 b)
y (t)
s
x(t)
C1 R1 R2 C2 c)
s
y (t)
s
x(t)
Rf
R2 ' s R1 y (t)
Cf d)
Figura 1.22: Circuitos de ltracin
Problema 1.39. Determinar la respuesta a impulso para la siguiente funcin de entrada/salida dada por

y (t) =
0
etz u(t z )x(z )dz, t 0.

R. h(t) =
0
e(tz) u(t z ) (z )dz = e(t ) u (t ).
En este caso la respuesta como funcin de t , que de acuerdo a las deniciones (1.3) y (1.4), no depende de t y separadamente. As, si el sistema es causal, entonces, la respuesta a impulso deber ser h (t ) = 0, t < , de otra manera se tendra respuesta a impulso actuando antes de la aparicin de la funcin (t ), lo que no corresponde a la realidad.
Problema 1.40. Hallar la respuesta al impulso para la funcin entrada/salida

y (t) =
ztu(t z )x(z )dz.
R. h(t) = tu (t ) .
Problema 1.41. Encontrar la respuesta a impulso del ejemplo (1.13) cuando a es constante, directamente
resolviendo la ecuacin con x(t) = (t).
Problema 1.42. Determinar la respuesta a impulso del del circuito de retencin mostrado en la Figura
1.23b). R. x(t) = (t), se obtendr, y (t) = (t) (t t0 ) resultando en:

h(t) =
( ( ) ( t0 )) d = u(t) u(t t0 ),
La respuesta a impulso del sistema analizado se muestra en la Figura 1.23a).
Problema 1.43. Encontrar la respuesta a impulso h(t) de la conexin en cascada de los siguientes sistemas: z (t) = et x(t)u(t), siendo
t
y (t) =
0
e(t) z ()u()d, t 0.
Encontrar la respuesta a impulso del sistema obtenido intercambiando los sistemas S1 y S2 dados anteriormente.

T
1 h(t)
77
'$ y (t) z (t) E integrador E E &% + T
+
x(t)
E
a) t
E retardo
b)
Figura 1.23: Circuito de retencin
Problema 1.44. Determinar la respuesta a impulso y la respuesta al escaln unitario para cada uno de los circuitos descritos por las siguientes ecuaciones diferenciales:
T dy y = kx dt dx dt $ 2 dy 2d y + 2 k1 T + y = kx T dt2 dt 2 1 d y + y = kx 2 dt2 x+T y=k #
d2 x dx + T2 2 dt dt $ 2 dy 2d y T 2k1 T + y = kx dt2 dt y=k # x + 2 k1 T
Problema 1.45. Suponer que se intercambian la resistencia y el capacitor en el circuito RC de la Figura

1.16(a). Determinar la nueva funcin de transferencia y justicar porque el sistema puede ser del tipo ltro pasaaltos.
Problema 1.46. Para los ltros RC pasabajos y pasaaltos mostrados anteriormente, calcular el voltaje de
salida y (t) correspondiente al voltaje de entrada x(t) =| sin 2f t |, 0 < t < 1, asumiendo RC = 1.
Problema 1.47. El circuito descrito en la Figura 1.24(a) es considerado un sistema con corriente i(t) como entrada y el voltaje v (t) como salida. Encontrar:
(a). la relacin de entrada/salida del sistema; (b). probar las condiciones de linealidad y causalidad del sistema.
Problema 1.48. Hallar funcin de transferencia y la respectiva respuesta a impulso del ltro RC de tercer
orden mostrado en la Figura 1.25a). Asumiendo los nominales R = 6.8 k y C = 0.2F , calcular las frecuencias f1 y f2 [Hz ] para las cuales el desfase introducido por el ltro es de /2 y [rad], respectivamente.
s s
x(t)
L R
s y (t) s
s x(t) s
R0
L R1
R2 C
s y (t) s
(a) Circuito RLC
(b) Filtro RLC
Figura 1.24:
Problema 1.49. Calcular la respuesta a impulso h(t) del sistema lineal, con funcin de transferencia (H0
y son constantes), H0 exp j 2 2 , H ( ) = H0 exp j 2 2 , 0 <0
78
Problema 1.50. Hallar la funcin de transferencia y la respuesta a impulso del cuadripolo cruzado mostrado
en la Figura 1.25b) con impedancias conocidas Zi , i = 1, 2, 3, 4.
s x(t) s
R C
R C
R C
s y (t) s
. . . . . . . . . . . . . . . .
Z1
x(t) s
. . . . . . . .. . . . . . .
Z 3 ... . . . . . . . . . . y (t) . . . . Z 2 ...... . . Z4 b)

. . . . . . . . . .
a) Figura 1.25:
Problema 1.51. La ecuacin diferencial que relaciona la tensin de salida y(t) con la de entrada x(t) del
sistema mostrado en la Figura 1.24(a) es L2 C d3 y d2 y dy + RLC + 2L + Ry (t) = Rx(t) dt3 dt2 dt
(a). Encontrar la funcin de transferencia del sistema. (b). Determinar la magnitud y el desplazamiento del sistema. (c). Determinar b) para = 1/ LC.
Problema 1.52. Encontrar las ecuaciones diferenciales del ltro RLC de baja frecuencia representado en la Figura 1.24(b). Hallar la respectiva funcin de transferencia y respuesta a impulso. Problema 1.53. Hallar la funcin de transferencia del sistema anterior si la funcin a la salida del circuito de retardo se resta de la original. R. |H ( )| = 2 sin( /2), ( ) = arctan [(sin ) / (1 cos )] . Problema 1.54. Obtener la serie de salida y(t) cuando en la entrada existe la seal
0, x1 (t) = sin t, 0,
t0 0 < t < 2 , t 2
x2 (t) = u(t)
Problema 1.55. Dada la respuesta a impulso h(t) =
t de un circuito lineal, hallar la respectiva exp T salida y (t), asumiendo y (0 = 0), cuando a la entrada se tiene la seal x(t) = kt, k = const. 1 T
Ejercicio en el PC 1.4. Simular la funcin de transferencia de los ltros RC en rgimen de trabajo

de integrado y diferenciador.
Ejercicio en el PC 1.5. Utilizando un mnimo de 50 puntos, calcule y dibuje la magnitud de la funcin

de transferencia de un ltro transversal de cuatro derivaciones (con un retardo de T entre cada una de ellas) para la siguiente eleccin de pesos ak del ltro: (a). +1,-1,+1,-1 (b). -1,+1,+1,-1
Ejercicio en el PC 1.6. Simular la funcin de transferencia de los ltros RC (Figura 1.16(a)) en sus conguraciones de pasaaltos y pasabajos.
1.5. Representacin de sistemas con variables de estado
79

1.5.1. Sistemas lineales e invariantes en el tiempo
A partir del mtodo de ecuaciones diferenciales (1.97), que describe un sistema lineal con una entrada y una salida, en el numeral 1.4.2 se analiza la funcin de respuesta a impulso h (t) como solucin del sistema (1.105). Sin embargo, el mtodo de ecuaciones diferenciales puede emplearse directamente en la representacin los sistemas dinmicos lineales. En este segundo caso se deben tener en cuenta los siguientes momentos: Las condiciones iniciales del sistema deben ser conocidas para determinar la respuesta del sistema en cualquier intervalo de tiempo t0 t t1 , que deben estar en un nmero tal que describan completamente la inuencia de la seal de entrada hasta el momento t0 sobre la seal de salida despus del momento t0 . El estado del sistema se dene como la cantidad mnima de elementos de referencia sobre el sistema necesaria para la descripcin completa de la seal de salida, mientras las misma variables de referencia se denominan variables de estado. En la prctica, el estado del sistema se describe por un vector de orden nito y, por lo tanto, se habla de un sistema dinmico con dimensin nita. La solucin de la ecuacin diferencial puede ser obtenida sobre una base de operaciones bsicas, compuesta por integradores, sumadores, dispositivos no lineales, amplicadores de ganancia variables etc. La conexin de estos dispositivos de operaciones bsicas se considera el modelo del sistema dinmico. La forma generalizada de la ecuacin diferencial de orden m, 0 u(t) = 0 y (t) + 1 dy dm y + . . . m m , dt dt
m1
(1.119)
implica la seleccin de y (t) , . . . , dm1 y dt en calidad de variables de estado, y su solucin se puede obtener empleando el procesador analgico equivalente representado en la Figura 1.26.
. .. .. . . uE (t) E . . E . 0 4 4 4 T . . .
dm y dtm
d m 1 y ( t0 ) m 1 dt0
.c

.. .. .. . . . .. .
d m 1 y dtm1
d m 2 y ( t0 ) m 2 dt0
c ...... .
. . . .. .
d m 2 y dtm2
dy dt
Figura 1.26: Modelo de un sistema lineal de orden m.
c n1 c '
c c n2 1 c c ' '
c y (t) E E
y (t0 )
c 0
80

RC dt + E 1 dt E E RC 4 u(t) 4 4 t t0 T
dy dy
c E E y (t)
y (t0 )
t t0
Figura 1.27: Modelo equivalente del circuito RC
nales de salida Ejemplo 1.17. Sea el circuito RC representado en la Figura 1.14, en el cual la se y (t) y entrada u (t) est an relacionadas por la ecuaci on diferencial RC dy + y (t) = u (t) dt (1.120)
El c alculo de la se nal de salida (voltaje) en el intervalo t t0 , implica el conocimiento de la se nal de entrada para t t0 , adem as del voltaje inicial y (t0 ), presente en el condensador en el momento t0 . De esta manera, en este caso es suciente introducir solamente una sola variable de estado, que es la que corresponde al voltaje y (t). As mismo, la ecuaci on (1.120) corresponde a la ecuaci on de estado del circuito RC en an alisis, en concordancia con la cual, se representa el respectivo en la Figura 1.27
Un sistema, dado por por la ecuacin (1.119) de orden m, puede ser descrito adems por ecuaciones diferenciales de primer orden. Frecuentemente, tal sistema de ecuaciones diferenciales, que es denominado ecuacin vectorial diferencial de primer orden, es ms fcil de analizar que la ecuacin inicial de orden m. As por ejemplo, en vez de la ecuacin (1.119) se puede analizar el siguiente sistema: x1 (t) = y (t) dy dx1 x2 (t) = = dt dt 2 d y dx2 x3 (t) = 2 = dt dt xn (t) =
dm1 y dxm1 = m 1 dt dt
por lo tanto, se tiene que dum dm y = m = 0 x (t) dt dt

m k=1
d k 1 y k1 k1 = 0 u (t) dt
m k=1
k1 xk (t) , t t0
(1.121)
Si introduce el vector columna funcional x (t) {xk : k = 1, . . . , m} , para t t0 , entonces en vez de la ecuacin (1.119) de orden m, se analiza la siguiente ecuacin equivalente de primer orden y con dimensin m, dx = Ax (t) + Bu (t) dt (1.122)
81
cuya solucin requiere el vector de condiciones iniciales x (t0 ). El vector x (t) se denomina vector de estado del sistema y la ecuacin (1.123) corresponde a la ecuacin de estado del sistemas. La seal de salida y (t) del sistema lineal en anlisis se determina por medio del vector de estado en la forma, y (t) = Cx (t) donde la matriz C1m se dene como, C = [1 0 0] La generalizacin de ecuacin diferencial (1.119), para los sistemas lineales, corresponde a la ecuacin (1.105) e incluye la diferenciacin de la seal x (t), la cual debe evitarse en el anlisis de sistemas estocsticos reales, entre otras razones porque es frecuente en calidad de seal de entrada tomar el ruido blanco, cuyas derivadas en el tiempo no existen. En este sentido, se puede representar de forma alterna la ecuacin (1.105), dm1 y du dy du dm y + m1 m1 + + 1 1 = 0 u (t) 0 y (t) , t t0 (1.125) m1 m m 1 dt dt dt dt dt La integracin de ambas partes de la igualdad (1.125), con condiciones iniciales cero, da como resultado, dm2 y dm2 u dm1 y + + + 1 y (t) 1 u (t) = xm (t) , t t0 m 1 m 2 dtm1 dtm2 dtm2 donde
t
donde las matrices Amm y Bn1 tienen la forma 0 1 0 0 0 0 1 0 A = , B = 0 0 0 1 m m1 m2 1
0 0 . . . 0
(1.123)
(1.124)
(1.126)
xm (t) =
t0
(0 y ( ) + 0 u (t)) d
(1.127)
De la misma manera, la ecuacin (1.126) se puede escribir en la forma dm2 y dm2 u dy du dm1 y + + + 2 2 = xm (t) 1 y (t) 1 u (t) , t t0 m 1 m 1 dtm1 dtm2 dtm2 dt dt cuya integracin conlleva al la ecuacin, dm3 y dm3 u dm2 y + + + 2 y (t) 1 u (t) = xm1 (t) , t t0 m 1 m 1 dtm2 dtm3 dtm3 donde
t
xm1 (t) =
t0
(xm (t) 1 y ( ) + 1 u (t)) d
(1.128)
82

c 0 c 1 c m1
c E u(t) T t t0
xm .c
T 1 T
xm1 x2 .c
T -
x1
E
y (t) t t0
0 T
m 1 T
Figura 1.28: Modelo de un sistema de dimensin mltiple.
La secuencia descrita de operaciones se puede repetir m veces, y como resultado en el ltimo paso se tiene,
t
y (t) = x1 (t) , x1 (t) =

t0
(x2 (t) m1 y ( ) + m1 u (t)) d
(1.129)
El modelo del procesador analgico, que puede realiza estas transformaciones, se muestra en la Figura (1.28). La seal de salida y (t) , t t0 , se determina si adems de tener la seal de entrada u (t) , t t0 , se jan las condiciones iniciales xk (t0 ), k = 1, . . . , m de las correspondientes salidas de los integradores. Por lo tanto, estas seales se pueden seleccionar en calidad de variables de estado del sistema dinmico descrito por la ecuacin (1.105). En correspondencia con las expresiones (1.127), (1.128) y (1.129), las respectivas ecuaciones para estas variables de estado tienen la forma, x1 (t) = y (t) dx1 x2 (t) = + m1 y (t) m1 u (t) dt dum1 xm (t) = + 1 (t) 1 u (t) dt dxm = 0 y (t) + 0 u (t) dt El sistema de ecuaciones de estado obtenidas para el sistema (1.105), al ser representadas mediante la ecuacin equivalente de primer orden (1.121), implica el clculo de nuevo de las correspondientes matrices en (1.123). En particular, se obtiene, m1 m1 1 0 0 m2 m2 0 1 0 . ,B = . A= . 1 0 0 1 1 0 0 0 0 0

u(t)
83
E
y (t) C1m E
Bm1
(t) x Bu(t) E E T
Ax(t)
x(t)
m1 Amm '
Figura 1.29: Modelo matricial de un sistema lineal con dimensin m

u1 (t)
E x1 (t)m1
y1 (t)
u2 (t)
E x2 (t)n1
a)
y2 (t)
u(t)
E x(t)(m+n)1 E
b)
y (t)
Figura 1.30: Ejemplo de sistemas conjuntos
La representacin para la seal de salida sigue siendo la misma que se presenta en (1.124). La ilustracin del modelo de sistema de dimensin mltiple mostrada en la Figura 1.28 puede ser simplicada, empleando dispositivos matriciales con varias entradas y salidas, como se observa en la Figura 1.29. Las ecuaciones (1.122) y (1.124) se pueden emplear para la representacin de sistemas con parmetros variables en el tiempo descritos en forma generalizada por la expresin (1.97). Sin embargo, en este caso las matrices (1.123) sern dependientes del tiempo, por lo cual la descripcin del modelo se hace en la forma dx = A (t) x (t) + B (t) u (t) dt y (t) = C (t) x (t) (1.130)
para t t0 y un vector dado de condiciones iniciales x (t0 ).
Ejemplo 1.18. Sea el par de sistemas unidos, como se muestra en la Figura 1.30a), descritos por el modelo dx i = Ai (t) xi (t) + Bi (t) ui (t) dt yi (t) = Ci (t) xi (t) , t t0 ; i {1, 2} , ametros del modelo conjunto (Figura 1.30b)). donde xiri 1 (t), ri {m, n}. Hallar los par La ecuaci on vectorial u nica del sistema conjunto tiene la misma estructura que (1.130) con los
84
siguientes vectores u nicos de estado y de las se nales de entrada y salida, respectivamente, x (t) = x 1 (t) x 2 (t) , z (t) = z1 (t) z2 (t) , z {u, y }
con la correspondiente estructura de matriz de par ametros, P (t) = P1 (t) 0 0 P2 (t) , P {A, B, C} , Pi {Ai , Bi , Ci } , i {1, 2}
1.5.2. Solucin de la ecuacin de estado

El sistema diferencial de estado (1.130) tiene solucin dependiendo de la clase de ecuacin que se analice. En particular, se pueden considerar los siguientes casos: Ecuacin homognea con coecientes constantes. En vez del modelo (1.122), se considera la ecuacin diferencial dx = Ax (t) , t t0 dt (1.131)
con condiciones iniciales x (t0 ) , t t0 . Cuando x (t) = x (t) se considera una funcin escalar, para (1.131) se tiene la solucin en la forma, x (t) = eA(tt0 ) x (t0 ) La misma estructura de solucin se considera para el caso vectorial, x (t) = eA(tt0 ) x (t0 )
(At) t) donde eAt = I + At + (A 2! + + n! . Adems, si la matriz A es de orden n n, entonces cualquier polinomio o serie convergente de A, puede ser descrita en forma de combinacin lineal de los trminos I , A, . . . , An . Sea la notacin de la funcin matricial (t t0 ) eA(tt0 ) , denominada matriz de transicin de estado, y de la cual se necesitan las siguientes condiciones:
2 n
(1.132)
Por lo tanto, la solucin de la ecuacin diferencial homognea tiene forma x (t) = (t t0 ) x (t0 )
(t0 t0 ) =I d (t t0 ) = A (t) (t t0 ) dt d T (t, t0 ) = AT (t0 ) (t, t0 ) dt
85
Ecuacin homognea con coecientes variables. Cuando las respectivas matrices son variables del tiempo de acuerdo al modelo (1.130). En este caso, se introduce la matriz de transicin de estado como funcin de dos variables, (t, t0 ) = eA(t,t0 ) , la cual cumple la siguiente ecuacin diferencial: d (t, t0 ) = A (t) (t, t0 ) , (t0 , t0 ) = I dt con las siguientes propiedades adicionales, para t0 < t1 < t2 , (t2 , t0 ) = (t2 , t1 ) (t1 , t0 ) , 1 (t1 , t0 ) = (t0 , t1 ) En realidad, una expresin compacta para (t, t0 ) es difcil de obtener. Sin embargo, en la prctica, es ms importante que saber sta expresin existe y que posee ciertas propiedades. Si es necesario hallar la matriz de transicin de estado, se recurre a mtodos numricos. En general, la solucin del caso homogneo con parmetros variables se puede representar en la forma, x (t) = (t, t0 ) x (t0 ) , t t0 Ecuacin no homognea con coecientes variables. tiene la forma
t
La solucin general de (1.122)
x (t) = (t, t0 ) x (t0 ) +

t0
(t, ) B ( ) u ( ) d
(1.133)
donde la matriz de transicin de estado (t, t0 ) cumple las condiciones [19]: (t0 , t0 ) = I , ( (t, ))1 = (, t) , d (t, ) = A (t) (t, ) dt d T (t, ) = AT ( ) T (t, ) dt (t, ) (, ) = (t, ) La solucin (1.133) contiene dos componentes: la primera, que corresponde a las oscilaciones libres, y la segunda, que corresponde alas oscilaciones forzadas. Por cierto, para que el sistema se mantenga estable, el primer trmino debe atenuarse en el tiempo, de tal manera que el vector de estado se determine, ms bien, por la componente forzada, la cual puede ser obtenida como solucin del mismo modelo (1.122), pero con condiciones iniciales nulas. Los sistemas lineales con mltiples entradas y salidas que presenten parmetros variables, a partir de (1.92), pueden ser descritos por la matriz cuadrada de la respuesta impulso h (t, ) en la forma,
t
y (t) =
h (t, ) u ( ) d
(1.134)
86
En muchos casos reales, cuando t0 , en (1.133) se puede despreciar el primer trmino, con lo cual de (1.122) y (1.133) se obtiene,
t
y (t) = C (t)
(t, ) B ( ) u ( ) d
(1.135)
As mismo, de las expresiones (1.134) y (1.135) se deduce que, h (t, ) = C (t) (t, ) B ( ) , 0, t >t (1.136)
Se debe tener en cuenta que las tres matrices, que hacen parte de la denicin de la respuesta a impulso en (1.136), dependen del mtodo elegido de disposicin del vector de estado del sistema considerado en cada caso concreto, y por lo tanto, para un mismo sistema estas pueden ser diferentes. Sin embargo, la respuesta a impulso matricial h (t, ) para un sistema dado es nica. Relacionados con los sistemas dinmicos se tienen los tres siguientes conceptos: 1. Controlabilidad. El vector nico de control u existe solo y nicamente cuando se cumple, rank . n1 . . An1 B. .A B. .. .B =n
2. Observabilidad. La nica solucin x (0) existe solo y nicamente cuando se cumple, rank . T T. . T n1 T CT . .A C . .. .A C =n
3. Identicabilidad. La nica solucin A existe solo y nicamente cuando se cumple, rank . . . n1 x (0) . .Ax (0) . .. .A x (0) =n
En general, existe una transformacin lineal de las coordenadas de estado, en la forma z = Fx, tal que del sistema conformado por las ecuaciones (1.122) y (1.124) se obtiene el modelo, z + Bu z = A Tx y= C donde A= 0 1 0 0 0 1 0 0 0 an an1 an2 0 0 1 a1 ,B = FB, C = 1 0 . . . 0 ,F = CT CT A . . . CT An1 (1.137)
87
En concordancia con los valores de las matrices en (1.137), el modelo (1.122) se puede reemplazar por la ecuacin diferencial escalar del tipo, dn1 dn1 u dn y + a1 n1 + + an y = b1 n1 + + bn u, bi = n dt dt dt
i1 k=0
aik g k + g i
(1.138)
En los sistemas lineales, cuando las matrices A (t) , B (t) y C (t) muestran dependencia del tiempo, se puede encontrar la correspondiente representacin en forma de ecuacin diferencial (1.138), con los siguientes coecientes: bi (t) =
i1 ik k=0 l=0 n1 Cn +l1 aikl
d g k (t) + g i (t) dtl
La representacin del sistema por las expresiones (1.137) y (1.138), frecuentemente es ms cmoda para su anlisis en procesadores digitales.
Captulo
Representacin de seales y sistemas discretos
a reconstruccin completa de cualquier funcin continua xc (t) dada sobre un intervalo de anlisis de tiempo Ta , puede realizarse si se dispone de la informacin de sus valores instantneos dados sobre el intervalo de anlisis, de tal manera que la distancia entre los valores sea innitamente pequea.
2.1. Discretizacin de seales continuas

2.1.1. Discretizacin uniforme
El empleo de sistemas discretos en campos donde las seales son continuas supone la previa adaptacin, esto es, a la discretizacin de las seales continuas. El modelo conveniente del procedimiento ideal de discretizacin o muestreo de una seal continua xc (t) est dado por su multiplicacin con la seal peridica de discretizacin xd (t), en orden a obtener la seal discretizada x(t): x(t) = xc (t)xd (t) =
k k= (t
xc (k t) (t k t)
(2.1)
k t), siendo t el perodo de discretizacin. A partir de la donde xd (t) = expresin (2.1) se observa que la seal discretizada x(t) se dene solamente en los momentos equidistantes de tiempo t = k t, luego entonces, parte de la informacin de la seal original xc (t) sera perdida durante su discretizacin.
Teorema 2.1 (Discretizacin de Kotilnikov). Si en una seal continua xc (t) no se contienen componentes espectrales de frecuencia mayores a = 2fmax [rad/s] (2.2)
donde fmax es el mximo valor de frecuencia para la cual X ( ) = 0, entonces, toda la informacin sobre esta seal estar enteramente contenida en los valores 89
90
Captulo 2. Representacin de seales y sistemas discretos
xc (nt), asegurando de que se cumpla: t < 1/2fmax (2.3)
El teorema 2.1 permite representar la seal continua xc (t) en forma de la serie: xc (t) =
k=
xc (k t)
sin max (t k t) max (t k t)
(2.4)
Al comparar la serie (2.4) con la representacin (1.25), se observa que las funciones base de descomposicin sern las siguientes: k (t) = sin max (t k t) max (t k t) (2.5)
La serie de Kotilnikov (2.4) permite el restablecimiento de la funcin xc (t), en cualquier momento del tiempo t, en particular, para los momentos t = k t, se obtiene: 1 x(k t)= 2
max
X ( )ejkt d
max
Por cuanto el integral interior es igual a: 1 2

max
X ( )ejkt d =
max
max sin max (t k t) max (t k t)
Entonces, el valor buscado de la funcin en el punto t = k t ser: max xc (k t) =
xc (t)
sin max (t k t) dt max (t k t)
(2.6)
La comparacin de los valores obtenidos en (2.6) con los valores denidos en (1.29), muestra que son los mismos coecientes de la serie de Fourier, asumiendo que se cumple la relacin, tf ti = Ta = max / , y por lo tanto, determinan la funcin xc (t). Sin embargo, el restablecimiento de la funcin inicial xc (t) exige realizar la suma de la serie (2.4), en forma general, sobre una cantidad innita de sumandos, lo cual prcticamente es imposible. De otra manera, el empleo del teorema de discretizacin conlleva inevitablemente a errores de representacin. Sea la la descomposicin innita (2.4) aproximada por la siguiente serie truncada:
N/2
x c (t)
xc (k t)
k=N/2
sin max (t k t) max (t k t)
(2.7)
donde x corresponde a la versin aproximada de la seal continua original, determinada a partir de N valores de discretizacin, tales que N= Ta + 1 = 2fmax Ta + 1 2fmax Ta t (2.8)
91
Se observa que el error de representacin en la serie (2.7) es mayor en la medida en que menor sea la cantidad N de sus sumandos, y viceversa. Por cuanto, la funcin sinc() = 0 en todos los valores mt, excepto en k = m, entonces los valores de x y xc (t) coincidirn en los puntos k t. Por el contrario, en la mitad de los intervalos se observar la inuencia de la mayor cantidad de elementos de la serie truncada, por lo que el error de representacin ser el mayor. Otra fuente de distorsin, durante la discretizacin de seales est relacionada con el hecho de que las seales sean denidas sobre intervalos nitos de tiempo (soporte compacto), por lo que sus ancho de banda ser innito, haciendo imposible tomar un valor real en (2.3). Sin embargo, las propiedades de los espectros reales son tales, que sobre un ancho de banda nito se concentra la mayora signicativa de su energa, por lo cual las componentes espectrales que estn por fuera de este ancho de banda considerado pueden ser despreciadas. El anlisis detallado de las funciones base (2.5) muestra que su fde es igual a: ejkt , max sin max (t k t) jt e dt = max F {k (t)} = 0, max (t k t) > max
cuya magnitud es constante, |F {k (t)}| = /max , [0, max ]. Al aumentar el valor del ancho de banda de la seal continua, tal que max , y por tanto, t = /max 0, por lo que se puede armar que al discretizar una seal con espectro uniforme y ancho de banda innito se obtiene la funcin delta denida en (1.6), para la cual, el caso analizado corresponde al integral de Duhamel (1.8), cuya aproximacin (1.9), tiene como valores de descomposicin los pulsos cuadrados de la forma 1/ , k t t (k + 1)t t k (t) = k (t k t) = 0, k t > t, t > (k + 1)t De acuerdo con la siguiente expresin:
Ta
X (/t) =
0
x(t)ej 2n/t dt = txn ,
teniendo los valores discretizados de la funcin X (f ) en los puntos, distanciados a intervalos 1/t en el dominio de la frecuencia [fmax , fmax ], se puede encontrar el nmero de valores discretos necesario para la descripcin de la funcin x(t): N= 2fmax = 2fmax Ta , 1/Ta
que corresponde al mismo nmero obtenido en (2.8), para el caso de discretizacin en el tiempo. Las seales discretas son nicamente denidas para valores discretos del tiempo y, si explcitamente no se ha dicho lo contrario, estas pueden asumir cualquier valor, o sea, no todas las veces son digitales. Los valores sucesivos son separados por la distancia del intervalo de discretizacin t, que para algunos efectos se tomar igual a 1, i.e., xc (nt) = xd [n]
92
2.1.2. Funciones discretas singulares

[n] T 1 6
Pulso unitario discreto. Esta funcin cumple el mismo papel en los sistemas discretos que la funcin delta denida en (1.6) para los sistemas continuos. El pulso unitario discreto se dene como (Figura 2.1a)): [n k ] = 1, 0, n=k n=k (2.9)
Por analoga al caso de representacin (1.100) de una seal por medio de la funcin delta para los sistemas continuos, en los sistemas discretos se puede representar una seal por medio de la funcin de pulso discreto unitario (2.9): x[n] =
k 1k k + 1
s s
s E s n
a)
u[n] T 1 6 6 6 6 6
i=
x[i] [n i],
(2.10)
0
k 1k k + 1
E s n
b)
Escaln unitaria discreta. Mostrada en la Figura 2.1b) y denida como: u [n k ] = 0, n < k 1, n k (2.11)
Figura 2.1: Funciones singulares
Teniendo en cuenta (2.10) se obtiene u [n] = u [n ] =

i=0
i= u [i] [n
i], y por lo tanto
[n i],
Seno y coseno discreto. Denidas como: xs [n] = a sin(n + ) = a sin 2n p 2n xc [n] = a cos(n + ) = a cos p (2.12a) (2.12b)
donde a es la amplitud, es la fase relativa, = /T es la frecuencia absoluta, la fase y T el valor del periodo de discretizacin de la seal. Si p > 0 corresponde a un nmero racional del tipo p1 /p2 , entonces xs [n], xc [n] son funciones peridicas y se repetirn cada p1 muestras, esto es, x[n + mp1 ] = x[n]. Si por el contrario p1 es irracional, entonces estas funciones discretas no sern peridicas.
93
2.1.3. Transformada de Fourier de una seal discreta
En forma general, una seal discreta x[nT ] se puede representar mediante el par de transformadas de Fourier (1.57) de la forma: x [nT ] = F 1 X ejT
k=
T 2
X ejT ejnT d,
T
(2.13)
X (e
jT
) = F {x[kT ]} =
x[kT ]ejkT ,
(2.14)
en donde la variable en el argumento de X () o espectro discreto se ha cambiado por ejT para dar nfasis al hecho de que el espectro discreto es peridico con perodo 2/T . Esta es tal vez una de las ms importantes diferencias entre la transformada de Fourier de una seal continua y la de una seal discreta. De hecho, la ecuacin (2.14) corresponde a la representacin en serie de Fourier de la seal continua peridica X (ejT ), mientras la expresin (2.13) corresponde a los valores de la secuencia x[nT ] dada en el integral (1.28) que se calcula en la serie de Fourier de la funcin peridica X (ejT ).
x [nT ] X ejT
intervalo f undamental
k 1 k
k + 1 nT
max
max
3max
5max
Figura 2.2: Intervalo fundamental
En (1.26), la seal descrita es representada como la superposicin de exponenciales del tipo ejn con varios armnicos. Una exponencial con frecuencia + 2m, m Z pasar exactamente a travs de los mismos tiempos de muestreo que la funcin exponencial con frecuencia , ejn = ej (+2m)n . Por esta razn la transformada directa de
94
Fourier de una seal discreta tiene que ser funcin peridica de la frecuencia. As, la representacin del espectro discreto se deber realizar en un solo intervalo denido con el ancho = 2/T . Debido a la simetra de los espectros, este intervalo, generalmente se toma /T /T y se denomina intervalo fundamental como se ilustra en la Figura2.2. En la representacin de procesos discretos es frecuente el empleo de la frecuencia relativa, = T, entonces, el par de transformadas de (2.13) y (2.14) sern: X (e ) =
j
x[n]ejn ,
(2.15)
n=
que le corresponde, 1 x[n] = 2
X (ej )ejn d,
(2.16)
Ejemplo 2.1. Hallar la transformada de Fourier directa de un pulso rectangular discreto, p[n] = 1, 0, |n| N/2 |n| > N/2
N/2
Aplicando (2.15) se obtiene:
P (ej ) =
p[n]ejn =
n=
ejn =
n=N/2
sin[(n + 1)/2] , sin(/2)
La u ltima suma puede ser evaluada con ayuda de la expresi on

N
an =
n=M
aM aN +1 1a
La funci on P (ej ) es llamada el n ucleo de Dirichlet [15].
La TF (2.15) exige la convergencia de la sumatoria innita dada en (2.16), X (ej ) =

n= n=
x[n]ej n
n=
|x[n]| ej n =
|x[n]|
j Si la suma n= |x [n]| es nita, entonces X (e ) tambin ser nito. As por ejemn plo, en el caso concreto de x[n] = a u[n], cuya transformada de Fourier se calcula como:
|X (ej )|= |
n=
an u[n]ej n |
n=0
|a|n |ej | =
1 1 |a|
La anterior serie converse, si |a| < 1.
95
Al utilizar el par de expresiones (2.15) y (2.16), es importante tener en cuenta la forma en que las propiedades de la seal discreta se maniestan en la transformada de Fourier y viceversa. Las siguientes son algunas de esas propiedades: (a). Linealidad: Sea F {i xi [n]} = i Xi ej , donde i = cte, entonces F k xk [n] = k Xk ej (2.17)
(b). Desplazamiento en el tiempo: F {x[n k ]} = ejk X ej (c). Desplazamiento en la frecuencia: F {x[n]ejn0 } = X ej (0 ) (d). Convolucin en el tiempo: F {xk [n] xl [n]} = Xk ej )Xl (ej , donde la convolucin de dos secuencias discretas se denir como: xk [n] xl [n] =
(2.18)
i=
xk [i]xl [n i]
(e). Convolucin en la frecuencia: F {xk [n]xl [n]} = 1 Xk ej Xl (ej ), 2
donde Xk ej Xl ej =
Xk ejv Xl ej (v) dv.
96
Problemas Problema 2.1. La seal anloga x(t) tiene espectro con frecuencia mxima fmax = 7.5 M Hz , la cual para su proceso es registrada en un intervalo de T = 60 s, con ayuda de un dispositivo que discretiza la seal con un intervalo de muestreo en 4 veces menor que el establecido por la relacin (2.3). La resolucin de entrada del dispositivo de muestreo es congurable para los valores 8, 12 y 16 Bits por muestra. Hallar el monto de memoria requerida en cada caso de resolucin para la grabacin del intervalo de seal. Problema 2.2. Sea la seal de video x(t) = x0 exp (t) u(t). Seleccionar el valor del intervalo de muestreo , de tal manera que la magnitud de la densidad espectral en la frecuencia lmite max se disminuye hasta el valor de 0.01X (0). Problema 2.3. Dada la seal del problema anterior, estimar el valor X+ (0), correspondiente al aporte en
la componente espectral cero debido a las rplicas cercanas del espectro original de la seal, que se tienen en las frecuencias 2/.
Ejercicio en el PC 2.1. [Matlab] Las funciones discretas de pulso unitario, escaln unitario y funcin
rectangular ubicadas en la M posicin de una arreglo de longitud N > M , respectivamente se generan de la siguiente manera:
N=50; M=15; % Escala de tiempo %pulso unitario discreto delta=[zeros(1,M-1),1,zeros(1,N-M)]; subplot(311),stem(delta) %Funcion escalon unitario u=[zeros(1,M-1),ones(1,N-M+1)]; subplot(312),stem(u) %Funcion rectangular rect=[zeros(1,M-1),ones(1,M),zeros(1,N-2*M+1)]; subplot(313),stem(rect)
Ejercicio en el PC 2.2. [Matlab] Representar la funcin discreta de pulso con diferentes formas de
onda dadas por la expresin: x(t) =
k
(t k )
%Funcion discreta de tren de pulsos de diferentes formas t = 0 : 1/50E3 : 10E-3;% base de tiempo tau = [0 : 1/1E3 : 10E-3 ; 0.75.^(0:10)]; % form - forma de pulsos: gauspuls,rectpuls,tripuls form=gauspuls; x = pulstran(t,tau,form,5E3,.5); % Salida grfica plot(t,x)
Ejercicio en el PC 2.3. [Matlab]. Sea una seal seno x(t) dada en el intervalo de tiempo [0, 1].
Hallar su representacin discretizada a una velocidad de muestreo 0.01.
%Representacion continua y discretizada del Seno t=0:.01:1; % base de tiempo a=1; arm=2; phi=pi/8,% a - Amplitud, arm - armonico, phi - desfase omega=2*pi*arm; % frecuencia angular x=sin(omega*t+phi); subplot(211),plot(t,x), % Representacion continua (interpolada) subplot(212),stem(t,x), % Representacion discretizada
2.2. Transformadas ortogonales discretas
97

2.2.1. Implementacin de bases ortogonales discretas
La implementacin de cualquier forma de representacin integral de seales (por ejemplo, la Transformada de Fourier (2.14)) sobre sistemas reales de proceso digital para una seal discreta dada x[n], se encuentra con dicultades insuperables. El problema bsico es la necesidad de disponer dispositivos de almacenamiento con memoria innita para poder guardar, tanto la innita cantidad de valores de la serie de entrada x[n], como el conjunto de valores del continuo de la respectiva representacin espectral H (ej ). Empleando el modelo de las respectivas bases continuas en la representacin generalizada de Fourier dada en (1.50), y a efectos de realizacin prctica, el conjunto de transformadas ortogonales discretas se dene estrictamente sobre secuencias discretas x[n] con longitud nita N , o bien sobre secuencias peridicas con periodo N , de la siguiente forma: 1 x[k ] = Pk N v [n ] =
N 1 k=0 N 1 n=0
v [n] k [n], k = 0, 1, . . . , N 1
(2.19a) (2.19b)
x[k ]n [k ], n = 0, 1, . . . , N 1
siendo Pk la potencia media de la base k denida (1.40). El par de expresiones (2.19a) y (2.19b) es preferible representarlo en forma matricial: xN 1 = vN 1 1 N N vN 1 Pk N = T N N xN 1 (2.20a) (2.20b)
donde ank corresponde a la matriz con dimensin n k . Entre los diferentes conjuntos ortogonales analizados en la seccin 1.2.4, en el proceso digital de seales moderno encuentran aplicacin las trasformadas discretas de Fourier con sus respectivos casos particulares de la T. Hartley y la T. discreta de cosenos, la de Walsh y Haar, entre otras.
2.2.2. Transformada discreta de Fourier

En este caso, en calidad de sistema base se emplea la base ortogonal exponencial denida en (1.26) en su forma discreta: k (n) = ejkn2/N
kn WN , n = 0, 1, . . . , N 1
(2.21)
El trmino WN = ej 2/N se denomina factor de pivote y cumple la condicin de ortogonalidad:

N 1 n=0 mn kn WN WN =
N, 0,
(k m) = lN, l Z (k m) = lN
(2.22)
98
As mismo, este factor es peridico con periodo N , tanto en el sentido de la variable de frecuencia n, como el de la variable de tiempo k :
kn WN = WN (k+N )n
= WN
k(n+N )
(2.23)
Teniendo en cuenta las expresiones (2.21), (2.22) y (2.23), se determina el par de transformadas discretas de Fourier (TDF) en funcin del factor de pivote de las siguiente manera: x[k ] = 1 N
N 1 kn X (n)WN , k = 0, 1, . . . , N 1
(2.24a) (2.24b)
X [n ] =
n=0 N 1 k=0
kn x[k ]WN , n = 0, 1, . . . , N 1
El sistema de transformadas (2.24a) y (2.24b) establecen la relacin mutua e unvoca entre los valores de la serie de entrada x[k ] y su representacin discreta espectral X (n). por cuanto el factor de pivote es peridico, entonces el espectro discreto de Fourier de la seal tambin es peridico: X (n) = X (n + mN ) , m = 1, 2, . . . Las principales propiedades de la TDF se muestran en la Tabla 2.1.
Propiedad Linealidad Descripcin Sea F {i x[k ]} = i X [n], i = cte, entonces, F { l xl [k ]} = l Xl [n] Sea F {x[k ]} = X [n], siendo N par, x[k ] R X [N/2 + l] = X [N/2 l], l = 0, 1, . . . , N/2 1 F {x[k l]} = W nl X [n], l = 1, 2, . . . , N 1 F x[k ]W kl = X [n l] F {x1 [k ] x2 [k ]} = X1 [n]X2 [n] 1 N 1 x1 [n]x2 [l n], l = 0, 1, . . . , N 1 siendo x1 [k ] x2 [k ] = N n=0 F {x1 [k ]x1 [k ]} = 1 X1 [n] X2 [k ] 2
(2.25)
Conjugada compleja
Retardo en el tiempo Desplazamiento espectral Convolucin en tiempo
Convolucin en frecuencia
Tabla 2.1: Propiedades de la TDF
La TDF puede ser expandida utilizando la relacin de Euler en la forma: X (k ) =

N 1 n=0
x[n]ej 2nk/N =
N 1 n=0
x[n] (cos(2/N )nk j sin (2/N ) nk )

u[n] parte real x[n] par impar 0 0 v [n] parte imaginaria x[n] 0 0 par impar U (k ) parte real X (k ) par 0 0 impar V (k ) parte imaginaria X (k ) 0 par impar 0
99
Tabla 2.2: Paridad e imparidad en la TDF
El anlisis de la anterior expresin da como resultado las propiedades sobre paridad e imparidad de la transformada discreta de Fourier, mostradas en la Tabla (2.2). De otra parte, si x[n] es real pero no es ni par ni impar, se podr demostrar que la respectiva transformada discreta de Fourier tendr partes real par e imaginaria impar diferentes de cero. Adems, para una secuencia compleja x[n] de longitud N , se tienen 2N grados de libertad, una x[n] real tiene N grados y una x[n] real par posee solo N/2. Sea dada la seal continua x(t) con base nita N = 2fmax Tc , siendo el valor de frecuencia mxima fmax en el intervalo de anlisis Ta . La relacin entre su transformada de Fourier (1.57) con la respectiva TDF en (2.24b), puede ser obtenida a partir de la representacin para la seal continua en forma de la siguiente serie truncada (2.4): x(t) =
N 1 k=0
x (k t)
sin 2fmax (t k t) 2fmax (t k t)
cuya densidad espectral es igual a: X (e ) =

j N 1 k=0
x(k t)

sin 2fmax (t k t) jt e dt 2fmax (t k t) sin 2fmax (t k t) jt e dt 2fmax (t k t) (2.26)
N 1 k=0
x(k t)
La integral (2.26) corresponde a la densidad espectral de la funcin desplazada en el tiempo de los valores discretos y que da como resultado tejkt . De esta manera, se tiene que X (e ) = t
j N 1 k=0
x(k t)ejkt , 2fmax 2fmax
El espectro en los puntos = k , k = 0, 1, 2, , N/2, = 2/Ta se obtiene como X (ejl )= t

N 1 k=0
x(k t)ejktl = t
N 1 k=0
x(k t)ejkl2/N
(2.27)
Al comparar (2.24a) y (2.27), y teniendo en cuenta la propiedad de conjugada com-
100
pleja (Tabla 2.1) se obtiene 1 X ejk a x[k ] = T 1 X ej (lN /2) Ta k = 0, 1, , N/2 k = l + N /2, l = 1, 2, , N /2 1
x(t) T
..... ... . ... . ... . . . .. ... ..... ... . . . . . . . .... . . . .. . .. . . . . . . . . . . .. . .. . .. ... . . ... . . ... . .. . ... . . . .... .. . . . . . ... .... . . ... . . . . . . . .
La relacin entre la TDF y la serie de Fourier, teniendo en cuenta que tanto los coecientes de la serie de descomposicin como los valores discretos de la densidad espectral cumplen la relacin en la forma, xk = X ejk /Ta , por lo tanto xk , x[k ] = xN/2+l , k = 0, 1, , N/2 k = N/2 + l, l = 1, 2, , N/2 1
a) X ( ) T
. .... . . .. .. .. . . . . . . . . . . . . . . . . . . . . . . ... ... . . .. . .. .. . ... .
E t
x (k t) T q q . q .....q ....... ...... ..q . . . . q .... ..... ..... ..... ..... . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
q q ..q .....q q . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
b) jk X e T
p E t
De esta manera, en caso de tener seales con bases nitas N , los coecientes E E x[k ], k = 0, 1, 2, , N/2 coinciden con los d ) c ) coecientes de la serie de Fourier. En la Figura 2.3, se muestran respectivamente la Figura 2.3: Discretizacin de seales seal continua original en el tiempo (a), su correspondiente espectro (b), la seal discretizada (c) y su espectro (d). En el desarrollo de algoritmos de implementacin prctica de la TDF es preferible emplear su descripcin matricial: xN 1 = XN 1 1 WN XN 1 N T = WN xN 1 (2.28a) (2.28b)
..... ... . .. . . . . . . . . . . . . . . . . . . . . . . . . . ... ... .. . . .... . ...
... ... .. .. . . . .. .. .. ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... .. ... ... . .. ..... ... .. . ... . . ... ..
2.2.3. Extensiones de la transformada discreta de Fourier

Existen diferentes transformadas derivadas de la Transformada discreta de Fourier, que han servido a la solucin de diferentes problemas, entre las cuales estn las siguientes: TDF de datos reales. En la prctica, los datos a procesar son reales y el empleo de algoritmos orientados a manejar datos complejos se torna ineciente. Sea la TDF de una secuencia real de datos con longitud 2N , entonces, dos secuencias de longitud N pueden ser formadas correspondientemente para los ndices de muestreo pares e impares: u[n] = x[2n] v [n] = x[2n + 1]
101
Las dos TDF de longitud N pueden ser calculadas simultneamente, empleando otra transformada discreta de Fourier, pero compleja de longitud N , formada articialmente a partir de las seales reales en la forma h[n] = u[n] + jv [n] Las respectivas TDF de u[n] y v [n] se pueden calcular de la TDF h[n] usando las propiedades de la Tabla (2.2), que asegura la existencia de las partes real e imaginaria en la TDF de u[n] y v [n]. La TDF de la seal original x[n] puede ser encontrada de las TDF de u[n] y v [n] empleando la propiedad de periodicidad (2.25), obteniendo U (k ) = F {u[n]} = X (k ) + X (k + N/2) aplicando la propiedad de desplazamiento en el tiempo mostrada en la Tabla (2.1): V (k ) = F {v [n]} = X (k )W k + X (k + N/2)W k+N/2 /2 resolviendo ambas ecuaciones para X (k ) se obtendr
k X (k ) = U (k ) + V (k )W2 N
(2.29)
De las propiedades de la Tabla (2.2) se observa que si x[n] R, entonces, los valores de X (k ) para k = N, , 2N 1 son los mismos dados por (2.29), por lo tanto, la TDF de x[n] de longitud 2N puede ser encontrada de dos TDF de longitud N , as H (k ) = F {h[n]} = R(k ) + jI (k ) entonces U (k ) ser la parte par de R + j (parte impar de I ), mientras V (k ) ser la parte par de I j (parte impar de R). Ambas partes U (k ) y V (k ) combinadas en (2.29) dan la TDF de la seal real x[n]. La ventaja de esta representacin puede consistir en menores exigencias de memoria a costa de unas cuantas operaciones de clculo extras [20]. Transformada discreta de cosenos (TDC). y (k ) = (k )
N 1 n=0
Se dene en la forma:
x (n) cos
(2n + 1) k 2N
, k = 0, 1, , N 1
y su inversa es denida como: x (n) =

N 1 k=0
(k ) y (k ) cos 1 , N 2 , N
(2n + 1) k , n = 0, 1, , N 1 2N
donde (k ) =
k=0 k=0
102
En forma vectorial, la transformada se expresa como: y = CT x
donde los elementos de la matriz C estn dados por: 1 C (n, k ) = ,k = 0,0 n N 1 N (2n + 1) k 2 cos , 1 k N 1, 0 n N 1 C (n, k ) = N 2N El par correspondiente para la TDC bidimensional es: Y (k, l) = (k ) (l)
N 1 N 1 m=0 n=0 N 1 N 1 k=0 l=0
X (m, n) cos
(2m + 1) k 2N (2m + 1) k 2N
cos
(2n + 1) l 2N (2n + 1) l 2N
X (m, n) =
(k ) (l) C (k, l) cos
cos
La TDC es adecuada para el empaquetamiento de informacin til para el procesamiento de imgenes, en el sentido en que concentra la mayora de la energa en unos pocos coecientes. Transformada discreta de Hartley. La forma discreta de la Transformada de Hartley (1.65b) est dada por el respectivo par de expresiones: H [n ] = 1 N
N 1
x[k ] cas (2nk /N )
(2.30a) (2.30b)
x[k ] =
k=0 N 1 n=0
H [k ] cas (2nk /N )
La obtencin de la TH discreta est basada en su propiedad de ortogonalidad:

N 1 n=0
cas (2nk /N ) cas (2nl/N ) =
N, k = l 0, k = l
con lo cual, al reemplazar el valor H [n] dado por (2.30a) en la expresin alterna (2.30b) se obtiene
N 1 n=0
H [n] cas (2nk /N ) =

N 1 l=0 N 1
N 1 n=0
N 1 l=0
x[l] cas (2nl/N ) (2nk /N )

N 1 l=0
1 = N
que conrma la validez en la relacin de la transformada inversa. El coeciente N 1 en la TH discreta se toma por analoga con la TFD. De la anterior relacin se observa que la TH discreta corresponde a los reales, por cuanto se considera que x[k ] es solamente de los reales.
1 x[l] cas (2nl/N ) (2nk /N ) = N 0, n=0
x[l]N = x[k ],
k=l k=l
103
2.2.4. Transformada discreta de Walsh
La transformada discreta de Walsh (TDW) toma como sistema base {Wal} la versin discretizada de las funciones de Walsh dadas en (1.46) {walk [n] : k = 0, 1, , N 1, y n = 0, 1, , N 1}, siendo N = 2m , m Z, con periodo de discretizacin uniforme igual a t = 1/2m . Las funciones discretas de Walsh {walk [n]}, forman un sistema ortogonal:
N 1 k=0
waln [k ]wall [k ] =
N, 0,
n=l n=l
Adems cumplen la propiedad multiplicativa walk [n]wall [n] = walkl [n], donde x[m n] corresponde al corrimiento didico de la secuencia x[m] en n elementos. El respectivo par de transformadas TDW en correspondencia con (2.19a) y (2.19b) se determina como: 1 x[k ] = N v [n ] =
2m 1
n=0 2m 1 k=0
v [n]walk [n], k = 0, 1, . . . , 2m 1 n = 0, 1, . . . , 2m 1
(2.31a) (2.31b)
x[k ] walk [n],
De manera similar, a como ocurre con el espectro de la TDF, el espectro de la TDW tambin es peridico: v [k ] = v [k + lN ], l Z. Sin embargo, ambas transformadas discretas guardan diferencias, en particular, en cuanto a las propiedades de retardo y convolucin. En el caso de la TDF, la operacin de multiplicacin de los coecientes espectrales por la funcin de pivote W kl conlleva al desplazamiento de la serie discreta de tiempo en l intervalos discretos, mientras en la DTW, la multiplicacin por el ncleo walk [l] conlleva al desplazamiento didico de la seal en el tiempo: 1 x[k ]walk [l] = N 1 = N
2m 1 n=0 2m 1 n=0
v [n]walk [n]walk [l] 1 v [n]walk [n l] = N

2m 1 n=0
v [n l]walk [n]
siendo l = 0, 1, , N, N = 2m1 , por lo que cualquier desplazamiento que ocurre en el marco de la secuencia original, est condicionado por la operacin lgica de suma por mdulo 2. En general, la propiedad de multiplicacin de secuencias en la TDW (FW ) se describe de la forma:
1 x1 [k ]x2 [k ] = FW
1 N
N 1 n=0
v 1 [n ]v 2 [l n ]
Al igual que en la TDF, la descripcin matricial de la TDW es importante en el desarrollo de los respectivos algoritmos de implementacin sobre procesadores digitales, y la
104
cual la corresponde a la siguiente: xN 1 = vN 1 1 vN WalN 1 N = WalT N xN 1 (2.32a) (2.32b)
donde WalN es la matriz cuadrada de la transformacin de Walsh de orden N , cuya la k corresponde a la funcin walk [n], n = 0, 1, , N 1. Esta matriz es naturaleza simtrica: WalT N = WalN , por lo que la expresin (2.32b) puede ser simplicada hasta vN 1 = WalN xN 1 Los elementos de la matriz de transformacin de Walsh solamente pueden tomar los valores restringidos de walk [n] = 1, por lo que en el clculo del las transformadas TDW (2.32a) y (2.32b) estrictamente se realizan operaciones de suma y resta, esto es, no existen las operaciones ms exigentes de realizacin como la multiplicacin, que es lo que ocurre en el desarrollo matricial de la TDF, en la cual adems, los valores del factor de pivote, en forma general, son de representacin compleja. Por lo anterior, se deduce que hay ventaja en los costos computacionales de desarrollo de la TDW sobre la TDF.
2.2.5. Transformada discreta de Haar

La Transformada Discreta de Haar (TDH) emplea, en correspondencia con los casos anteriores, el sistema base {Har} que es la versin discretizada de las funciones de Haar dadas en (1.49) {hark [n]}, n = 0, 1, , N 1, k = 0, 1, , N 1, siendo N = 2m , m Z, con periodo de discretizacin uniforme igual a t = 1/2m . Las funciones discretas de Haar hark [n], forman un sistema ortogonal:
2m 1 n=0
hark [n]harl [n] =
N, 0,
k=l k=l
La descripcin matemtica de las funciones discretas de Haar se pueden obtener de (1.49): l2k k/2 2 rk+1 [l] rectT ( m n(mod 2k )), n = 1, , 2m 1 harn [l] = 2 1, n = 0, El respectivo par de transformadas TDH se determinan como: 1 x[k ] = N v [n ] =
2m 1
n=0 2m 1 k=0
v [n]hark [n], k = 0, 1, , 2m 1 n = 0, 1, , 2m 1
(2.33) (2.34)
x[k ] hark [n],
La descripcin matricial de la TDH, importante en el desarrollo de los respectivos algoritmos de implementacin sobre procesadores digitales, corresponde a la siguiente: xN 1 = vN 1 1 vN HarN 1 N = HarT N xN 1
105
donde HarN 1 es la matriz cuadrada de orden N , con elementos Harkn = hark [n].
2.2.6. Transformada discreta wavelet

La representacin discreta de la seal x(t) mediante la serie (1.15), empleando la denicin de los respectivos tomos en (1.83), requiere los parmetros asociados a la traslacin y escala, respectivamente [14]: x(t) =
n m
xm,n m,n (t)
donde xm,n son los coecientes de la representacin discreta de la seal. En el anlisis de funciones con estructura compleja y variada, es conveniente usar tomos de representacin m,n (t) cuya forma sea igualmente exible. La primera clase de funciones wavelets son las funciones ortogonales, cuyas ventajas de empleo se explican en el numeral 1.2. Sin embargo, existen casos en los cuales no se requieren bases ortogonales. Entonces, la representacin se puede ampliar a los conjuntos que incluyan los ncleos bases conjugados o conjuntos base duales cuya condicin (1.53), en este caso corresponde a la expresin: l (t), k (t) = (l k ) El empleo de pares de ncleos autoconjugados hace que se cumpla la condicin (1.55), que para las bases discretas implica la ortonormalidad entre los respectivos ncleos. Por lo tanto, las expansiones mediante funciones wavelets que emplean los ncleos autoconjugados se denominan biortogonales y que para la funcin x(t) tienen la forma, x(t) =
k
x(t), k (t) k (t)
(2.35)
Los ltros wavelet asociados a las bases ortogonales generalmente tienen desfase no lineal, pero al debilitar tal condicin en el proceso de informacin, se pueden conseguir ltros de fase lineal, tanto para el anlisis como para la reconstruccin de seales [21]. En el caso de los sistemas biortogonales, siendo estos ms complejos en su desarrollo, a la vez que requieren almacenar un conjunto adicional al de la primera expansin ortogonal (el conjunto dual), se tiene mayor capacidad de generalizacin. Adems, las funciones wavelets biortogonales generan ltros wavelet de longitud ms corta y con desfase lineal, lo cual en el caso de las expansiones wavelet ortogonales, difcilmente podra conseguirse sin relajar la misma condicin de ortogonalidad. Como se indicaba en el anlisis de la TWC, el conjunto de funciones a,b , de forma inherente, presenta amplia redundancia. En este sentido, es importante extraer un cierto subconjunto discreto {a,b } F , tal que caracterice completamente el espacio L2 (R). En general, la familia de funciones {l : l L} dadas en cualquier espacio de Hilbert H se denomina marco, si existen las constantes cmin > 0, cmax < , denominadas extremos de los marcos, tales que para todas las funciones x en H se cumpla la desigualdad, anloga a (1.23): cmin x
2
l L
| x, l |2 cmax x 2 , cmin R+ , cmax R
106
El conjunto de las funciones {l } H, que conforman el marco caracteriza el espacio H de manera completa, y por tanto permite reconstruir la funcin x H, por mtodos numricos estables a partir de los coecientes x, l . Sin embargo, es de resaltar que en forma general, un marco no corresponde a un conjunto base, y entonces las funciones que lo conforman pueden ser linealmente dependientes. Si el conjunto de funciones {l } H que conforman un marco, son independientemente lineales, entonces el conjunto corresponde a un conjunto base (aunque no siempre ortogonal) y se denomina base de Riesz. En el caso de las wavelet, los marcos estn formados por una familia de vectores { k : k k} que representan la seal x(t) a partir de sus productos internos { x, k : k k}, donde k es un conjunto de ndices que puede ser de tamao nito o innito [12]. En este sentido, una familia de funciones wavelet {m,n (t) L2 (R) : m, n Z} constituye un marco, para toda funcin x L2 (R) si se cumple que: cmin
m,n
| x(t), m,n (t) |2 x(t)

2
cmax
(2.36)
Esto es, la energa normalizada de los coecientes en (2.36) est acotada por los valores de cmin y cmax , respectivamente. En forma general, los parmetros a y b que determinan, de manera correspondiente la escala y el desplazamiento de la funcin wavelet, toman valores discretos. El valor de a se selecciona igual al exponente entero (positivo o negativo) del parmetro jo de expansin de la escala a0 > 1, esto es, a = am 0 , m Z. El parmetro de desplazamiento debe cambiar en sincrona con la escala y, por tanto, tambin depende de m: b = nb0 am 0 , n Z, siendo b0 > 0 un valor a priori jo. De esta manera, la familia de funciones discretas wavelet tiene la forma: m,n (t) = a0
m/2 m a (t nb0 am 0 ) = a0 0 m/2 m a 0 t nb0
La implementacin sobre sistemas reales de proceso digital vista en la seccin 2.2.1, implica el uso de sistemas de conteo numrico binario, por lo que en el caso de la transformada wavelet discreta, la base exponencial de amplio uso es a0 = 2, con b0 = 1. El m conjunto base wavelet resultado es denominado didico : m,n (t) = 2m/2 2 0 tn . Entonces, el conjunto de funciones wavelet {m,n (t) : m, n Z}, algunas veces conforma un sistema base ortonormalizada en el espacio L2 (R).
9
9 6 Anlisis de resolucin variable. La resolucin de 9 6 1 ( una seal dada en (1.38), corresponde a la descripcin cualitativa asociada con su contenido espec V V V V 1 0 1 2 tral. Por cuanto se considera que la mayor parte de 0 ) 8 7 la informacin de la seal est en los cambios len8 7 8 7 tos, su versin sub-muestreada, que corresponde a la salida de un ltro pasa-bajas, es usualmente Figura 2.4: ARV: espacios anidados una aproximacin aceptable para el anlisis de las seales. El anlisis de resolucin variable (ARV) consiste en la representacin de la seal x(t) dada en forma de aproximaciones sucesivas, cada una de las cuales es una versin
107
ms na de la funcin x(t), que corresponden a diferentes niveles de resolucin. El anlisis ARV est fundamentado en la aproximacin del espacio L2 (R) por una serie de subespacios anidados secuencialmente, como se muestra en la Figura 2.4, Vl L2 (R): , V2 V1 V0 V1 V2 , tales que cumplan las condiciones: Vl = L2 (R),
l Z l Z
Vl = {0}
(2.37)
Una exigencia adicional que se impone, que est relacionada con el concepto de resolucin variable, consiste en que todos los espacios sean versiones escala del espacio central V0 , esto es, x(t) Vl x(2j t) V0 (2.38)
Otra particularidad que se exige al ARV est en la propiedad de invariabilidad de V0 en caso de desplazamiento de la funcin sobre una malla de valores enteros: x(t) V0 x(t n) V0 , n Z Por ltimo, se exige la existencia de una funcin V0 , tal que el conjunto conformado {n = (t n) : n Z} sea del tipo base Riesz del espacio V0 . Si se tiene una secuencia Vl que cumpla las anteriores restricciones, entonces existir la funcin V0 , tal que el conjunto de sus respectivas funciones rplica m,n (t) = 2l/2 2l t n : n Z conforman una base ortonormal del espacio Vl . La funcin es denominada funcin de escala y cumple la condicin, (t)dt = 1. De esta manera, Vl es un espacio que aproxima L2 (R) con resolucin 2l : PVl {x(t)} =
n=
x, l,n l,n (t)
(2.39)
siendo PVl la proyeccin ortogonal en el espacio Vl . El cambio de un espacio al contiguo, Vl Vl1 , corresponde a un cambio con mayor escala (menor resolucin), esto es, se llega a una versin ms gruesa que representa la seal con la prdida de cierta informacin. Esta particularidad orienta la implementacin del anlisis ARV, que en la prctica consiste en construir bases wavelet, empleando la diferencia de informacin entre los diferentes niveles de escala. Para cualquier l Z se dene el subespacio Wl que sea ortogonal al complemento de Vl en Vl1 . Entonces, Vl1 = Vl Wl , Vl Wl y Wl Wk l = k Si se nota con PWl la proyeccin ortogonal en Wl , entonces de (2.39) resulta que PVl1 x(t) = PVl x(t) + PWl x(t) La anterior relacin muestra claramente que la aproximacin con resolucin 2l1 puede ser descompuesta en dos trminos: la aproximacin con menos resolucin 2l y los detalles de la resolucin 2(l1) , dados por PWl x(t).
108
lo que se concluye que se tiene una descomposicin del espacio L2 (R) en un conjunto de subespacios ortogonales. Lo anterior implica que cuando el ndice de la resolucin toma valores desde hasta , la familia de funciones l,n (t) = 2l/2 2l t n : l, n Z conforma una base ortonormal de todo el espacio L2 (R) La forma de anidado antes descrita de los espacios V0 V1 , adems el hecho de que 1,n es una base ortonormal del espacio V1 , conllevan a la siguiente relacin: = 2
nZ
Se puede demostrar que para cualquier secuencia de espacios, que cumplan con las condiciones del ARV, existir una funcin wavelet (t), tal que la familia de funciones l,n (t) = 2l/2 2l t n : n Z forma una base ortonormal del espacio Wl para cualquier resolucin 2l . De las condiciones (2.37) y (2.38) se deduce que L2 (R) = Wl , por
l Z
hn (2t n) =
nZ
hn 1,n
(2.40)
donde hn = , 1,n . Los coecientes hn corresponden al ltro de la transformada wavelet y de manera completa caracterizan la misma funcin . Dicho de otra manera, la funcin se puede obtener con cualquier precisin por medio de la iteracin consecutiva del ltro hn . La ortonormalidad del sistema de funciones (t n) implica el cumplimiento de la siguiente restriccin, por parte de los coecientes de ltracin hn : hn h n+2k = 0,k
nZ
De manera similar, los espacio anidados W0 V1 sugieren la existencia de un ltro gn , que corresponde a la funcin wavelet : =
nZ
gn 1,n ,
gn = , 1,n
(2.41)
Por cierto, ambos ltros gn y hn se relacionan por la expresin simple: gn = (1)n hn+1 . El anlisis de resolucin variable conlleva al desarrollo jerrquico para el clculo de los coecientes wavelet de la seal x(t) en consideracin. As, de las ecuaciones (2.40) y (2.41) se obtienen las siguientes ecuaciones iterativas: cl k = x, l,k = dl k
nZ
hn2k x, l1,n = gn2k x, l1,n =
nZ nZ
1 hn2k cl n 1 gn2k cl n
= x, l,k =
nZ
Sean conocidos los productos escalares de una funcin dada x(t) con las funciones escala l,k , para un valor sucientemente pequeo de resolucin x, l,k . A este nivel de escala (espacio Vl ) se le puede notar de manera condicional como l = 0, V0 , al cual le corresponde el coeciente c0 k = x, 0,k , desde donde se empezar el clculo iterativo de los dems coecientes cl k = x, l,k : l = 1, 2, 3, . . . , empleando la expresin (2.40). Mientras que empleando (2.41) se hallan los coecientes dl k = x, l,k : l = 1, 2, 3, . . . , como se ilustra en la Figura 2.5.
109
El algoritmo de anlisis de resolucin c0 = {xk } h hE c2 hE c3 .......................................... E E c1 variable se puede considerar como el clcu.. .. .. e e e .. lo secuencial de aproximaciones gruesas de .. .. g g .. eg e e .. l .. x, determinadas por los coecientes ck , te.. . e e e e e e niendo en cuenta la informacin perdida al 1 2 3 d d d pasar a escalas mayores, la cual se reeja en los coecientes dl Figura 2.5: Diagrama de clculo ARV k . En la prctica el menor de los posibles valores de escala de resolucin se determina por la cantidad de valores discretos I de la seal de anlisis, preferiblemente que cumpla la condicin I = 2L , L Z. Al realizar el cambio de un valor dado de resolucin al siguiente, la cantidad de coecientes wavelet se disminuye en dos veces y el proceso se detiene hasta alcanzar una cantidad nita de niveles. Debido a la ortogonalidad de la transformada wavelet se obtiene un nmero de coecientes wavelet igual al nmero de valores discretos de la funcin. En este caso el algoritmo tiene un costo computacional del orden de O {I log2 I } operaciones. Por cuanto la funcin de resolucin, generalmente, est muy bien localizada en el espacio, entonces en calidad de coecientes c0 k = x, 0,k se pueden tomar los mismos valores discretizados {xk } de la funcin original de anlisis. Desde el punto de vista de los espacios de funciones, este algoritmo corresponde a la descomposicin del espacio V0 en una suma de subespacios ortogonales de funciones wavelet que en forma secuencial aumentan la escala de resolucin: V0 = W1 WL1 W L VL . La operacin inversa de reconstruccin de la seal original a partir de los coecientes wavelet se da por la expresin:
1 cl n = k Z l hn2k cl k + gn2k dk
(2.42)
El proceso en (2.42) va de las escalas ms gruesas hacia las ms nas. En general, no todas las funciones wavelet pueden ser empleadas en el anlisis de resolucin variable. Por ejemplo, la wavelet ortogonal meyer, cumplen con las condiciones del ARV, y muestran una buena regularidad C , sin embargo, no son sucientemente localizadas en el espacio. otro ejemplo puede ser las wavelet basadas en funciones de ajuste (spline ) de orden m, que presenta mejor localizacin en el espacio (con un comportamiento exponencial de cada a cero), pero con menor regularidad C m1 . Un caso especial corresponde a las wavelet tipo Daubechies con soporte compacto (Figura 2.6(a)), las cuales para un orden dado N son diferentes de cero en el intervalo con longitud 2N 1 y presentan de manera correspondiente 2N coecientes de ltracin hn y gn diferentes de cero. Adems, sin contar el caso N = 1 (que corresponde a la base Haar, que no es regular), las funciones N y N son continuas y diferenciables (para N 3), por lo menos hasta el orden m N/5. La implementacin de los algoritmos de anlisis y reconstruccin empleando las wavelet Daubechies exige solamente una cantidad de operaciones del orden I , que inclusive es ms rpido que el algoritmo de la transformada rpida de Fourier, el cual exige O {N } = I log2 I operaciones. Por ltimo, una de las propiedades ms peculiares de las wavelet Daubechies est relacionada con los momentos de desvanecimiento. Los polinomios 1, t, t2 , . . . , tN 1 pueden
110

1.5
N N N N =0 =2 =4 =6
1.5 1 0.5 0 0.5 1 1.5 0 2 4 6
1 0.5 0 0.5 1 1.5
2 0
0.5
1.5
2.5
(a) wavelet Daubechies con diferente orden N
(b) Aproximacin con diferentes valores de iteracin (Sym2)
Figura 2.6: Formacin de las wavelet
ser representados de forma exacta por la combinacin lineal de funciones de resolucin (t n) = 1, (n + 1 ) (t n) = t, n2 + 2 n + 3 (t n) = t2 , . . .
nZ
nZ
nZ
donde 1 , 2 , 3 , . . . son constantes. Propiedades del anlisis wavelet Las siguientes son las principales propiedades de las funciones wavelet empleadas en el proceso de seales: Regularidad. Corresponde a una forma de medir la suavidad en las seales; un alto grado de regularidad indica la suavidad en la vecindad del punto donde se calcula. Una primera forma de medir la regularidad consiste en vericar la existencia de sus derivadas hasta orden k . La regularidad de tiene inuencia en el error inducido durante la umbralizacin de los coecientes wavelet. Cuando se reconstruye la seal a partir de sus coecientes, se induce un error que perturba cada coeciente x, m,n generando una componente adicional wavelet m,n a la seal reconstruida. Si es suave, entonces m,n ser un error que vara suavemente a lo largo de la reconstruccin de la seal [12]. La propiedad de regularidad en la TW est directamente relacionada con sus momentos de desvanecimiento , denidos como:

tk (t)dt = 0, k = 0, 1, . . . , K
(2.43)
Si la wavelet tiene n momentos de desvanecimiento, se puede demostrar que la transformada wavelet puede ser interpretada como un operador diferencial de escala mltiple y orden n [12].
111
La expresin (2.43), cuando k = 0, corresponde a la condicin de valor medio de las funciones wavelets, segn la cual dos seales, que dieren nicamente por una constante, les corresponden los mismos coecientes wavelet de renamiento.
0.6 0.4 0.2 0 0.2
200
400
600
800
1000
1200
1400
127 99 Escala
50
200
600
1000
1400
Figura 2.7: Anlisis de regularidad empleando transformada wavelet
En general, la TW se puede hacer insensible a los comportamientos polinomiales de mayor orden k , variando el respectivo momento de desvanecimiento. Sea la seal x a analizar que presenta varias singularidades, de tal manera que entre los valores singulares contiguos su comportamiento sea suave, justamente, donde la seal puede ser aproximada adecuadamente de forma local mediante alguna expansin polinomial, por ejemplo la de Taylor que relaciona la diferenciabilidad de la seal con su aproximacin local. De esta manera, se puede aproximar x a un polinomio pv en la vecindad de v de la forma, x(t) = pv (t) +
v (t)
donde v (t) corresponde a los trminos residuales de descomposicin [12]. La transformada wavelet ignora el polinomio pv si existen sus primeros K momentos de desvanecimiento, por lo que para los monomios de grado menor o igual a K se cumple que, xk , m,n = 0, k = 0, . . . , K As los primeros K trminos en la aproximacin de Taylor de una funcin analtica no contribuyen a la formacin de los coecientes wavelet.
112
Se puede demostrar que, W {x(m, n)} = W { v (m, n)}, por lo cual la transformada wavelet entrega mximos locales en aquellos instantes donde exista alguna singularidad. En la Figura 2.7 se observa los cambios en las escalas de descomposicin de la wavelet asociados a una discontinuidad presentada la deteccin de valores anmalos en seales de electrocardiogrcas.
Soporte compacto. El soporte de una funcin x(t), corresponde a todos los valores del intervalo de tiempo, tales que supp(x) = {t R : x(t) = 0}. Una funcin posee soporte acotado si existen dos nmeros {tmin , tmax } R, tales que supp(x) (tmin , tmax ). Si el soporte acotado es del tipo cerrado |tmax tmin | < , se denomina soporte compacto. La funcin de escalamiento tiene soporte compacto, si y solo si el ltro h tambin tiene soporte compacto. Adems, ambos soportes son iguales. Sea el valor del soporte de h y igual a [N1 , N2 ], entonces el de es [12], [(N1 N2 + 1)/2, (N2 N1 + 1)/2] El soporte compacto de las funciones wavelet facilita la representacin localizada de las seales por medio de la TW, importante en aplicaciones tales como la compresin, la deteccin de seales y la reduccin de perturbaciones. El tamao del soporte de una funcin y el nmero de sus momentos de desvanecimiento son a priori independientes. Sin embargo, la restricciones impuestas sobre las wavelets ortogonales implica que para una funcin con m momentos de desvanecimiento, su soporte es al menos de tamao 2m1. Adems, si x tiene pocas singularidades aisladas y es regular entre estas, se debe seleccionar una wavelet con muchos momentos de desvanecimiento para producir un nmero alto de coecientes wavelet pequeos, de tal forma que la energa se concentre en unos pocos coecientes. Al incrementarse la densidad de las singularidades es mejor reducir el tamao de su soporte a costa de un menor nmero de momentos de desvanecimiento. De hecho, las wavelets que solapan las singularidades crean coecientes de amplitud alta. Simetra. Las funciones de escalamiento simtricas se utilizan para construir una base wavelet regular sobre un intervalo dado, en lugar del eje real. En el caso ortogonal, solo la wavelet Haar tiene soporte compacto y es simtrico. Mientras en el caso de analizar la estructura biortogonal (2.35), es posible sintetizar una funcin wavelet con sus respectivas funciones de escalamiento que sean simtricas o antisimtricas con soporte compacto; propiedad que es empleada en el procesamiento de imgenes. Desfase lineal. En forma general, un ltro h es llamado con desfase lineal si se cumple que: H ( ) = F {h} = HR ( )ej0 donde 0 R es la constante de desfase y HR es una funcin real de . Los ltros con respuesta de desfase lineal evitan la distorsin producida por el desfase no lineal y mantienen la forma de la seal, lo cual es usualmente importante en aplicaciones de voz, electrocardiografa e imgenes, entre otras. La ortogonalidad de las
113
bases y la linealidad de la fase de los ltros son propiedades incompatibles, excepto para la wavelet Haar [12]. Sin embargo, se pueden usar las wavelets bi-ortogonales, que presenten desfase lineal similar al caso de los ltros con respuesta a impulso innita. El desfase lineal en los ltros simplica la implementacin del algoritmo piramidal al no exigir la respectiva compensacin de fase.
Localizacin en el plano tiempo-frecuencia. La TW presenta alta capacidad de representacin en tiempo-frecuencia de seales, con buenas propiedades de localizacin en ambas variables. Si est bien localizada en tiempo y frecuencia, entonces el marco generado por tendr esa misma propiedad [22]. Si est bien localiza en tiempo y frecuencia, entonces m,n estar bien localizada alrededor de am 0 nb0 en tiempo y alrededor m de a0 w0 en frecuencia. Se ha encontrado que la representacin en tiempo-frecuencia x (t, ) de cualquier seal x(t) debe cumplir las siguientes propiedades [21]: La distribucin de tiempo-frecuencia debe ser real, y su integracin sobre todo el dominio de tiempo-frecuencia es igual a la energa de la seal x(t). La energa de la seal en una determinada regin R del plano (t, ), es igual a la obtenida por integracin de x (t, ) sobre los lmites de (t, ) de la regin R: x (t, )ddt = Ex (t, )
t
donde Ex (t, ) es la porcin de la energa de la seal comprendida en la banda de frecuencia y en el intervalo de tiempo t. El pico de la representacin de tiempo-frecuencia de una seal de frecuencia modulada, que contiene una sola componente espectral, se reeja por la frecuencia intermedia de la seal: x (t, ) =0
=i (t)
114
Problemas Problema 2.4. Demostrar la ortogonalidad del factor de pivote WN = ej 2/N Problema 2.5. Demostrar que para la siguiente funcin existe la transformada de Hartley
x(t) =
n=
(t n)
Problema 2.6. Hallar la transforma de Hartley de las siguientes funciones

cos (t/2) (u (t + 1) u (t 1)) sgn(t) t exp t2 u(t) 1/ t2 + 2
Problema 2.7. Obtener la transformada Z de la seal discreta {xk } con trmino comn xn = n /n!, n 0. Problema 2.8. Hallar la respectiva seal discreta a la cual le corresponde cada una de las siguientes Transformadas Z : 1 X (z ) = z 2 X (z ) = 1 0.3z 1 X (z ) = 25/ 1 09z 1 1/ 1 0.4z 1 1 0.6z 1
2.3. Transformadas ortogonales discretas rpidas
115

2.3.1. Denicin
En las tcnicas de proceso digital de seales es frecuente la necesidad de intercambio entre la representacin espectral y la respectiva representacin de valores en el tiempo, y viceversa. En este caso se deberan emplear las respectivas TDF, TDW y TDH, sin embargo, su clculo directos acorde a las expresiones (2.24a), (2.24b), (2.31a), (2.31b), (2.33) y (2.34) implica la realizacin de un volumen muy grande de operaciones, generando altas exigencias en los recursos computacionales de proceso digital. Las anteriores restricciones estimularon la bsqueda de algoritmos de clculo con mnimos costos computacionales para el clculo de las transformadas ortogonales discretas; estos algoritmos reciben el nombre de algoritmos de transformadas rpidas, cuyo uso disminuyen, de manera signicativa, la cantidad de operaciones aritmticas en la implementacin de las transformadas ortogonales discretas, disminuyendo, tanto el respectivo tiempo de clculo, como la cantidad de memoria de los sistemas de proceso digital. La mayora de los algoritmos de transformadas rpidas se desarrollan basados en dos principios: la descomposicin de arreglos mono-dimensionales en arreglos de bidimensionales, o en la factorizacin de las respectivas matrices de las transformadas El primer mtodo consiste en romper la secuencia inicial en dos secuencias mas cortas, el clculo de sus respectivos espectros y, a partir de estos se realiza la composicin del espectro de la secuencia original. El mtodo est basado en la suposicin de que la cantidad total de operaciones necesaria para el clculo del espectro de las secuencias secundarias es menor que el clculo directo sobre la secuencia original de (2.19b), de la cual se observa que para una secuencia original de longitud N -par se requieren N 2 multiplicaciones y N (N 1) adiciones. Al desdoblar la secuencia original en dos secuencias secundarias de longitud N/2, sus espectros requerirn N 2 /2 sumas y N (N/2 1) adiciones, por lo que el volumen de operaciones se reduce el volumen inicial de operaciones prcticamente en dos. Por cuanto, el clculo del espectro de la secuencia original a partir de las secundarias, no exigen mayor costo computacional, el mtodo se puede replicar desdoblando consecutivamente las secuencias secundarias, con lo que se reduce el volumen inicial de operaciones signicativamente. El segundo mtodo de factorizacin consiste en la representacin de las matrices de las transformadas N en forma de multiplicacin de dos ms sencillas que contienen (1) (2) (k ) principalmente elementos nulos: N , N , . . . , N siendo k el orden de factorizacin. De esta manera, los coecientes se calculan por la ecuacin matricial: xN 1 =
(2)
1 (1) (2) (k ) N vN 1 N N N
(1) (k ) (k1) (1) vN 1 ,
que debe ser implementada en varias etapas: inicialmente se calcula vN 1 = N vN 1 , luego,vN 1 = N

(k )
y as sucesivamente hasta
vN 1 = xN 1 =
1 (1) (k1) v N N N 1
La economa en la cantidad de operaciones se obtiene por cuanto en cada etapa se
116
realiza un volumen pequeo de operaciones, debido a que cada N , i = 1, 2, , k , es del tipo matriz descargada.
(i)
2.3.2. Transformada rpida discreta de Fourier

Uno de los mtodos ms efectivos en la reduccin del clculo numrico de la TDF consiste en el cambio de variables, descomponiendo su representacin mono-dimensional en multi-dimensional, en otras palabras, representar un problema complejo por varios ms simples. Sea dada la secuencia inicial de representacin {X [n]}, n = 0, 1, , N , tal que se cumpla la condicin N = 2m , m Z. La secuencia primaria se desdobla en las secundarias {X1 [n]} y {X2 [n]}, tal que X1 [n] = X [2n], n = 0, 1, , N/2 1 (elementos pares) y X2 [n] = X [2n + 1],n = 0, 1, , N/2 1 (elementos impares). Tomando en cuenta (2.24a) la respectiva TDF se puede representar en la forma: 2 x[k ] = N
N/21 n=0 2kn X [2n]WN
2 + N
N/21 n=0
X [2n + 1]WN
(2n+1)k
Observando que, para el factor de pivote, se cumple que

2 WN = ej 2/N 2
= e%
2 j N/ 2&
con lo que los coecientes de representacin inicial pueden escribirse como: 2 x[k ] = N
N/21 n=0 2kn X1 [n]WN/ 2
2 k + WN N
N/21 n=0
kn X2 [n]WN/ 2
Sin embargo, xl [k ] = F 1 {Xl [n]}, por lo que se puede deducir que

k x[k ] = x1 [k ] + WN x2 [k ], 0 k N/2 1
(2.44)
En la expresin (2.44) se determina solamente la primera mitad de los coecientes. El factor de pivote cumple las propiedades de periodicidad, WN/2
l+N/2 l = WN/ 2
y antisimetra WN
l+N/2
= e%
j 2
l+N/2 N
l l ) e(j) = e(j 2 N ) = W l & = e(j 2 M N
Por lo que la descripcin completa del arreglo de coecientes (2.44) es la siguiente: x[k ] =
k x [k ], x1 [k ] + WN 2 kN/2 x2 [k WN
x1 [k N/2] +
N/2],
0 k N/2 1
N/2 k N 1
El procedimiento analizado puede ser replicado sobre cada una de las secuencias secundarias X1 [k ] y X2 [k ], cada una de las cuales se subdividen en las respectivas secuencias derivadas xmn [k ], m = 0, 1, , N/4 1, n = 1, 2 (conservando los elementos
117
pares en unas secuencias y los impares en las alternas), de tal manera que los respeck x [k ], 0 k N 1. Este tivos elementos de representacin sern x[k ]n = xm1 [k ] + WN/ 2 n2 proceso de desdoblamiento de las series se contina hasta que la longitud de la serie derivada disminuya a N = 2. En la Figura 2.8 se muestra el diagrama de grafos que indica la direccin de las operaciones, para el caso de N = 8, en la cual se observa que los elementos nales no estn dispuestos de manera lgica acordes al ordinal de la serie. En particular, los elementos internos de cada serie, estn invertidos en su orden.
X r 1 [0] r r X0 [0] & [0] & d d X 2 & & ... ...d d .. & & .... .... x[1] W 0dX X [1] r 2 [1] b & r rX0 [1] 1 & &W0 & & & & & d x[2] & r r & r & & d & & X0 [2] 0 & b & & d d X2 [2] W X [2] 1 & & & & b & 2 ... & d ... & X& [3]W ... & 2 & d & ... [3]& .... X x[3] r r 1& W 0d& & & rX0 [3] & 1 & b & & & & W & & & r d x[4] & r & & &r X0 [4] & X [4] 1 & 2 b & & & d d X2 [4] & & & & & & W ... d X1& [5] & ... d & ... . . & & & & . & .... x[5] r & W 0dX r 2 [5] d b & r X0 [5] & & & W0 & && & b & 3 & & rX [6] & x[6] r & r & & 0 & W & d & X [6] d d X2 [6] 1 & & . . b & . . & X& [7]W 2 X1 [7] & .... d 2& .... & .. . rX0 [7] x[7] & r r W d& x[0]
d d d ar d ra b
k ar E W k aW r
br
ra + b
Figura 2.8: Secuencia de operaciones de la transformada rpida de Fourier (N = 8)
El algoritmo mostrado para el desarrollo de la Transformada rpida de Fourier (TRF) (2.28a), puede se emplea para el clculo de la transformada en el sentido inverso (2.28b) X [n ] =
N 1 k=0 kn x [k ]WN ,
n = 0, 1, . . . , N 1
(2.45)
La expresin (2.45) corresponde al algoritmo de la TDF vista sin tener en cuenta la constante 1/N . Conociendo el conjugado X [n] es relativamente simple determinar la secuencia X [n]. Una forma alterna del desdoblamiento de las secuencias originales consiste en subdividir la secuencia inicial en las mismas dos secuencias secundarias, pero de la siguiente manera: X1 [n] = X [n], n = 0, , N/2 1y X2 [n] = X [n + N/2], n = 0, 1, , N/2 1 En otras palabras, la primera secuencia recoge las primeros N/2 elementos de X [n], mientras los respectivos N/2 trminos. La trasformada de Fourier de la secuencia {X [n]}, teniendo en cuenta la forma de subdivisin propuesta, es la siguiente: 2 x[k ] = N
N/21 n=0 nk X [n ]W N
2 + N
N 1 n=N/2
nk X [n ]W N
2 = N
N/21 n=0
nk X 1 [n ]W N
2 + N
N/21 n=0
X 2 [n ]W N
(n+N/2)k
118
luego
2 x[k ] = N
N/21 n=0
nk X1 [n] + X2 [n]e(jk) WN
(2.46)
Los coecientes pares se determinan como: 2 x[2k ] = N

N/21 n=0
(X1 [n] +
2nk X2 [n])WN
2 = x[2k ] = N
N/21 n=0
nk (X1 [n] + X2 [n])WN/ 2
Mientras, los impares se determinan de la siguiente forma: x[2k + 1] = 2 N

N/21 n=0 n nk (X1 [n] X2 [n]) WN WN/ 2
De manera similar al primer mtodo expuesto, la transformada de cada una de las secuencias secundarias puede ser calculada replicando el desdoblamiento, y as sucesivamente , hasta obtener nalmente la ultima secuencia de longitud mnima N = 2. La cantidad de operaciones en ambos mtodos expuestos es igual a N log N . El algoritmo de la transformada rpida de Fourier puede ser calculado empleando el mtodo de factorizacin de matrices. Transformada rpida de Hartley. El clculo de la TDH presenta un problema anlogo al de la computacin de la transformada de Fourier, debido a que se tienen que desarrollar N 2 operaciones aritmticas para computar la TDH en un conjunto de datos compuesto de N elementos. La TRF usa el proceso de permutacin que permite rpidamente calcular la transformada de los pares de datos (reales e imaginario), y combinarlos de nuevo para hacer la transformada completa en vez de hacer la computacin de un conjunto de datos complejos. La permutacin es particularmente rpida cuando la cantidad de datos es grande. Si se supone los 2 elementos pares semejantes, usando el proceso de mariposa se puede computar la transformada de Fourier de un conjunto de datos, el cual tomar aproximadamente N log N [s] en realizar la transformada de punto N del conjunto. 1 La Transformada de Hartley de datos pares (a, b) es 2 (a + b, a b), cuya computacin es fcil, se puede, entonces, superponer esta secuencia de 2 elementos para calcular la Transformada de Hartley de la entrada de un conjunto de datos. Sin embargo, para esto se requiere de la expresin que relacione la TDH en trminos de longitudes medias subsecuentes. Las expresiones de descomposicin general de la TDH se basa en el apareamiento de datos: H (f ) = H1 (f ) + H2 (f ) cos(2f /Ng ) + H2 (Ng f ) sin(2f /Ng ) Anlogamente, el mismo mtodo de descomposicin puede ser empleado en la Transformada de Fourier: X (f ) = F1 (f ) + F2 (f )e(2f /Ng )
119
donde Ng = N/2 es el nmero de elementos en la secuencia de media longitud para un conjunto de N elementos. La expresin de descomposicin de la transformada rpida de Hartley (TRH) diere de la TRF en que los elementos multiplicados por el trmino trigonomtrico no son simtricos en la frmula de descomposicin para TRH, el trmino multiplicado por los coecientes trigonomtricos involucran trminos solo en X (f ) en la expresin de descomposicin de TRH, en la cual ambos H (f ) y H (Ng ) tienen coecientes de senos; esta simetra se vuelve aparente cuando se expresa la transformada discreta como una operacin de matrices; los trminos de la matriz TRF son simtricos, mientras, los trminos correspondientes a la TRH son asimtricos. Esto genera problemas de computacin, porque el procesamiento de la matriz asimtrica es difcil de implementar, se puede tratar con esta asimetra utilizando un trmino independiente como un ndice para los elementos multiplicados por los coecientes del senos, este ndice decrece mientras que los otros ndices aumentan; este comportamiento es llamado ndice de regresin. Comparacin de los algoritmos de TRF y TRH. La Transformada de Fourier se puede obtener a partir de la Transformada de Hartley. De hecho, frecuentemente es ms rpido generar la Transformada de Fourier y el espectro de potencia a partir de la TRH que con la TRF, debido a que en el clculo del procedimiento de mariposa se emplean cantidades reales y no imaginarias, que requieren de operaciones de punto otante. Se pueden relacionar las partes imaginarias y reales de la TRF al nal del calculo usando estas ecuaciones: Fn (f ) = H (f ) + H (N f ) Fg (f ) = H (f ) H (N f )
donde Fn (f ) es la parte real de la transformada compleja de Fourier y Fg (f ) es la parte imaginaria. El clculo del espectro de potencia directamente de la TRH se realiza mediante la relacin: S (f ) = H (f )2 + H (N f )2 /2 El clculo de la convolucin de un par de funciones se puede realizar empleando las Transformadas de Hartley Fourier. Sin embargo el empleo de la TRH resulta ser superior a la TRF en trminos de velocidad para cualquier implementacin dada. Las ecuaciones siguientes resumen la funcin de convolucin para las transformadas de Hartley y Fourier respectivamente: f1 (t) f2 (t) = H1 (f )H2p (f ) + H (f )H2i (f ), (Hartley) (Fourier)
f1 (t) f2 (t) = F1 (f ) F2 (f ),
Los subndices p e i en la ecuacin de Hartley denotan las partes pares e impares de la transformada. Si la funcin es par o impar, entonces la convolucin para la transformada de Hartley se reduce a la ecuacin: fm (t) xn (t) = Hm (f )Hn (f )
120
2.3.3. Transformada rpida discreta de Walsh
Los algoritmos de la transformada rpida de Walsh existen para cualquier forma de ordenamiento de las funciones. En este caso se analiza el mtodo basado en la transformada rpida de Hadamar, cuyo algoritmo puede ser obtenido, bien por factorizacin de la matriz de Hadamar AN , o bien por su divisin. Sin embargo, es preferible analizar el segundo algoritmo por su simpleza. La matriz de Hadamar de orden N se denomina la matriz cuadrada AN con elementos amn = {1, 1}, m, n = 0, 1, , N 1, de tal manera, que AN AT N = N IN , siendo IN la matriz unidad. De la denicin de la matriz de Hadamar, se deduce la ortogonalidad de N 1 sus las, esto es, n =0 anm akm = 0, n = k . La matriz de Hadamar de orden 2m se puede obtener de una matriz de Hadamar de menor orden, empleando la expresin recurrente: A2n = A2n1 A2n1 A2n1 A2n1 (2.47)
Sea dada la seal x[k ], k = 0, 1, , N 1. Entonces vN 1 = A N xN 1 Empleando la propiedad (2.47), la transformada (2.48) se representa como: v [0] v [1] v [N 1] 1 = N x[0] x[1] x[N 1] (2.48)
AN/2 AN/2 AN/2 AN/2
la cual se puede romper en dos matrices v [0] v [1] v[ N 2 1] x1 [0] v[ N 2] x1 [1] v[ N 2 + 1] , 1] x1 [ N v [N 1] 2 x1 [ N 2] x1 [ N 2 + 1] x1 [N 1]
1 A N N/2
1 A N N/2
(2.49)
donde x1 [k ] = x[k ] + x[k + N/2 1], k = 0, 1, , N/2 1 y x1 [k ] = x[k N/2] x[k ], para los valores k = N/2, N/2 + 1, , N 1. Aplicando nuevamente la misma divisin sobre el ltimo par de matrices se obtiene: v [0] v [1] v[ N 2 1] v[ N 2] v[ N 2 + 1] v [N 1] x1 [0] x1 [1] , x1 [ N 2 1] x1 [ N 2] x1 [ N 2 + 1] x1 [N 1]
1 N
AN/4 AN/4 AN/4 AN/4
1 N
AN/4 AN/4 AN/4 AN/4
121
Cada una de estas matrices puede ser dividida de manera consecutiva en otras dos matrices como se muestra en (2.49). En el caso de la primera matriz se tiene v [0] v [1] v[ N 4 1] 1 A N N/4 x2 [0] v[ N 4] x2 [1] v[ N 4 + 1] , x2 [ N 1] v[ N 4 2 1] 1 A N N/4 x2 [ N 4] x2 [ N 4 + 1] , x2 [ N 2 1]
siendo x2 [k ] = x1 [k ] + x1 [k + N/4 1], k = 0, 1, . . . , N/4 1 y x2 [k ] = x1 [k N/4] x1 [k ], para k = N/4, N/4 + 1, , N/2 1. La segunda matriz se divide de manera similar. El procedimiento de divisin puede realizarse consecutivamente hasta la longitud N/(N 1) = 2, para la cual se tiene la matriz base A2 = 1 1 1 1
En la Figura 2.9(a) se muestra el diagrama de grafos correspondiente al algoritmo presentado para la transformada rpida de Hadamar, el cual requiere N log2 N operaciones, para el clculo de una secuencia de longitud N = 2m , m Z. El algoritmo presentado tambin es aplicable a la transformada rpida de Hadamar-Walsh en sentido inverso.
1 /8 x2 E rx1 [0] r [0] r d x [0] 3 d d rx1 [1] r d E x0 [1] dr r d x3 [1] 1/8 x [1] dd dd 2 d d dd d 1 /8 d x [2] x2 [2] r x0 [2] d E r 1 dd r d dr d x d [2] 3 d d d d x0 [3] dd r r dr E rx1 [3] d x3 [3] 1/8 x2 [3] d d d d d d d d x [4] x2 [4] 1/8 x0 [4] r r E r d d dr 1 d d d x3 [4] d d d d x [5] d E 1 r x0 [5] dr r rd d d d d x2 [5]x3 [5] 1/8 d d d d d d d dx [6] 2 1 /8 dd x0 [6] d [6] E r rx1 d r dr d x3 [6] d d d d x0 [7] E r rx1 [7] d r dr x2 [7]x3 [7] 1/8 (a) Transformada rpida de Hadamar x0 [0] r
r X [0] rX [1] rX [2] rX [3]
x0 [0] r
r X [4] r X [5] r X [6] r X [7]
(b) Transformada rpida modicada de Hadamar
1/8 r X [0] x2 E rx1 [0] r [0] r d x3 [0] d d d E rX [1] x0 [1] [1] r dr rx1d r d x3 [1] 1/8 x [1] d dd 2 d d dd dd 2/8 rX [2] d x [2] x2r[2] E x0 [2] d 1 r d d r d d d 2/8 r d d x0 [3] dd E r rx1 [3] d r X [3] x [3] d d d 2 d d d d d x1 [4]1/4 x0 [4] E r X [4] r d d dr d d d d 1/4 d E x0 [5] r r r X [5] dd d d x [5] 1 dd 1/4 E dd x0 [6] r X [6] d rx1 [6] r d 1/4 r X [7] E dr x0 [7] r x1 [7]
Figura 2.9: Diagrama de implementacin de la transformada de Hadamar (N = 8)
2.3.4. Transformada rpida discreta de Haar

En el caso de la implementacin de la transformada rpida de Haar, este se puede llevar a cabo empleando la transformada modicada de Hadamar [23]: vN 1 = 1 M A xN 1 , N = 2m , m Z N N (2.50)
donde AM N es la matriz ortogonal, denida por la relacin recurrente: AM 2k = AM 2k1 2(k1)/2 I2k1 AM 2k1 2(k1)/2 I2k1 , k = 1, 2, , m (2.51)
122
siendo I2k1 la matriz unitaria de orden 2k1 ; AM 1 =1 En calidad de ejemplo se analiza la matriz ortogonal para N = 8: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 0 2 2 0 2 0 0 0 2 0 2 0 2 0 2 2 0 0 0 2 0 0 0 0 2 0 0 0 2 0 0 0 0 2 0 0 0 2 0 0 0 0 2 0 0 0 2
AM 8 =
El algoritmo de la Transformada modicada de Hadamar, que es similar al analizado para el caso de la TDW rpida, tiene la estructura mostrada en la Figura 2.9(b). La cantidad de operaciones es de 2(N 1) sumas (o restas), N multiplicaciones y log2 (N 1) inversiones binarias, por lo que de los algoritmos rpidos vistos para las transformadas ortogonales discretas el algoritmo de la transformada de Haar es el ms econmico en cuanto a costo computacional. El clculo de la transformada modicada de Hadamar en sentido inverso se determina de la relacin: xN 1 = A M N
1
vN 1
1
M M Debido a que la matriz ortogonal AM N no es simtrica, entonces AN = AN
, y por tan-
x0 [0] r
1/8 x2 E rx1 [0] r [0] r d x3 [0] d d d E x0 [1] [1] r dr rx1d r d x2 [1]x3 [1] 1/8 d dd dd dd dd x2 x0 [2] d rx1 [2]d d r [2]inversor r d d binario d d d x0 [3] dd r rx1 [3] d dr d d x2 [3] N = 2 d d d d d d x1 [4] 1/4 x0 [4] r d d d d dr inversorrx2 [4]E d d 1/4 d x0 [5] d r binario r r E d d d x [5] 2 x1 [5] dd d 1/4 x [6] x d dr 1 x0 [6] r E r 2 [6] d N = 4r 1/4 dr x0 [7] r E x1 [7] x2 [7]
2/8 rX [2] E E2/8 rX [3]
rX [0] rX [1]
rX [6] X [7] r
rX [4] rX [5]
Figura 2.10: Diagrama de la transformada rpida de Haar (N = 8)
to los respectivos grafos del par de transformadas rpidas de Hadamar, en los sentidos inverso y directo, no coincidirn. En otras palabras es necesario sintetizar un algoritmo diferente de clculo para cada uno de los sentidos de la transformada rpida de Hadamar. En la Figura 2.10 se muestra la secuencias de operaciones en el clculo de la transformada de Haar, basado en los algoritmos de la transformada rpida modicada de Hadamar antes explicada.
2.4. Filtracin ortogonal discreta
123

2.4.1. Respuesta discreta a impulso
Los sistemas lineales en tiempo discreto se describen por medio de ecuaciones de diferencias con parmetros constantes:
N n=0 M
an y [k n] =
m=0
bm x[k m]
(2.52)
donde a0 = 1, an = 0, y [k l], x[k l], corresponde a los valores de las seales discretizadas de salida y entrada, respectivamente. Si ese cumple que ak = 0, para algn k = 0, entonces el sistema se denomina recursivo. La seal a la salida de tal sistema depende no solamente de las seales de entrada, sino de valores de la seal de salida en momentos anteriores. En cambio, si los coecientes an = 0, n = 1, 2, . . . , N , entonces se habla de sistemas no recursivos, cuya seal de salida se determina solamente por la accin de entrada en el momento actual de tiempo. La respuesta a impulso de un sistema discreto h[n] se dene a la seal de salida cuando en calidad de la seal de entrada de tiene la funcin x[n] = [n], denida en (2.9). En concordancia con la denicin dada en (1.101), la seal a la salida de un sistema discreto lineal e invariante en el tiempo se dene como: y [n ] =
k=
h[n, k ]x[k ] =
k=
h[n k ]x[k ],
(2.53)
Teniendo en cuenta que la condicin de realizacin fsica del sistema implica h[n, k ] = 0, k > n, entonces se obtiene que: y [n ] =
k=0
h[k ]x[n k ], n = 0, 1, . . .
(2.54)
En los ltros no recursivos la respuesta a impulso contiene una cantidad nita de elementos, que no excede el valor de M + 1, donde M es el lmite superior de la suma en (2.53), correspondiente a los elementos de la entrada; estos sistemas se denominan de respuesta a impulso nita (RIF):
N
hRIF [n] =
i=n0
i [n i], donde n0 , N <
Por el contrario, los sistema discreto recursivos poseen respuesta a impulso innita y se denominan de respuesta a impulso innita (RII):
N
hRII =
i=n0
i [n i], cuando |N n0 |
(2.55)
124
2.4.2. Funcin de transferencia discreta

Como en los sistemas continuos, los sistemas discretos lineales e invariantes en el tiempo con respuesta a impulso dada h[n], se determinar la seal de salida y [n], para el caso de tener una seal de entrada de la forma x[n] = cos[n ], o sea; y [n ] =
i=
h[i]x[n i] =
h[i]ej (ni) = ejn
h[i]eji
i=
i=
teniendo en cuenta (1.93), entonces y [n] = ejn H (ej ), donde H (ej ) es la respuesta de frecuencia o funcin de transferencia discreta, que en forma general, puede ser compleja como se demostr en el caso de los sistemas continuos, as Y ej = X ej H ej , entonces, y [n] = x[n] h[n] Los mtodos de anlisis de sistemas discretos, bsicamente, corresponden a los mismos mtodos de los continuos y que estn representados en la Figura 2.11. De acuerdo, al desarrollo matemtico descrito de la funcin de transferencia pueden existir varios mtodos para su determinacin. El primer mtodo emplea la funcin de impulso unitario [n] como seal de entrada, un segundo mtodo emplea la funcin exponencial ejn en correspondencia con la denicin y, por ltimo, sin especicar la seal de entrada se puede analizar la ecuacin diferencial que describe el sistema [24]. El mtodo matricial es comn en la descripcin de sistemas discretos, en el cual el operador H se representa en forma de matriz. Sean en calidad de funciones propias del operador, las siguientes funciones discretas m [k ], m, k = 0, 1, , N 1, esto es H {m [k ]} = H (m)m [k ], (2.57) (2.56)
x[n]
h [n ]
x[n] TDF(D)c X ej
h [n ] TDF(D) c H ej
f x f
d d
c
Y ej
c
y [n ]
TDF(I) c y [n ] b)
a)
El proceso de ltracin digital discreta Figura 2.11: Anlisis de sistemas discretos puede ser entendido como la multiplicacin de los coecientes v [n ] obtenidos de la representacin de la seal de entrada en base m [k ] por los respectivos coecientes de la
125
funcin de transferencia H (m). La multiplicacin corresponde a los coecientes espectrales de la seal de entrada. Las restricciones de implementacin prctica hacen que en el proceso de seales se utilicen solamente bases discretas del tipo ortogonal, para los cuales la seal de salida puede ser representada por la siguiente expresin matricial: YN 1 = 1 T HN N XN Pk N N
donde Y y X se forman de las respectivas seales discretizadas de salida y entrada, matriz ortogonal, con las determinadas por las funciones discretas ortogonales m [k ], i, k = 0, 1, , N 1, donde N es el conjunto de la base y K es la matriz ortogonal compuesta por los coecientes H (m). Por lo anterior, la transformacin lineal discreta se representa por la matriz H = 1 T H N (2.58)
2.4.3. Filtros discretos de Walsh

La ecuacin representativa del sistema (2.52), en este caso tiene la forma
N n=0 M
an y [k n] =
m=0
bm x[k m]
donde a0 = 1, an = 0, x[k ] y y [k ] son las versiones discretizadas de entrada y salida, respectivamente. El diagrama estructural de los ltros de Walsh, corresponde al diagrama 3.2(a), en el cual, las lneas de retardo corresponden al desplazamiento didico en una unidad de tiempo (N + M + 1). La respuesta a impulso de los ltros de Walsh se halla por denicin excitando el sistema con la seal singular: [n k ] = 1, n k = 0 0, 0 n k N 1
La salida del ltro ser: y [n] = H {x[n]} = H luego, y [n] =

N 1 k=0 N 1 k=0
x[k ] [n k ]
N 1 k=0
x[k ]H { [n k ]}
x[k ]h[n k ].
La funcin de transferencia puede ser hallada a partir de los valores propios del ltro de Walsh descritos en (1.47a): H {call [k ]} = Hc (l)call [k ] H {sall [k ]} = Hs (l)sall [k ] (2.59) (2.60)
126
Reemplazando en (2.52) la seal de entrada por las funciones call [k ] y sall [k ], el anterior sistema toma la forma:
M N
Hc (l) =
m=0 M
bm call [m] bm sall [m]

m=0
1+
n=1 N
an call [n] an sall [n]

n=1
Hs (l) =
1+
Si se conocen los coecientes de transferencia Hc (l), Hs (l) y el espectro ax (l) + bx (l) de la seal de entrada x[k ], k = 0, 1, , N 1 se puede hallar el espectro de salida ay (l) + by (l) = Hc (l)ax (l) + Hs (l)bx (l) cuya transformada de Fourier-Walsh, resulta en la seal de salida del ltro: y [k ] =
N 1 l=0
(Hc (l)ax (l)call [k ] + Hs (l)bx (l)sall [k ])
La relacin entre los coecientes de transferencia Hc,s (l) y la respuesta a impulso h[n], se establece hallando la transformada directa de Fourier-Walsh de la expresin general del ltro (2.52): ay (l) = by (l) =
N 1 k=0 N 1 k=0
x[k ]
1 N
N 1 n=0 N 1 n=0
h(n k )cali [n] h(n k )sali [n]
1 x[k ] N
Sea m = n k . Por cuanto call [m k ] = call [m] call [k ], as mismo, teniendo en cuenta que sall [m k ] = sall [m] sall [k ], se encuentra ay (l) = ah (l)ax (l)N y by (l) = bh (l)bx (l)N , donde ah (l) + bh (l) es el espectro de la respuesta a impulso. De lo anterior se puede inferir que los respectivos de coecientes de transferencia Hc,s (l) estn relacionados con la respuesta a impulso por las relaciones: Hc (l) = Hs (l) =
N 1 m=0 N 1 m=0
h[m]call [m] h[m]sall [m]
De las expresiones (2.59) y (2.60) se puede generalizar el operador del ltro de Walsh: H {wl } = H (l)wl [k ], l, k = 0, 1, , N 1, siendo wl [k ] = N 1/2 walk [k ] el sistema de funciones ortonormales discretas, que corresponde a los vectores propios del operador de ltracin, el cual puede ser representado por la matriz de orden N , acorde con la expresin (2.58): H = WT KW
127
Por cuanto la matriz W es simtrica el operador de ltracin de Walsh tiene la forma: H = WKW (2.61)
La sntesis del respectivo ltro se puede realizar en correspondencia con la siguiente expresin: Y = WKWX (2.62)
Ejemplo 2.2. Determinar la funci on de transferencia H (ej ) del sistema representado en la Figura2.12(a), donde || < 1.
4
= .75
1( x[n] E 0) T K y [n 1]
3.5
= .5 = .25
y [n] E
2.5
amplicador'
retenedor '
1.5
1 1.5 1 0.5 0 0.5 1 1.5
(a) Diagrama
(b) Magnitud
Figura 2.12: Sistema recursivo de primer orden M etodo 1. De acuerdo al sistema presentado, la respuesta a impulso dada ser a h[n] = n u[n], luego, la funci on de transferencia se determina como:

H (ej ) = H (ej ) =
n=0
h[n]ejn =
n= n=0 n
n ejn =
ej
1 1 ej
M etodo 2. Sea x[n] = ejn la se nal de entrada, luego, la se nal a la salida del sistema ser a y [n] = H ej ejn , que aplicando (2.18), y [n 1] = H ej ej (n1) por lo que la ecuaci on recurrente del ltro ser a: y [n] = x[n] + y [n 1] Reemplazando H (ej )ejn = ejn + H (ej )ej (n1) = 1 ejn = 1 ej ejn ej (n1)
A partir de la ecuaci on recurrente obtenida y empleando las expresiones (2.18) y (2.56) se obtiene Y (ej ) = X ej + ej Y ej .
128
Debido a que Y ej = H ej X ej , entonces H (ej ) = Y (ej ) 1 = X (ej ) 1+ej
Finalmente, se puede demostrar que el m odulo y la fase de H ej respectivamente ser an (Figura 2.12(b)): H ej mientras (ej ) = arctan sin 1 cos . = 1+ 2 1 2 cos
2.4.4. Funcin de convolucin discreta

Cualquier secuencia discreta correspondiente a la seal de entrada de la forma {x[k ]} = + x[2]{ [k + 2]} + x[1]{ [k + 1]} + x[0]{ [k ]} + x[1]{ [k 1]} se podr representar en trminos de la funcin de impulso unitario (2.9): {x[k ]} =
i=
x[i]{ [k i]}
La secuencia de salida {y [n]} empleando la propiedad de linealidad (2.17) tendr la forma: {y [k ]} =
i=
x[i]{h[k i]},
donde el k trmino de la secuencia de salida se dene como y [k ] =
i=
x[i]h[k i]
(2.63)
La sumatoria (2.63) se conoce como convolucin discreta y se representa de la forma: {y [k ]} = {x[k ]} {h[k ]} = {h[k ]} {x[k ]} La sumatoria (2.63), generalmente, se conoce como acclica o aperidica. Si la seales de entrada x[n] es de longitud M y la respuesta a impulso h[n] es de longitud N , entonces la respuesta y [n] ser de longitud N + M 1. La convolucin cclica se dene como [16]: y [k ] =
N 1 i=0
x[i]h[k i]
129
En este caso, las secuencias de entrada se consideran de igual longitud N . Adems, x[n] y h[n] se asumen peridicamente extendidas fuera del rango [0, N 1], que resulta tambin en una salida y [n] peridica. Una notacin alterna empleada durante el desarrollo de los algoritmos de clculo y basada en la operacin de mdulo es y[ k
N] = N 1 i=0
x[ i
N ]h[
ki
N]
donde n N es el residuo de n mdulo N . (Cuando la base es obvia sta se omitir). La convolucin discreta en (2.63) se dene como lineal si est determinada para todos los valores de i en el intervalo (, ). Si la seal x[i] es cero para i fuera del intervalo [N1 , N2 ], entonces, se denominar seal de longitud (N = N2 N1 + 1), que por conveniencia se notar por N . De igual manera, si la respuesta h[v ] es cero fuera de [M1 , M2 ] se denominar de longitud (M = M2 M1 + 1). Para el caso de dos seales nitas los trminos de la suma (2.63) M2 + N2 < I < M1 + N1 resultarn ser cero, por lo que la seal de salida ser de longitud (M2 + N2 N1 M1 + 1) que corresponde a la menor suma de las longitudes de las seales que conforman la convolucin. En este caso, la primera componente diferente de cero ocurre cuando i M1 = N1 i = M1 + N1 y el ltimo cuando i M2 = N 2 i = M2 + N 2 .
Ejemplo 2.3. Determinar la convoluci on y [n] para las funciones discretas dadas h[n] = an u[n] n y x[n] = b u[n]. Empleando (2.63) se obtendr a

y [n] =
n
i=
h[i]x[n i] =
i=
ai u[i]bni u[n i] =
n
=
i=0
ai bni u[n]
bn
i=0 n+1
a b
u[n] =
b (1 (a/b)n+1 ) 1 (a/b)n+1 u[n] = u[n] = 1 a/b ba b n a n y [n] = b u[n] a u[n]. ba ba = bn
Clculo de la convolucin discreta Convolucin lineal. La convolucin lineal discreta de (1.101) puede ser escrita por medio de la multiplicacin de matrices, donde las seales de entrada y salida corresponden a vectores columnas y es la matriz con columnas correspondientes a versiones desplazadas de la respuesta, en la forma (donde N1 = M1 = 0): y [0] h[0] 0 0 x[0] y [1] h[1] h[0] 0 0 = x[1] (2.64) y [N 2 + M 2 ] 0 h[M2 ] x[N2 ]
130
Segmentacin de la seal de entrada. Frecuentemente, es necesario trabajar con secciones cortas de una seal de entrada de longitud larga. Existen 2 mtodos de clculo de la convolucin en este caso. El primero denominado de traslapo aditivo de salida [24], en el cual la seal de entrada es representada por una suma de bloques con longitud L, de la forma: xm [n] = x[n], mL n mL + L 1 0, otros casos (2.65)
La sustitucin de (2.65) en (1.101) dar como resultado y [n] = h[n]

m=
xm [n],
(2.66)
deniendo ym [n] = h[n] xm [n], entonces, la ecuacin (2.66) ser y [n ] =

m=
y m [n ]
(2.67)
Cada una de las convoluciones en (2.67) corresponde a una entrada de longitud fmax y a una respuesta h de longitud M , dando una salida ym de longitud fmax + M 1. Estos segmentos de salida se traslapan y adicionan de acuerdo a (2.67). El mtodo de traslapo aditivo de salida puede ser descrito empleando la notacin matricial de (2.64), donde los bloques de salida corresponden al seccionamiento de la matriz H. El segundo mtodo de seccionamiento es denominado de traslapo selectivo, en el cual los segmentos de entrada se convolucionan con h[] y los apropiados valores de salida son escogidos o seleccionados. El algoritmo se toma en cuenta que la respuesta de una seal de longitud M con la respuesta a impulso h[n] solo dura M 1 tiempos como se ilustra en la matriz (2.68), donde para un ejemplo concreto se enmarcan las partes de la matriz que deben ser calculadas. Las dems partes como se observa son cero.
y (0) y (1) y (2) y (3) y (4) y (5) y (6) y (7) tr tr y (5) y (6) y (7) = h (0) h (1) h (2) 0 0 0 0 0 h (0) h (1) h (2) 0 0 0 h (0) h (1) h (2) 0 0 0 0 0 h (0) h (1) h (2) 0 0 0 h (0) h (1) h (2) 0 0 0 0 0 h (0) h (1) h (2) 0 0 0 h (0) h (1) h (2) 0 0 0 0 0 h (0) h (1) 0 0 0 0 h (0) h (1) h (2) 0 0 0 0 0 h (0) 0 0 0 0 0 h (0) h (1) h (2) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 h (0) h (1) 0 0 0 0 0 0 0 0 0 0 0 0 h (0) x (3) x (4) x (5) x (6) x (7) x (0) x (1) x (2) x (3) x (4) x (5) x (6) x (7) (2.68)
La Transformada de la convolucin lineal denida en (1.101) ser el producto de las transformadas Z de la entrada x y la respuesta h, as Y (z ) = H (z )X (z ) (2.69)
131
Convolucin circular. y [n ] =
N 1 m=0
Se dene como la convolucin de las seales x[n] en la forma
h n m x[m], n = 0, 1, , N 1 (2.70)
En (2.70) los ndices son evaluados por mdulo N . La convolucin circular se nota por el smbolo . Cabe anotar, que mientras la convolucin circular de dos seales de longitud N da una salida de longitud tambin N , en la convolucin lineal la salida es de 2N 1. La representacin matricial de la convolucin circular corresponde a reemplazar los valores cero en las columnas de (2.68) por los valores de la seal cclicamente desplazados, por lo que la matriz se denomina circular: y (0) h (0) h (7) h (6) h (5) h (4) h (3) h (2) h (1) x (0) y (1) h (1) h (0) h (7) h (6) h (5) h (4) h (3) h (2) x (1) y (2) h (2) h (1) h (0) h (7) h (6) h (5) h (4) h (3) x (2) y (3) h (3) h (2) h (1) h (0) h (7) h (6) h (5) h (4) x (3) = (2.71) y (4) h (4) h (3) h (2) h (1) h (0) h (7) h (6) h (5) x (4) y (5) h (5) h (4) h (3) h (2) h (1) h (0) h (7) h (6) x (5) y (6) h (6) h (5) h (4) h (3) h (2) h (1) h (0) h (7) x (6) y (7) h (7) h (6) h (5) h (4) h (4) h (2) h (1) h (0) x (7) La Transformada de la convolucin circular determinada en (2.67), ser F {y []} = F {H }F {x[]} (2.72)
y [n] = h n x[n]
Debido a la relacin de la convolucin circular con la TDF en (2.72), mientras la lineal ocurre con la transformada Z en (2.69), y por cuanto preferentemente se desarrollan algoritmos discretos para el clculo de la TDF, se hace necesario obtener la relacin entre ambos tipos de convolucin. Del anlisis de las matrices (2.64) y (2.71) se puede deducir que para el clculo de la convolucin lineal a partir de la circular para una entrada de longitud N y respuesta a impulso de longitud M , se deber agregar M 1 ceros a la entrada y N 1 a la respuesta h, con lo cual las seales, que forman la convolucin, tendrn igual longitud M + N 1, lo mismo que la salida y, que corresponde a la convolucin lineal. Esta operacin se muestra en la siguiente matriz: x (0) h (0) 0 0 0 h (1) y (0) y (1) h (1) h (0) 0 0 0 x (1) y (2) = 0 h (1) h (0) 0 0 x (2) y (3) 0 x (3) 0 h (1) h (0) 0 0 0 0 0 h (1) h (0) y (4)
2.4.5. Representacin generalizada discreta

En forma general, la relacin entre la transformada Z y la TDF puede verse por ejemplo evaluando para una secuencia discreta de longitud N la ecuacin (2.15) en el punto
132
z = ej , o sea, en el punto de crculo unitario con ngulo igual a la frecuencia relativa : XL (z ) =

N 1 n=0
x[n]z n
De esta relacin se puede ver que la TDF de x[n] puede ser obtenida evaluando la transformada Z en los valores z = ej 2k/N = ej , esto es, z = ej 2k/N = ej
z =ej
= X ej
De la ltima equivalencia resulta que los coecientes de la TDF de una secuencia nita son los valores de la transformada Z de la misma secuencia de N igualmente espaciados puntos alrededor de un crculo unitario en el plano z , y lo que es mas importante, los coecientes de la TDF en forma directa de una secuencia de duracin nita son la nica representacin de esa secuencia por cuanto la TDF en forma inversa puede ser usada para reconstruir exactamente la secuencia deseada a partir de los coecientes de la respectiva forma directa de la TDF. Uno de los principales mtodos de anlisis de los sistemas discretos es la transformada Z , que permite reemplazar la solucin de las ecuaciones iterativas lineales por la solucin de ecuaciones algebraicas. El empleo de estas transformadas en las ecuaciones iterativas es anlogo al empleo las transformadas de Laplace en la solucin de ecuaciones diferenciales [15]. La transformada Z de una secuencia dada {x[n]} se dene como Z {x[n]} X (z ) =
n=
x[n]z n
(2.73)
En la mayora de los casos prcticos cuando x[n] = 0 y n 0, la transformada Z se convierte en lateral: XL (z ) =

n=0
x[n]z n
Al expresar la variable compleja z en forma trigonomtrica z = rej , entonces la transformada Z se puede escribir as: X (z ) =
n=
x[n]rn ejn
(2.74)
Esta funcin se determina en aquellos puntos donde la serie (2.74) converge, que ocurre si se cumple la condicin:
n=
x[n]rn <
(2.75)
La regin en el plano complejo z sobre la cual se cumple la condicin (2.75) se denomina regin de convergencia de la transformada Z , en caso contrario, regin de divergencia.
133
La serie (2.73) se puede dividir en dos partes as:

n=
x[n]z
1 n=
x[n]z
n=0
x[n]z n
La primera serie converge cuando |z | < Rx+ , y la segunda cuando |z | < Rx . De esta manera, la regin de convergencia de la transformada Z se determina por las desigualdades: Rx < |z | < Rx+ (2.76)
que conforma un anillo en el plano de la variable compleja z . La serie de potencia (2.73) denida en el anillo (2.76) corresponde a la serie de Laurent, por lo que, para el estudio de la Transformada Z se pueden emplear los mtodos convencionales de la Teora de Variable Compleja [25]. Propiedades de la Transformada Z (a). Linealidad : Sea Z {xi [n]} = Xi (z ), para i =const, entonces Z
i
i xi [x]
=
i
i Xi (z )
(b). Desplazamiento : Z {x[n + m]} =

n=
x[n + m]z n = z m
n=
x[n + m]z (n+m) = z m X (z )
(c). Multiplicacin por una secuencia exponencial Z

n
x[n] =
n=
x[n]z
n=
x[n] n z n = X (z + )
(d). Convolucin discreta : Sea la salida de un sistema lineal invariante en el tiempo dada por la convolucin y [k ] = n x [k ] h [n k ], entonces, Y (z ) =
n= k=
x[k ]h[n k ] z
k=
x[k ]z
n=
h[n k ]z (nk)
Por lo cual se obtiene Y (z ) = X (z )

n=0
h[n]z n
que de acuerdo a la denicin de la transformada Z ser Y (z ) = H (z )X (z )
134
(e). Multiplicacin. Sea Z {xi [n]} = Xi (z ), Z {x1 [n]x2 [n]} = 1 2j
X2
z X1 (v )v 1 dv v
donde es el contorno hasta donde se extiende el radio de convergencia. (f). Diferenciacin dX (z ) d = dz dz

n=
x[n]z
1 nx[n]z n1 = X (z ) z n=
Frecuentemente, se hace necesario determinar la secuencia x[n] por su transformada Z , esto es, hallar su transformada inversa Z y que se dene por: x[n] = 1 2j
X (z )z n1 dz
donde es el contorno cerrado que abarca todos los polos de la funcin X (z ), donde la integracin se lleva a cabo en sentido contrario al de las manecillas del reloj [2]. Se denen como polos, aquellos puntos donde la funcin X (z ) tiende a innito. Si el ncleo de la integral tiene la forma X0 (z ) = X (z )z n1 = M (z )
k i=1
(z pi )mi
donde k, mi Z+ son enteros positivos, entonces, los valores de la secuencia x[n] se pueden calcular por medio de la teora de residuos [2]:
k
x[n] =
i=1
Re z [X0 (z )]
z = pi
Si el polo pi tiene orden mi , entonces el residuo de la funcin X0 (z ) en el punto pi , se dene como: Rez [X0 (z )] =
z = pi
dmi 1 1 l m ((z pi )mi X0 (z )) (mi 1)! z pi dz mi 1
En particular, si mi = 1, entonces:
z = pi
Re [X0 (z )] = l m [(z pi )X0 (z )]

z pi
La funcin de transferencia discreta de un ltro digital dada en (2.56) puede ser representada en funcin de la transformada Z Y (z ) = H (z )X (z )
135
siendo X (z ) y Y (z ) las respectivas trasformadas Z de las secuencias de entrada y salida del ltro. La funcin de transferencia H (z ) corresponde a la transformada Z de la respuesta a impulso dada en (2.53). La transformada Z de las formas no recursiva y recursiva de (2.52), respectivamente es la siguiente
M
Y (z ) =
n=0 N n
bn z n X (z )
M
Y (z )
n=0
an z
= X (z )
m=0
bm z m
Por lo cual, las respectivas funciones de transferencia sern:

M
H (z ) =
n=0 M
bn z n bm z m
(2.77a)
H (z ) =
m=0 N n=0
(2.77b) an z n
Los coecientes de las respectivas funciones de transferencia (2.77b) y (2.77a), de forma unvoca, determinan los ltros recursivos y no recursivos. Descomponiendo los polinomios del numerador y denominador de (2.77b) en mltiplos elementales, se obtiene (para M N ) z N M H (z ) = H0
N i=1 M i=1
(z zi )
(2.78)
(z pi )
donde zi son los ceros y pi son los respectivos polos de la funcin (2.77b). La funcin de transferencia del ltro no recursivo (2.77a) no tiene polos. En forma general, un ltro digital se puede representar empleando los diagramas de polos y ceros. Si los ceros (polos) son valores complejos, estos se encuentran en pares de complejos conjugados en numerador (denominador) de la descomposicin (2.78). Conociendo la disposicin de los polos en el plano complejo z , se puede determinar la estabilidad del ltro. Se puede demostrar que cualquier ltro recursivo es estable si el valor absoluto de sus polos es menor que uno [1]. Los ltros no recursivo siempre sern estables. La respuesta a impulso, de acuerdo, a su denicin para los ltros recursivos puede expresarse por la relacin:
N
an z n bm z m Z { (t)} = z 1 + Y1 z 2 + Y2 z 3 + . . . +
H (z ) =
n=0 M m=0
136
La ltima serie de potencia z 1 , en forma general, es innita. La funcin de peso en el caso de los ltros no recursivos es nita. La respuesta a impulso se puede relacionar a travs de la transformada Z con la funcin de transferencia por la relacin en la forma, h [n] = Z 1 {H (z )} La funcin de transferencia del ltro digital puede ser representada tambin en la forma: H (z ) = N (z ) D (z )
que puede ser representada por H z 1 = N (z ) D z 1 = A + jB, H (z ) = N z 1 D (z ) = A jB donde A y B son las partes real e imaginaria del producto. El desfase del sistema acorde con la denicin de (1.107b) ser [1, 25]: ( ) = 1 ln 2j H (z ) H (z 1 ) = 1 ln 2j A jB A + jB (2.79)
que genera un retardo de grupo (1.110) del tipo ej = jB A A2 + B 2
donde x denota d/d
137
Problemas
R=1.
jn . Problema 2.9. Calcular la TDF directa del pulso discreto [n]: X ej = i= [n] e
x[n]
1( 0) T
y [n ]
retardo
'
atenuador ' K
Figura 2.13:
Problema 2.10. Determinar la respuesta del ltro recursivo empleado en la deteccin de seales peridicas (previo conocimiento de T ), ilustrado en la Figura 2.13 para los siguientes casos: a) K = 1, b) K < 1.
R. a). h(t) =
n=0
(t nT ),
b). h(t) =
n=0
kn (t nT ).
RII.
n1 [n i] es del tipo Problema 2.11. Demostrar que el sistema discreto con respuesta a impulso i=0 i=0
h [n ] =
n1 [n i] =
i=0
u[i]ni [n i] = n u[n].
Problema 2.12. Hallar la respuesta a escaln unitario discreta p[n], que corresponde a la respuesta de un dispositivo discreto cuando la secuencia de entrada es la funcin escaln unitaria discreta dada en (2.11), aplicado al ejemplo (2.2), suponiendo < 1. R. p[n] = 1 + + . . . + n = n+1 1/( 1), donde p[] = 1/(1 ). Problema 2.13. Demostrar que la respuesta a escaln unitario de un ltro digital es:
p (t) = y [z ]x[t]=1 = H (z ) 1 1 z 1
Ejercicio en el PC 2.4. [Matlab] Representar las siguientes seales:

(b). x(t) = rectT (t)(t, T /4) cos(a0 t + ), a > 1, siendo (t, T ) la funcin triangular con periodo T. (a). x(t) = a sin(0 t + ) exp(bt), b > 0,
Ejercicio en el PC 2.5. [Matlab] Hallar la convolucin de las funciones sinc(t) y Dirichlet:

t 1 2 (n1) , sin(nt/2) diric(t, n) = , n sin(t/2) t = 0, 2, 4, t = 0, 2, 4,
%Convolucion discreta N=200; n=0:pi/N:2*pi; h=sinc(n); x=diric(n,16)/max(diric(n,16)); subplot(211),plot(n,x,n,h) y=conv(x,h);n=-2*pi:pi/N:2*pi; subplot(212),plot(n,y)
Captulo
3
Filtracin digital
l ltro digital es el sistema que realiza la transformacin selectiva de componentes espectrales y comprende tanto los algoritmos como los dispositivos digitales que permiten transformar una seal digital en otra. Los ltros digitales poseen una serie de ventajas con respecto a los anlogos: las funciones de transferencia de los digitales son ms estables y exibles para su cambio, se puede obtener una funcin de cambio de fase lineal en un amplio ancho de banda, brindan un alto factor de calidad y, por ltimo, son preferibles en las frecuencias mas bajas, donde el volumen de los ltros anlogos es muy grande. Aunque, para los ltros digitales son conocidas algunas restricciones, entre ellas la superposicin de frecuencias, el error de cuanticacin y redondeo, etc., todas estos problemas pueden ser llevados a su mnima expresin realizando un correcto diseo de los ltros.
3.1. Caractersticas de los ltros digitales

3.1.1. Clasicacin
Las siguientes propiedades aplican a los ltros digitales lineales: (a). Linealidad. La condicin de linealidad (1.3) se transcribe de la siguiente manera K {(b1 x1 [n] + b2 x2 [n])} = b1 K {x1 [n]} + b2 K {x2 [n]} (b). Invariabilidad. Se cumple la condicin dada en (1.4), K {x [n k ]} = y [n k ] , k Z+ (c). Causalidad. Se denominar fsicamente realizable si de la condicin: x1 [n] = x2 [n] , n k x1 [n] = x2 [n] , n > k resulta que K {x1 [n]} = K {x2 [n]} , n k 139
140
Captulo 3. Filtracin digital
(d). Estabilidad. Un ltro digital se denomina estable si la salida de este a cualquier seal de entrada limitada por nivel es tambin limitada o convergente:
N k=
|h [k ]| <
(3.1)
Sea la secuencia de entrada nita y acotada {x [n]}, tal que x [n] < , n. Entonces, la respuesta a impulso del sistema denida en (2.53) con la condicin (3.1) es igual a: |y [n]| =
k= N
h [k ] x [n k ]
k=
k=
|h [k ]| |x [n k ]|
h [k ] <
esto es, la secuencia de salida tambin ser limitada. Por cuanto, x [nT ] = 0 cuando x [nT ] = [nT ], se puede demostrar que (3.1) siempre se cumplir, si al representar la respuesta a impulso de un ltro recursivo en forma quebrada racional de potencias z 1 , entonces, para la realizacin fsica se exige que el orden del polinomio del numerador sea menor o igual al orden del polinomio del denominador. En el anlisis de la estabilidad de los algoritmos de ltracin digital es necesario tener en cuenta que el proceso de informacin con ltros digitales pertenece a la clase de tareas matemticas incorrectas [1], o sea, problemas cuya solucin posee un alto grado de sensibilidad y que al menor cambio en los valores de entrada, el algoritmo se torna inestable. Si los datos de entrada (los parmetros de los ltros, las realizaciones de los procesos de entrada, etc.) son conocidos aproximadamente, entonces, esta inestabilidad conlleva prcticamente a la ambigedad (a veces inexistencia) de una solucin dentro de los intervalos de precisin dados y, adems, a la dicultad de interpretacin de los resultados obtenidos. Esta particularidad se recalca cuando se resuelvan tareas que tienen que ver con el control de sistemas ptimos, optimizacin del tiempo de clculo, sistemas automticos de medicin y otros.
Ejemplo 3.1. Demostrar la invariabilidad del ltro con se nal de salida y [n] = K {x [n] x [n 1]} , n > 0 Esta clase de ltros de primer orden de iteraci on se emplea en la pr actica para la extracci on de las componentes de baja frecuencia de los procesos. La respuesta del ltro a una entrada retrasada en k tiempos ser a K {x [n k ]} = x [n k ] x [n k 1] . Mientras, la respuesta retrasada ser a y [n k ] = x [n k ] x [n k 1]
141
De donde se observa, que y [n k ] = K {x [n k ]} , esto es, el ltro es invariable en el tiempo. Sin embargo, en el caso del siguiente ltro y [n] = [n]x2 [n] + 2x [n 1] , > 0 se obtiene que la respuesta a una entrada retrasada ser a K {x [n k ]} = [n]x2 [n k ] + 2x [n k 1] , que ser a diferente de la respuesta retrasada: y [n k ] = [n k ] x2 [n k ] + 2x [n k 1] por lo que se puede armar que el ltro no es invariable en el tiempo. Ejemplo 3.2. Determinar si cumple la condicin de realizacin fsica el ltro de segundo grado de iteracin: y [n] = x [n + 1] 2x [n] x [n 1] Sean dos secuencias de entrada x1 [n] y x2 [n]. Debido a que la salida en el momento n depende de la seal de entrada en el tiempo [n + 1], entonces, x1 [n + 1] = x2 [n + 1], por tanto, y1 [n] = y2 [n] o sea, el ltro no es fsicamente realizable.
De acuerdo a la denicin dada en (2.52), para los ltros no recursivos se cumple que su salida se determina solamente por los valores de entrada del proceso: y [n] = K { , x [n 1] , x [n] , x [n + 1]} Mientras para los ltros recursivos en el clculo de los valores de la seal de salida y [n] se emplean sus valores pasados, as como los valores pasados y actuales de la seal de entrada: y [n] = K {y [n 1] , , y [n N ] , x [n] , x [n M ]} Sea un ltro digital recursivo con funcin de transferencia (2.77b):
M
bm z m = an z n
M m=0
bm z M m z N M
N n=0
H (z ) =
m=0 N n=0
an z N n
tal que a0 > 0. De los coecientes del polinomio A(z ) se construye la matriz representada en la Tabla 3.1. Las dos primeras las de esta matriz se forman directamente de los coecientes A(z ): a0n = an , mientras, los elementos de la tercera y cuarta las se calculan por la expresin: a1n = a00 a0N a0N n a0n = a00 a0n a0N a0(N n) , n = 0, 1, , N 1
142

Filas 1 2 3 4 5 6 . . . . . . k1 k . . . . . . 2N 3 Coecientes a02 a0N 2 a12 a1N 3 a22 a2N 4 . . . . . . a((k+1)/21)N a(k/21)0
a00 a0N a10 a1N 1 a20 a2N 2 . . . . . . a((k+1)/21)0 a(k/21)N . . . . . . a(2N 3)0
a01 a0N 1 a11 a1N 2 a21 a2N 3 . . . . . . . . . . . . a(2N 3)1
. . . . . .
a0N 2 a02 a1N 2 a11 a2N 2 a20
a0N 1 a01 a1N 1 a10
a0N a00
a(2N 3)2
Tabla 3.1: Coecientes A(z )
De igual manera, se calculan las quinta y sexta las a2n = a10 a1(N n1) a1(N 1) a1n = a10 a1n a1(N 1) a1(N n1) , n = 0, 1, , N 2
y as sucesivamente, hasta la ltima la, la cual contendr solamente 3 elementos. Se dice que un ltro recursivo es estable solo si cumplen las siguientes condiciones: 1. A (1) > 0; (1)N A (1) > 0; 2. a00 > |a0N |, |a10 | > a1(N 1) |a20 | > a2(N 2) , . . . , a(2N 3)0 > a(2N 3)2 .
Ancho de banda espectral. De forma ideal, un ltro debera tener el anco agudo mostrado en la Figura 3.1 entre sus bandas de paso y de rechazo o supresin, con lo cual el ancho de banda del ltro se medira sin ninguna ambigedad como la banda de paso o selectividad de frecuencia. Sin embargo, la envolvente de la respuesta de amplitud no tiene tales puntos de demarcacin pronunciados llevando a la ambigedad en la ubicacin de los extremos de la banda de paso y de la de supresin como se nota en la Figura 3.1. En la prctica, el ancho de banda se toma en el intervalo de frecuencias, en el cual la respuesta de amplitud H ( ) no decrece a valores menores a 1/ 2veces de su valor mximo.
T |H ( )|
.. . . .. . . . . . . ... . . ..... ... . . . . . . . .. ... . ..... . . ... ... .... .... . . . ... . . ... ... . . . ... . . . . . ... ... ... .... .... .... .... . .. ... .... .... .... .... .... . ... . .... . . . . ... . . ... . . .. .... . ... . . . . . . ... . ... ...... ..
'
Figura 3.1: Ancho de banda
143
De manera Adicional, en la banda de paso, la magnitud oscila alrededor del valor mximo y en la banda de rechazo tambin lo hace cerca del cero. Por lo tanto, en el clculo de ltros se deben jar tambin los siguientes parmetros: valor mximo de las pulsaciones H en la banda de paso, valor mnimo de supresin en la banda de rechazo H y las frecuencias lmites de corte c que determinan los extremos de las bandas. Un parmetro importante es la pendiente de cada de la respuesta de frecuencia que determina la velocidad de cambio del mdulo de la funcin de transferencia (o magnitud) desde la banda de paso hasta la banda de supresin. En general, se denomina ltro pasabajos real aquel que deja pasar a su salida componentes espectrales relativamente bajas en el sentido de que su relacin de amplitudes H ( ) es mucho mayor a frecuencias bajas que a las altas. De manera similar, se denen en la prctica los dems tipos de ltros: FPA, pasabandas, etc.
3.1.2. Realizacin de ltros digitales

El diseo de los ltros digitales consiste de varias etapas. La primera, corresponde a la sntesis, durante la cual se realiza el desarrollo del esquema del ltro para obtener la respuesta requerida donde se supone que las seales de entrada tambin estn dadas.
Elemento Retardo
Modelo y [n] = x [n 1]
k
Notacin simblica
x[n]
E z 1
y [n ]
Sumador
y [n] =
i=1
xi [n]
x3 [n] B&% x[n]
x1 [n] '$ r j r y [n ] x2 [n] E E
Multiplicador y [n] = bx [n]
Tabla 3.2: Notaciones simblicas
b c '$ y [n ] E E &%
El proceso de determinacin de la seal de salida dependiendo de las seales de entrada dadas se denomina anlisis del ltro digital. Durante la sntesis del ltro se escoge su forma de realizacin e implementacin en correspondencia con el algoritmo de funcionamiento. La seleccin de la misma forma de realizacin depende de varios factores, pero principalmente de la esencia del trabajo al que est destinado. De acuerdo a la descripcin dada en (2.52) de los ltros digitales en forma de ecuaciones de diferencias con parmetros constantes, sus elementos principales son los elementos de retardo en un intervalo de discretizacin, sumadores y los multiplicadores por las respectivas constantes. Las notaciones simblicas de estos elementos, as como su formulacin matemtica se muestran en la Tabla (3.2). Las formas bsicas de realizacin de los ltros recursivos son las siguientes: directa, cannica directa, paralela, de cascada (o secuencial) y de escalera.
144
(a). Forma directa. La notacin de la funcin de transferencia en la forma (2.77b):

M
bm z m an z n , an , bn R
H (z ) =
m=0 N n=0
se denomina forma directa de realizacin de los ltros digitales. La estructura realizacin sobre procesadores digitales de los sistemas recursivos se muestra en la Figura 3.2(a), la cual consta de M + N lneas de retardo con tiempo de retardo T , correspondiente al tiempo de discretizacin del sistema, M + 1 amplicadores con ganancia bm , m = 0, 1, , M , N amplicadores con ganancia an , n = 1, 2, , N y un sumador. En el caso de los ltros no recursivos, la respectiva estructura de implementacin se muestra en la Figura 3.2(b), en la cual se observan M lneas de retardo, M + 1 amplicadores con ganancia bm , m = 0, 1, , M y un sumador.
x[k]
c
T
b0
c
T
y [E k]
x[k]
c
T
b0
c E
T
b1
' a1
'
c
T
c E
T
b1
b2
' a2 ' c
T
b2
y [kE ]
c
T
c
T
bM E
' a ' N
bM E
(a) Estructuras discretas recursivas
(b) Estructuras discretas no recursivas
Figura 3.2: Forma directa de realizacin
Acorde con la funcin de transferencia del ltro digital presentada en (1.98), sta puede ser representada de la siguiente manera: H (z ) = donde 1 = N (z ) = A(z ) 1
N n=0 M
N (z ) D (z )
(3.2)
, D(z ) = B (z ) =
m=0
bm z m
an z n
145
(b). Forma directa cannica. De la notacin (3.2) se observa que un ltro digital recursivo se puede representar por la multiplicacin secuencial de dos ltros dados por las relaciones:
N
w[k ] = x[k ]
M
n=0
an w[k n]
y [k ] =
m=0
bm w[k m]
donde w[k ] es la salida del primer ltro, que entra al primero y y [k ] es la salida del segundo ltro. En este caso, se observa que las lneas de retardo en ambos polinomios se hace comn, por lo que el total de dispositivos de retardo es N , considerando que M N , como se muestra en la Figura 3.3.
x[k]
E T '
a1 '
c
T
E b0
E T
y [k ]
c
T
E b1
'
a2 '
E b2 E
E E
c
T
bM
'
aN
'
Figura 3.3: Estructura cannica directa
(c). Forma paralela. La estructura del ltro recursivo en forma paralela se muestra en la Figura 3.4. Por cuanto, tanto el numerador, como el denominador de la funcin de transferencia (2.77b) de un ltro digital corresponde a polinomios algebraicos con coecientes reales, entonces su funcin de transferencia puede ser descompuesta en fracciones simples:
K1 K2
H (z ) =
k
H1k z 1 +
k K1
H2k z 1
K2 k
= b0 +
k
D0k + C0k + C1k z 1
B0k + B1k z 1 A0k + A1k z 1 + A2k z 2
donde K1 y K2 , respectivamente, son los nmeros que determinan la cantidad de componentes singulares de primer orden (para el caso de las races reales) y las del segundo (para las races complejas), en las que se descompone la funcin inicial.
146

E B0 c
T A11 x[k]
E B01
E T
T ' E '
c
T
E B11
y [k ]
A21 '
E T '
A1k
c
T
E B0k E T E B 1k
'
c
T
A2k '
Figura 3.4: Forma paralela de realizacin
En el caso de la notacin paralela, el retardo de grupo denido en (1.110) ser:

M
(z ) =
m=0
d ln Pk (z ) dz
N k=1
1 2j
d ln Qk (z ) dz
(d). Forma secuencial. Al descomponer los polinomios del numerador y denominador de (3.2) en multiplicandos elementales se obtendr (para M N ): H (z ) = =
k M i=1 (z N i=1 (z
B0k + B1k z 1 + B2k z 2 1 + A1k z 1 + A2k z 2
p0i )
z0i )
L1
L2
=
k=1
H1k z 1
k=1
H2k z 1 D0k + D1k z 1 1 + C1k z 1
(3.3)
donde z0i son los ceros y p0i son los polos de la funcin (1.98). La notacin de la funcin de transferencia en la forma (3.3) se denomina de cascada o secuencial, que corresponde a la forma ms efectiva de realizacin de un ltro recursivo, desde el punto de vista de minimizar del error cuadrtico medio de representacin (cuanticacin) y su estructura se muestra en la Figura 3.5. El trmino H1k z 1 corresponde a funciones de primer orden de z 1 con pares simples de polos y ceros, ambos reales, mientras H2k z 1 corresponde a funciones

x[k]
147
E T '
A11
c
T
E B01
E T
'
c
T
E B11
A21 '
E E T '
A1k
c
T
E B0k E T E B 1k
y [k ] E
'
c
T
A2k '
Figura 3.5: Forma secuencial
racionales de segundo orden z 1 de con pares de polos y ceros, de carcter complejo. Los coecientes A1k , A2k , B1k , B2k son constantes, algunos de los cuales pueden ser cero; L1 , L2 son nmeros enteros que determinan la cantidad de polos y ceros. Las funciones H1k z 1 y H2k z 1 y se pueden analizar como funciones elementales de transferencia de sistemas lineales discretos de primer y segundo orden respectivamente, funciones que en conjunto conforman el sistema inicial (3.3). Cada uno de los circuitos bsicos que conforman (3.3), puede ser implementado empleando la realizacin directa o cannica. Sin embargo, hay que tener en cuenta que por su estructura, el ltro digital realizado en forma secuencial puede ser inestable an cuando sus polos por mdulo sean menores que uno, pero que se encuentren muy cercanos a la crculo unitario, entre otras causa debido a los problemas de representacin de contenidos, cuyo error se ve severamente acentuado.
(e). Forma de escalera. La funcin de transferencia de un ltro digital recursivo puede
148

x[k] y [k ] 1T
E c
T
1 m3
E c
T
m1
c
1
T
T
T
T
c
1 mn
c
1 m2
T '
T '
c E
c E
Figura 3.6: Forma en escalera
se descompuesta en una cadena racional de la forma (Figura 3.6): H (z ) = 1+ m1 z + m2 z + 1 1 1 1 .... 1 ... mN 1 z +
1 mN z
Las formas ms empleadas de realizacin de los ltros no recursivos son la directa y la secuencial, sin embargo, la ms simple de implementar es la directa. En la implementacin de las diferentes estructuras de ltros digitales, durante el anlisis de las respuestas de frecuencia de los ltros recursivos con polos dentro de la zona de convergencia ocurre que para ciertas relaciones entre las frecuencias de discretizacin, componentes espectrales de la seal de entrada y algunos parmetros de los ltros, los algoritmos de ltracin recursiva se caracterizan por ser inestables. Para el caso de los recursivos, durante el clculo de las caractersticas aparecen indeni0 ciones del tipo . Para todos estos ltros digitales con parmetros constantes se 0 nota la prdida de inestabilidad a medida que aumenta la pendiente de los ancos en la respuesta de frecuencia debido al efecto de Gibbs.
3.2. Sntesis de ltros recursivos
149

La aproximacin durante la sntesis de ltros digitales en principio, no se diferencia del procedimiento de similar naturaleza en los ltros anlogos. Por esto, la teora de aproximacin de los ltros digitales est basada (por lo menos para los mtodos y algoritmos) en su similar para la ltracin anloga. El diseo de ltros con funcin de transferencia dada se divide en dos etapas: la aproximacin y la sntesis propiamente dicha. En la primera etapa se forma la funcin de transferencia del ltro anlogo, que contenga las mismas caractersticas dinmicas que con cierto grado de precisin se aproximen a las requeridas. En la segunda etapa se denen los valores de los coecientes de la funcin de transferencia.
3.2.1. Clculo de plantillas de ltros anlogos

Debido a la amplia experiencia ganada en los ltimos durante el desarrollo de la teora de sntesis de ltros anlogos, es natural que sus mtodos bsicos de clculo sean empleados en la sntesis de ltros digitales. Un ltro anlogo tiene funcin generalizada de transferencia denida en (1.96) y (1.99) de la forma: Ha (s) = Y (s) Na (s) = , X (s) Da (s)
donde F (s) = L {f (t)}, siendo L la transformada de Laplace con variable compleja de la forma s = + j . Un ltro anlogo con funcin de transferencia Ha (s) es fsicamente realizable y estable si se cumplen las siguientes condiciones: 1. Ha (s) debe corresponder a una funcin quebrada racional de variable compleja s. 2. La potencia del polinomio numerador no debe exceder la potencia del polinomio divisor. 3. Los polos de la funcin Ha (s) deben estar ubicados en el plano izquierdo. El diseo de ltros recursivos a partir de plantillas de ltros anlogos implica el paso de la funcin de transferencia anloga Ha (s) a la funcin de transferencia H (z ) del ltro digital. El cambio se realiza en dos etapas: Inicialmente se escoge la funcin de transferencia fsicamente realizable que sea similar en las caractersticas exigidas, luego se realiza el cambio de la plantilla escogida a la funcin de transferencia del ltro discreto, conservando la similitud con la plantilla del ltro anlogo. Este paso debe cumplir las siguientes condiciones: 1. El eje imaginario s = j del plano s se reeja en el crculo unitario |z | = 1 del plano z. 2. El semiplano {s} < 0 del plano s se reeja en la parte interior del circulo unitario |z | < 1 del plano z .
150
El clculo de la funcin de transferencia anloga se realiza sobre la plantilla de la funcin de transferencia normalizada de un ltro ideal pasabajos, con frecuencia de corte c = 1. Entre las diferentes plantillas normalizadas pasabajos de aproximacin de ltros anlogos estn las aproximaciones de Butterworth, Chebyshev y elpticos (KauerZolotarev), representados en la Figura 3.7, calculados par un orden N = 4, oscilacin de 3 dB en la banda de paso y un rechazo de 40 dB en la banda de rechazo. Luego utilizando las transformaciones respectivas se puede obtener las funcin de transferencia real de los ltros pasabajos, pasabandas, rechazabandas o pasaaltos. La sntesis de los ltros digitales se puede realizar, tanto en el tiempo como en la frecuencia.
3.2.2. Sntesis de ltros recursivos en el tiempo

Mtodo de la invariabilidad de la res0 puesta a impulso. Este mtodo se basa Butterworth Chebyshev en que los valores discretos de la respuesEliptico 10 ta a impulso del ltro digital h[nT ] se toman igual a los valores de la funcin homloga 20 de un ltro anlogo con la respuesta a impulso determinada en los mismos valores 30 correspondientes de tiempo. La respuesta a impulso del ltro escogido como prototipo 40 anlogo se halla experimental o analticamente, en base a la funcin de transferen- 50 cia dada. Si esta funcin est dada en la 60 forma (2.77b), donde N es la potencia del polinomio del denominador de la funcin 70 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 racional quebrada, entonces, se podr descomponer en la forma de quebrados comu- Figura 3.7: Respuesta de frecuencia de ltros anlogos nes [26]:
P
Ha (s) = Ha0 +
p=1 sa
Rrp +2 s p
(Rrk + jIrk ) exp(k + jk )

k=1
(3.4)
donde l m Ha (s), N + P + 2L, (P + L) = (N + 1) /2 , x es la parte entera de x, los valores Rrp = {resp } , Rrk = {resk } corresponden a la parte real del residuo con relacin al p polo y al k cero. De la misma manera, Irk = {resk }, es la parte imaginaria del residuo con relacin al k cero. La constante p es el valor del p polo simple de la funcin H (s); k y yk corresponden a la parte real e imaginaria del k polo complejo de Ha (s). La funcin de respuesta a impulso discreta del ltro anlogo (3.4) se escribir en la forma [26]:
P L
h(t) =
p=1
Rrp + 2
k=1
(Rrk + jIrk ) exp(k + jk )
En correspondencia con el principio de invariabilidad, es necesario que se cumpla la condicin: h [nt] = h(tn ), n = 0, 1, 2, ,
151
Entonces, la respuesta a impulso discreta de las componentes de la primera suma corresponde a la expresin hp (tn ) = Rrp e(p nT ) , a la cual le corresponde un ltro digital con funcin de transferencia Hp (z ) =
n=0
h [nT ] z n =
Rrp . 1 z 1 exp(p T )
De igual manera, se obtendrn las funciones de transferencia de la segunda suma Hk (z ) = 2 donde, 1 Rrk + jIrk 1 z exp(k T + jk T ) , A1k z 1 + A0k B2k z 2 + B1k z 1 + 1
Rrk + jIrk z 1 exp(k T +
jk T )
A1k = 2 exp(k T )(Rrk cos k T + Irk sin k T ), A0k + 2Rrk , B1k = 2 exp(k T ) cos k T. La funcin de transferencia discreta del ltro digital a sintetizado tomar la forma: H (z ) = Hp (z ) + Hk (z ) = Rrp Rrk + jIrk = . 1 z 1 exp(p T ) 1 z 1 exp(k T + jk T )
E
x[ k] E
El diagrama funcional del ltro digital que realiza la funcin de transferencia del tipo descrito resulta ser la conexin paralela de 2 ltros digitales con funciones de transferencia respectivas Hp (z ) y Hk (z ) (Figura 3.8). Este mtodo analizado de sntesis da buenos resultados cuando se disean ltros digitales cuyas funciones de transferencia no tengan ceros.
Hp (z )
c
yE [k ]
Hk (z )
T
.
Figura 3.8: Diagrama de un sistema
Mtodo basado en la transformada bilineal. La aplicacin del mtodo de sntesis de ltracin digital en base a la invariabilidad de la repuesta a impulso discreta de los ltros anlogo y digital tiene una serie de inconvenientes: primero, es necesario determinar la respuesta a impulso discreta del ltro anlogo, que no es tarea fcil cuando se sintetizan ltros de alto orden, segundo, la diferencia sustancial de las respuestas de frecuencia entre los ltros sintetizado y anlogo; si la respuesta del ltimo tiene una gran amplitud en frecuencias > 2 /2, donde 2 es la frecuencia de discretizacin y, tercero, la dependencia del coeciente de amplicacin del ltro digital de la frecuencia de discretizacin. Las particularidades descritas introducen errores apreciables en las caractersticas de los ltros digitales y prcticamente limitan su aplicacin. A n de evitar tales errores, que aparezcan cuando se emplea la transformada Z estndar, se propuso el empleo de la transformacin del tipo en [26]: s= 2 tanh T s1 T 2
152
la cual, despus de realizar el reemplazo de s por su valor, a partir de la relacin inversa z 1 = exp(s1 T ), toma la forma: s= 2 1 z 1 , T 1 + z 1 (3.5)
Esta transformacin algebraica se denomina z bilineal y corresponde a la representacin del plano complejo s en el plano complejo z de crculo unitario, donde, por cierto, la parte izquierda del plano s se representa en la parte exterior con respecto al crculo unitario del plano z . La funcin de transferencia H ( ) del ltro digital se obtiene como resultado de reemplazar (3.5) en la expresin para la funcin de transferencia del correspondiente ltro anlogo Ha (s), o sea: H (z ) = Ha (s)|S = 2 1z1
T 1+z 1
Por cuanto la transformacin de (3.5) es algebraica, para la implementacin del ltro digital cuya funcin de transferencia es obtenida en base a la transformada bilineal, se puede realizar por medio del diagrama funcional de las formas paralelo o serial. Con este mtodo se puede realizar la sntesis de algoritmos de ltros digitales de cualquier tipo. Mtodo de los z patrones. La transformacin z = exp(sT ), es de carcter no lineal y para su aproximacin, con el objeto de obtener realizaciones linealizadas entre los operadores z y s fueron obtenidas expresiones analticas aproximativas denominadas de los z patrones. Este mtodo se desarrolla basados en la relacin z = exp(sT ), con lo T cual, s1 = . Representado la funcin ln z en forma de serie, se obtiene ln z ln z = 2 z1 (z 1)2n+1 z1 + + + z + 1 3(z + 1)3 (2n + 1)(z + 1)2n+1 + . (3.6)
Teniendo en cuenta (3.6), la relacin (3.3) ser: s1 = = T 1 1 1 3 5 2 u + 3u + 5u + + T 2

1 2n+1 2n+1 u
1 1 4 44 5 u u3 u + u 3 45 945
+ (3.7)
donde u = (z 1)/(z + 1). Tomando el hecho de que (3.7) converge de manera rpida, se puede limitar su anlisis al primer trmino. As: s2 = T 2 1 2 u 3 T 2 z 2 + 10z + 1 12 (z 1)2
De esta manera, se puede obtener un z patrn para cualquier orden del operador s1 . Por ejemplo, el respectivo z patrn para el operador s2 , se obtiene elevando al

Operador en el plano s s1 s2 s3 s4 s5 s6 z Patrn T z+1 2 z1 T 2 z 2 + 10z + 1 12 (z 1)2 T 3 z (z + 1) 2 (z 1)3 T4 T 4 z (z 2 + 4z + 1) 4 6 (z 1) 120 T 5 z (z 3 + 11z 2 + 11z + 1) 24 (z 1)5 T6 T 6 z (z 4 + 26z 3 + 66z 2 + 26z + 1) + 120 (z 1)6 30240 Tabla 3.3: z Patrones
153
cuadrado ambas partes de (3.7), con lo que se obtiene: s2 = T2 4 4u3 1 1 u 44u5 + + + + u2 u 3 45 945 2 8u2 88u4 T2 1 = 4 u2 3 45 945
De igual manera, que en el caso anterior la serie se limita a los dos primeros trminos, por lo que se obtiene: s2 T2 4 1 2 u2 3 T 2 z 2 + 10z + 1 12 (z 1)2
De manera similar se pueden obtener los z patrones para cualquier orden del operador sk . En la Tabla (3.3) se muestran los respectivos z patrones hasta el orden 6. En [26] se demuestra que para la k potencia del z patrn se obtiene la relacin: sk = Nk (z ) (z 1)k
donde Nk (z ) es un polinomio de z . El siguiente paso consiste en que la funcin de transferencia del ltro anlogo conocido se describe por potencias de s1 en vez de s. Luego, cada potencia tomada individualmente se reemplaza por la respectiva expresin de z patrn de la Tabla (3.3). Al tener estos miembros, se tiene la expresin para z 1 que bsicamente es la funcin de transferencia del ltro digital buscado. Como en el caso de los dos mtodos de sntesis analizados anteriormente, el orden de la funcin de transferencia H (z ) del ltro digital sintetizado con respecto a la potencia de z 1 es idntico al orden de la funcin de transferencia del ltro anlogo tomado inicialmente Ha (s). Debido a que el carcter del reemplazo del z patrn es enteramente algebraico, entonces, no hay necesidad en darse la funcin de transferencia del ltro
154
anlogo en forma de operaciones de multiplicacin o su descomposicin en quebrados elementales. La interpretacin fsica de este mtodo en el dominio de las frecuencias se complica, por cuanto cada mayor potencia del operador s1 se aproxima por otra funcin mas exacta de z . Debido a que la transformada basada en los patrones tiene carcter no lineal y para ellos, en general, es cierta la relacin: (1 , 2 ) = (1 )(2 )
donde es el operador de transformacin por el mtodo de los patrones Z , entonces, el carcter exacto de la aproximacin depender de los z patrones s1 para y de la expresin general para Ha (s). De otra parte, la funcin de transferencia resultante del ltro digital obtenida por medio de los z patrones corresponde a la notacin (2.77b), entonces, es mejor realizar estos ltros en forma directa. El mtodo de z patrones se suele emplear para la sntesis de prototipos anlogos de bajo orden. Mtodo de acople con la transformada Z. Este mtodo consiste en que la funcin de transferencia del ltro digital en sntesis tendr polos y ceros que correspondern a los polos y ceros del prototipo anlogo inicial. La representacin de la transformada para los polos y ceros del ltro anlogo ser: s exp(sT ) = z donde los polos o ceros reales se transforman por la expresin: s 1 z 1 exp(T ) y los polos o ceros complejos se encuentran de las relaciones:
2 (s k )2 + k 1 2z 1 exp(k T ) + z 2 exp(2k T )
s 1 z 1 exp(T )
(s )2 + 2 1 2z 1 exp(T ) + z 2 exp(2T )
Despus de realizar transformaciones algebraicas, la funcin de transferencia del ltro digital puede ser escrita en la forma:
I
(1 + A1i z 1 ) (1 + B1p z 1 )
K k=1 L l=1
(1 + A1k z 1 + A2k z 2 ) , (3.8) (1 + B1l z 1 + B2l z 2 )
H (z ) =
i=1
donde A1p = exp(i T ), 1l = 2 exp(l T ) cos(l T ), 2l = exp(2l T ) A1l = exp(i T ), A1k = 2 exp(k T ) cos(k T ), A2k = exp(2k T )
Los polos de la funcin de transferencia (3.8) son similares a los que se obtienen cuando se emplea la transformada Z estndar. De la relacin (3.8) se deduce que la relacin del ltro digital sintetizado por el mtodo de la transformada Z acoplada es posible tanto para los algoritmos de funcionamiento con notacin paralela, al descomponer (3.8) en quebrados simples, como para la secuencial. Este mtodo se puede emplear para la sntesis de los ltros digitales de todos los tipos.
155
3.2.3. Sntesis de ltros recursivos en la frecuencia
En el diseo de ltros digitales en el dominio de la frecuencia, tambin se realizan las tareas de aproximacin y de sntesis propiamente dicha. En el primer caso, es necesario resolver la tarea de aproximacin de las caractersticas reales de un ltro anlogo a las caractersticas de un ltro ideal. Para la sntesis de ltros de baja frecuencia las respuestas de frecuencia se tomarn de acuerdo a la deniciones dadas en (1.109) y como se represente en la Figura 1.18. En calidad de criterio de estimacin de calidad de la aproximacin se emplear el criterio de mxima uniformidad de la respuesta de frecuencia del ltro, el cual se caracteriza por que los valores de sus derivadas de |Ha (j )| son cero cuando 0. Dadas las caractersticas de los ltros ideales de (1.109), todas las derivadas de la respuesta de frecuencia |Ha (j )| son cero en las frecuencias < 0 . El empleo de este criterio para la sntesis de ltros anlogos se puede ilustrar, por ejemplo, para los casos conocidos y ampliamente usados de los ltros de Butterworth y Chebyshev. Estos ltros se distinguen por satisfacer las respuestas de frecuencia y con suciente grado de precisin, a las caractersticas aproximativas de los ltros llamados ideales. El ltro de Butterworth tiene una ganancia constante en la banda de paso, mientras decrece de forma montona en la banda de supresin. El ltro de Chebyshev se caracteriza por tener una respuesta de frecuencia uniformemente ondular en la banda de paso y decreciente en forma montona en la banda de supresin. Mtodo de aproximacin de Butterworth. Sea la representacin de la respuesta a frecuencia y desfase de un ltro ideal denida de la siguiente manera exp(jk/n ), 0 1 n Ha (j ) = 0, >1 n
donde k/n es el retardo introducido por el ltro, n es la frecuencia propia del ltro. Este ltro podr ser realizado por una cantidad nita de elementos sumadores que provean el clculo de la exponente, para esto, usando la representacin de Ha ( ) en la forma [26]: Ha (j ) = exp(( 2 ) + j( )) donde ( 2 ) es la ganancia del ltro y que es funcin par, ( ) es la funcin del desfase e impar. Luego, se halla el cuadrado de la respuesta de frecuencia en la forma: (Ha (j )2 ) = Ha (j )Ha (j ) Ha (j ) = Ha ( 2 )A(j ) Ha (j )
donde H2 ( 2 ) = Ha (j )Ha (j ) = |Ha (j )|2 = exp(2( 2 )) es el cuadrado de la ganancia del ltro y que corresponde a una funcin racional de 2 ; A(j ) = Ha (j )/Ha (j ). Despus se aproxima la funcin Ha ( 2 ) por la relacin de tipo Ha ( 2 ) = 1 + A0 2 + + Ar 2r 1 + C0 2 + + Cq 2q (3.9)
156
para la cual se cumplen las siguientes condiciones a) Ha (0) = 1; b) todas las primeras n derivadas de la funcin Ha ( 2 ) son cero para = 0. Diferenciando (3.9) n veces e igualando cada resultado obtenido a cero de acuerdo con la segunda condicin, se podrn determinar los valores de los coecientes en la expresin (3.9). En denitiva, la funcin aproximativa ser Ha ( 2 ) = 1 + A0 2n + An+1 2n+2 + , 1 + Cn 2n + Cn+1 2n+1 +
Generalmente, se seleccionan varios de los coecientes de la siguiente manera: An = 0, An+1 = 0, Cn+1 = 0, i 1 El coeciente Cn determina la ganancia deseada en la frecuencia de corte c . Como resultado la funcin aproximativa para la respuesta de frecuencia del ltro tendr forma: Ha ( 2 ) = 1 1 + Cn 2n (3.10)
El polinomio caracterstico de (3.10) puede ser representado por diferentes funciones, entre ellos los polinomio de Butterwoth y cuyos races estn ubicadas en la parte izquierda del plano complejo s. Los primeros 10 polinomios de este tipo se muestran en la Tabla 3.4 con los valores de sus races correspondientes. La funcin que provee el mximo nivel de uniformidad de aproximacin entre las respuestas de frecuencia requeridas se representan por medio de polinomios de Butterworth Bn (s) en la forma: Ha (s) = 1 , 1 + Bn (s)
La forma como cambia el coeciente de supresin (cantidad inversa a la ganancia), el desfase y el retardo de un ltro Butterworth de cualquier orden en funcin de , a grosso modo, se pueden considerar lineal por intervalos. Despus de seleccionado el ltro correspondiente anlogo de Butterworth se debe realizar la transformacin de la funcin de transferencia del ltro anlogo a la del ltro digital. Si el denominador de (3.10) se escoge en forma de polinomio de funciones trigonomtricas, entonces, para la obtencin de la funcin de transferencia del ltro digital es recomendable emplear la relacin entre estas funciones y polinomios de potencia z mostrados en la Tabla 3.5. La funcin de transferencia del ltro digital obtenida por este mtodo corresponde al algoritmo de funcionamiento con notacin directa. Este mtodo es usado bsicamente para la sntesis de ltros de baja frecuencia y pasabandas.
Ejemplo 3.3. Sea la respuesta de frecuencia de ltros pasabajos Butterworth, aproximadas por las siguientes expresiones (siendo c la frecuencia de corte requerida): 1. |Ha ( )| = 1 1+ sin T /2 sin c T /2
2n .

Orden 1 2 3 4 5 Polinomio de Butterworth 1+s 1 + 1.4142s + s2 1 + 2.0s + 2.0s2 + s3 1 + 2.6131s + 3.4142s2 + 2.6131s3 + s4 1 + 3.2361s + 5.2361s2 + 5.2361s3 +3.2361s4 + s5 1 + 3.8637s + 7.4641s2 + 9.1416s3 +7.4641s4 + 3.8637s5 + s6 1 + 4.494s + 10.0978s2 + 14.592s3 +14.592s4 + 10.097s5 + 4.494s6 + s7 Valores de las Races 1 .707107 j.707107 1 5.000 j 0.866025 .38268 j 0.923880 0.92388 j 0.38268 1 .80901 j 0.951057 .80901 j 0.587785 .258819, j 0.965926 .707107, j 0.707107 0.96592, j 0.258819 1 .222521 j 0.944928 .62349 j 0.781832 0.90096 j 0.19509 0.19509 j 0.980785 .55557 j 0.83147 .0707107 j 0.707107 0.83147 j 0.55557 0.980785 j 0.19509 1 0.173648 j 0.98480 .0500000 j 0.86602 0.766044 j 0.64278 0.939693 j 0.342020 0.156435 j 0.98768 .0453991 j 0.89100 .0707107 j 0.70710 0.891007 j 0.45399 0.987688 j 0.15643
157
1 + 5.1528s + 13.1371s2 + 21.8462s3 +25.6884s4 + 21.8462s5 + 13.1371s6 +5.1528s7 + s8
1 + 5.7588s + 16.5817s2 + 31.1634s3 +41.9864s4 + 41.9864s5 + 31.1634s6 +16.5817s7 + 5.7588s8 + s9 1 + 6.3925s + 20.4317s2 + 42.8021s3 +64.8824s4 + 74.2334s5 + 64.8824s6 +42.8021s7 + 20.4317s8 +6.3925s9 + s10
10
Tabla 3.4: Aproximacin de Butterworth
2. |Ha ( )| = 1+
2
1 tan T 2
T tan c 2 2n
3. |Ha ( )| =
T 2 1+ c T cot 2 cot
1 2n
T 2n 2 + c T tan 2 tan
Caso 1. Empleando la relaci on entre la funci on sin2 () con el polinomio en el plano z y despejando se hallar a: |H ( )| =
2
(4z )2n 1 (z 1)2n + (4z )2n
158

F uncio n Racional T rigonome trica T sin2 2 T sec2 2 T 2 tan 2 T 2 cos 2 T 2 cosec 2 T cot2 2 P olinomio en P otencias z (z 1)2 4z 4z (z + 1)2 (z 1)2 (z + 1)2 (z + 1)2 4z 4z (z 1)2 (z + 1)2 (z 1)2
Tabla 3.5: Polinomios de potencia

1
c T . 2 Caso 2. llevando a cabo los mismos cambios algebraicos se obtendr a: siendo 1 = sin2 |H ( )| =
2
2 (z + 1)2n 2 (z + 1)2n + (1)n (z 1)2n
c T ). 2 Caso 3. utilizando las relaciones de la Tabla 4.5, la transformaci on dar a como resultado: donde 2 = tan2n ( |H (z )| =
2
(z
1)2n (z
1)2n
(z 1)2n (z + 1)2n + (1)n 3 (z + 1)4n + (1)n 4 (z 1)4n
c2 T c1 T ), 4 = cot2n ( ), y c1 , c2 son las frecuencias inferior y superior donde 3 = tan2n ( 2 2 respectivamente del ltro pasabanda.
Mtodo de los polinomios de Chebyshev. El empleo de la aproximacin por Chebyshev en la sntesis de ltros anlogos se basa en la siguiente representacin de la respuesta de frecuencia: |Ha ( )|2 = 1 1+
2 ( ) 2 Tn
siendo Tn ( ) el polinomio de Chebyshev de n orden potencia y 2 es el coeciente de prdida en la banda de paso. Los primeros 10 polinomios de Chebyshev se muestran en la Tabla 3.6. El procedimiento de obtencin de la funcin de transferencia de un ltro digital empleando la aproximacin de Chebyshev es similar al caso antes analizado para el mtodo de Butterworth. Al determinar el cuadrado de la magnitud del ltro pasabajos anlogo de Chebyshev |Ha ( )|2 en forma de un polinomio trigonomtrico, despus, empleando los datos de la Tabla 3.6 se encuentra la funcin respectiva del ltro digital de Chebyshev.

Orden 0 1 2 3 4 5 6 7 8 9 10 Polinomio de Chebyshev 1 2 2 1 4 3 3 8 4 8 2 + 1 16 5 20 3 + 5 32 6 48 4 + 18 2 1 64 7 112 5 + 56 3 7 128 8 256 6 + 160 4 32 2 + 1 256 9 576 7 + 432 2 120 3 9 512 10 1280 8 + 1120 6 400 4 + 50 2 1 Tabla 3.6: Polinomios de Chebyshev
159
Ejemplo 3.4. Sea el ltro pasabajos de Chebyshev |Ha ( )| =

2
2 donde 2 es el coeciente de p erdidas en la banda de paso del ltro y Tn () es el polinomio de Chebyshev de n potencia y primer orden. El cuadrado de la magnitud del ltro digital se obtendr a en la forma:
2n (T ) 2 2 1 + 2 T n c T tan 2 tan
|H (z )| =
1
2 1 + 2 T n
z1 j5 (z + 1)
c T 2 ). Determinando las ra ces del polinomio de Chebyshev Tn () en la funci on donde 5 = tan( 2 de transferencia obtenida se hallar an sus polos con lo que despu es se podr a pasar a la etapa de realizaci on del ltro digital.
Mtodo de funciones elpticas. En el proceso digital de seales, se pueden emplear ltros con caractersticas de la mejor manera aproximados a las del ltro ideal. En este caso se exige brindar que en la banda de rechazo halla la mxima supresin no menor a un valor dado o que la banda de paso tenga el menor ancho posible cuando sea dado el coeciente de supresin. Los mejores resultados para esta aproximacin se pueden obtener empleando los denominados ltros elpticos [1]. El clculo simplicado de estos ltros se puede llevar a cabo partiendo de la expresin de la respuesta de frecuencia exigida: |Ha ( )|2 = 1 1+ 2 R2 ( )
donde la funcin R2 ( ) cumple las siguientes condiciones:
160
- es racional y el nmero de polos corresponde al de ceros; - los ceros determinan la banda de paso; - es funcin par o impar con respecto a la frecuencia .
La interrelacin entre los parmetros de diseo de los ltros (r, s y ) se establece por las relaciones: 2 = r2 1, M 2 = 1 s2 s2 (r2 1)
donde r y s son la amplitud pico a pico de las desviaciones de la magnitud del ltro con respecto a su valor medio en la banda de paso y de supresin respectivamente. M es el coeciente que determina el valor de rechazo en la banda de supresin. Las expresiones para la funcin caracterstica del ltro digital elptico son del tipo:
2 Rk ( ) = M 2 2 2 2 (x2 s2 01 )(x s02 ) (x s0k ) 2 2 , 2 2 (x2 s2 p1 )(x sp2 ) (x spk )
k par, k impar,
2 Rk ( ) = M x
2 2 2 2 (x2 s2 01 )(x s02 ) (x s0k ) 2 2 , 2 2 (x2 s2 p1 )(x sp2 ) (x spk )
T donde x = tan T tan c , c es la frecuencia de corte del ltro de baja frecuencia, 2 2 s0k , spk son los ceros y polos de la funcin caracterstica. Los valores necesarios de los parmetros (n, r, s, c , 1 , , k ) de un ltro de este tipo pueden ser calculados por medio de integrales elpticas en el PC.
Particularidades de los mtodos de sntesis de ltros recursivos. Durante la sntesis de ltros es necesario determinar principalmente dos parmetros: el tipo de ltro (FPB, FPA, etc.) y la forma de realizacin del ltro (hardware o software). En algunos casos, sobretodo en la sntesis de ltros digitales en el computador se puede emplear el mtodo directo que pasa de los algoritmos de un ltro pasabajos conocido por un valor dado de frecuencia de corte c a los algoritmos de los ltros digitales de baja frecuencia, pasabandas o de alta frecuencia con las frecuencias exigidas de corte req , como se muestra en la Tabla 3.7. Para la realizacin prctica de las funciones de transferencia obtenidas de los ltros digitales en este caso, despus de su descomposicin en fracciones simples se puede emplear cualquiera de los diagramas funcionales: directo o secuencial. El procedimiento de sntesis del ltro digital requerido basado en el traspaso directo del ltro pasabajos es el siguiente: 1. Se escoge la funcin de transferencia del ltro digital pasabajos H (z ) con frecuencia de corte c ; 2. Se ja la frecuencia de corte requerida del FPB o del FPA, o bien se jan las frecuencias baja 1 y alta 2 de corte del ltro pasabandas; 3. Se calculan los parmetros y k del ltro por las relaciones de la Tabla 3.7;

Operador del F iltro Requerido z 1 / 1 z 1
161
Filtro
Parmetros (req c ) T 2 = (req + c ) T sin 2 (req c ) T cos 2 = (req + c ) T cos 2 (2 + 1 ) T cos 2 , = (2 1 ) T cos 2 sin (2 1 ) T 2 (req ) T tan 2 (2 1 ) T cos 2 (2 + 1 ) T cos 2 cot tan k = (2 1 ) T 2 (req ) T tan 2
Pasabajos
Pasaaltos
z 1 + / 1 + z 1
Pasabanda
2k 1 k 1 z + k+1 k+1 k 1 2 2k 1 z z +1 k+1 k+1 z 2
Supresor
2 1 1 k z 2 z + 1+k 1+k 1k 2 z 2 z 1 + 1 1+k 1+k
Tabla 3.7: Operadores de ltracin
4. El operador z 1 del ltro inicial pasabajos se cambia por el correspondiente operador del ltro que esta siendo sintetizado a partir de la Tabla 3.7.
Ejemplo 3.5. En el caso 2 del ejemplo 3.3 fue mostrado como por medio de un prototipo an alogo 2 de ltro pasabanda |Ha ( )| se puede sintetizar el FPB digital con el cuadrado de la respuesta a 2 impulso del tipo |H (z )| . Ahora, empleando los datos de la Tabla 3.7 se puede efectuar el cambio a un pasabandas obteniendo: |Hnn (z )| = donde 3 = tan2n
2
3 (z 2 + 1)2n 3 (z 2 + 1)2n + (1)n (z 2 2z + 1)2n
(2 1 )T . Este m etodo de cambio directo del algoritmo de F P B recursivo 2 digital a los algoritmos de otro tipo son muy c omodos de emplear, m as aun cuando se realiza a nivel de software.
3.3. Sntesis de ltros no recursivos
163

3.3.1. Condicin de desfase lineal
En el proceso digital de seales, es importante conservar la linealidad del desfase, tal como se determina en (1.109), en particular en casos tales como el anlisis cruzado de espectros, el anlisis de seales con estructuras sensibles a cualquier distorsin de forma, etc. A diferencia de los ltros recursivos, los no recursivos pueden ser construidos con desfase lineal. A partir de la denicin de no recursividad dada en (2.77a), se determina la respectiva salida del ltro como: y [n ] =
M 1 k=0
h[k ]x[n k ]
De tal manera, que la funcin de transferencia del ltro no recursivo se puede expresar en trminos de su respuesta a impulso como: H (z ) =
M 1 k=0
h[k ]z k
que en trminos de descomposicin espectral se describe como H (ejT ) = |H ( )| ej() =

M 1 k=0
h[k ]ejkT
(3.11)
Los ltros no recursivos mantienen la condicin de linealidad de fase cuando cumplen la condicin (1.109), esto es, a partir de la denicin (1.107b) se tiene que: ( ) = arctan {H ( )} {H ( )} , = const.
La funcin de transferencia (3.11) se puede representar en trminos de la siguiente serie trigonomtrica: H (e

jT
)=
M 1 k=0
h[k ] cos (kT ) j
M 1 k=0
h[k ] sin (kT )
Por lo que se tiene que

M 1 k=0 M 1 k=0
h[k ] sin (kT ) = tan( ) h[k ] cos (kT )
que resulta en la siguiente igualdad

M 1 k=0
h[k ] sin ( kT ) = 0
164
La solucin de la anterior igualada cumple las siguientes condiciones:
T = (M 1) , h[k ] = h[M 1 k ], k = 0, 1, 2, , M 1 (3.12) 2 De la expresin (3.12) se concluye que cualquier ltro no recursivo tiene desfase lineal (y por tanto, retardo de grupo constante) si su respuesta a impulso discreta es simtrica con relacin a su punto medio: (M 1)T /2 para las funciones h[k ] denida sobre arreglos impares, y (M 1)T /2 para el caso de los pares. En algunos casos, es suciente solamente la condicin de constancia del retardo de grupo (1.110). Los ltros de este tipo tienen desfase determinado por la relacin: ( ) = 0
T = (M 1) , h[k ] = h[M 1 k ], k = 0, 1, 2, , M 1 2 Esto es, la respuesta a impulso discreta es antisimtrica con relacin a su punto medio: (M 1)T /2 para las funciones h[k ] denida sobre arreglos impares (obligatoriamente h[(N 1)/2] = 0), y (M 1)T /2 para el caso de los pares. De lo anterior se deduce que existen cuatro diferentes variantes de realizacin de los ltros no recursivos con desfase lineal: de acuerdo a la cantidad de valores que denen la respuesta impulso (par o impar) y de acuerdo a la condicin de simetra o asimetra del respectivo arreglo de h[k ]. Precisamente, el empleo de las condiciones de simetra o antisimetra en la respuesta a impulso, conduce a la simplicacin del proceso de sntesis de las respectivas funciones de transferencia de los ltros digitales. Particularmente, en el caso en que la funcin respuesta a impulso h[k ] sea simtrica e impar, se obtiene la siguiente funcin de transferencia: H (ejT ) =
(M 3)/2 k=0 M 1
La solucin de (3.11) para 0 = /2 cumple las siguientes condiciones:
h[k ] exp(jkT ) + h h[k ] exp (jkT )
M 1 2
exp j
M 1 2
T +
k=(M +1)/2
Teniendo en cuenta la solucin (3.12), y realizando el siguiente cambio de ndices M 1 k = m, la segunda sumatoria se puede representar en la forma:
M 1 k=(m+1)/2
h[k ] exp (jkT ) = =
M 1 k=(M +1)/2 (M 3)/2 m=0
h[M 1 k ] exp (jkT ) =
h[m] exp (j (M m 1)T )
factorizando el trmino exp (j (M 1)T /2) se obtiene:

(M 3)/2 k=0
h[k ]ej [(M 1)/2k]T + h )T

(M 1)/2 k=0
M 1 2
(M 3)/2 k=0
h[k ]ej [(M 1)/2k]T
= ej (
M 1 2
an cos(kT )
165
0.8 0.6 0.4 0.2 0 2 4 6 8 10
0.8 0.6 0.4 0.2 0 2 4 6 8 10 12
M = 11, = 0
M = 11, = 0.5
0.5
0.5 0 0.5
0.5 2 4 6 8 10
10
12
M = 12, = 0
M = 12, = 0.5
Figura 3.9: Casos de respuesta a impulso para los ltros no recursivos
siendo a0 = h [(M 1) /2] , ak = 2h [(M 1) /2 k ] Similares relaciones se obtienen para las tres otras variantes de ltros no recursivos lineales, las cuales se muestran en la Tabla 3.8, en la cual los coecientes bk se determinan por la relacin: bk = 2h M k , k = 1, 2, 2
Respuesta a impulso simtrica
orden ltro impar par
Funcin de transferencia
1 exp j M2 T 1 T exp j M2 (M 1)/2
ak cos (kT )
k=0 M/2
bk cos
k=1
2 k 1 2 T
antisimtrica
impar par
exp j exp j
M 1 2 T M 1 2 T
k 2 k 2
(M 1)/2
ak sin (kT )
k=1 M/2
bk sin
k=1
2 k 1 2 T
Tabla 3.8: Funciones de transferencia en ltros no recursivos lineales
166
3.3.2. Clculo de ltros con series de Fourier

La denicin de la funcin de transferencia de ltro digital, teniendo en cuenta ( 2.14), implica su periodicidad con periodo d = 2/T , por lo cual su respectiva descomposicin en series de Fourier da como resultado: H ejT = donde 1 h[k ] = d
s /2 k=
h[k ]ejT
(3.13)
H ejT ejkT d
s /2
(3.14)
De las anteriores expresiones se observa que los coecientes de la serie de Fourier pueden ser tomados en calidad de valores de la respuesta a impulso del ltro no recursivo, por lo cual las ecuaciones (3.13) y (3.14) pueden ser empleadas como base para la sntesis de ltros no recursivos. Sin embargo, la funcin de transferencia (3.13) tiene orden innito, por lo que su implementacin fsica es imposible. El desarrollo, sobre procesadores digitales reales, de la funcin (3.13) exige que la cantidad de trminos de la sumatoria sea truncada hasta un valor M , tal que h[k ] = 0, |k | > (M 1)/2, entonces: H (z ) =
(M 1)/2 k=(M 2)/2
h[k ]z k
El retardo propio de los dispositivos de proceso reales puede ser tenido en cuenta multiplicando la funcin de transferencia por el correspondiente factor de desplazamiento de tiempo: H (z ) = z
(M 1)/2 (M 1)/2 k=(M 2)/2
h[k ]z k
(3.15)
Los ltros con funcin de transferencia (3.15) tienen magnitud de la forma: |H ( )| =

(M 1)/2 k=0
ak cos(kT )
(3.16)
Ejemplo 3.6. Sintetizar el ltro pasabajos con magnitud: H (ejT ) = 1, 0, | | c c < | | d /2 (3.17)
siendo c y d los valores de la frecuencia de corte y discretizaci on, respectivamente. Los valores de la funci on de respuesta a impulso de este ltro se calculan a partir de (3.14): 1 h[k ] = c
d
ejkT d = c sinc (c kT )
c
(3.18)
167
Cuando k = 0, el correspondiente valor de la respuesta a impulso es igual a: h[0] = l m

0
c T c T 2c sin (c T ) sin (c T ) = l m = = 0 c T d
en puede ser empleada en el caso de s ntesis de ltros pasaaltos, pasaLa expresi on (3.14) tambi banda y rechazabandas. Sea por ejemplo, el caso de s ntesis del siguiente ltro pasaaltos: |H ejT | = 0, 1, 0 c c d /2 (3.19)
Con lo que los valores de su respuesta a impulso ser an:

d / 2
h[k ] =
1 d
H ejT
ejkT d =
d / 2 d / 2
1 d
d / 2
ejkT d +
c
c / 2
d / 2
ejkT d =
1 = d =
e
c
jkT
+e
jkT
2 d = d
cos (kT ) d =
c
2 sin(kT ) kd T
d / 2 c
1 sin(kc T ) (sin(k ) sin(kc T )) = k k
(3.20)
Cuando k = 0, se tiene h[0] = l m c T sin(c T ) sin(c T ) 1 (sin( ) sin(c T )) = 1 l m =1 l m = 0 0 T 0 c T c T 2c =1 =1 d
De lo anterior resulta que, para k 1, los valores de las respectivas funciones de respuesta impulso, tanto para los ltros pasabajos, como para los pasaaltos, que tengan los mismo valores de frecuencia de corte y discretizaci on, se diferencian solamente por el signo del valor discreto. As mismo, se observa que la respuesta a impulso de un ltro pasaaltos se puede obtener al restar de el valor unitario la respuesta a impulso del ltro complementario pasabajos. De manera similar, se calculan los valores de la respuesta a impulso de un ltro pasabandas descrito por la magnitud: 0, 0 c1 H ejT = 1, c1 c2 (3.21) 0, c2 d /2 de acuerdo a la siguiente expresi on: 1 (sin(c2 kT ) sin (c1 kT )) , k 1 k h[k ] = 2(c2 c1 ) , k=0 d
(3.22)
Mientras para el ltro complementario rechazabanda con magnitud 1, 0 c1 H ejT = 0, c1 c2 1, c2 d /2
168
cuyos valores de respuesta a impulso ser an 1 (sin(c1 kT ) sin (c2 kT )) , k h[k ] = 2(c2 c1 ) 1 , d
k1 k=0
Los anteriores resultados muestran que entre los ltros rechazabanda y los pasabanda existe la misma relaci on complementaria que la que hay entre los pasabandas y los pasaaltos.
Fenmeno de Gibbs. Al emplear la magnitud (3.16), en la implementacin real de los ltros no recursivos, se presenta el fenmeno de Gibbs, que consiste en la aparicin de uctuaciones en la cercana inmediata del punto de discontinuidad; la misma amplitud de las uctuaciones no depende del orden de truncamiento M , mas si su frecuencia. El fenmeno de Gibbs puede ser explicado al describir la funcin de respuesta a impulso truncada hM [k ] como la multiplicacin de su versin innita h[k ] por una funcin denida w[k ] sobre un intervalo nito de tiempo: hM [k ] = h[k ]w[k ] tal que, la funcin w[k ], denominada ventana cumple la siguiente restriccin w [k ] = [k ] = 0, 0 k M 1 0, M 1<k <0
A partir de la propiedad de convolucin de la transformada Z , la respectiva funcin de transferencia truncada corresponde a:

/T
HM ejT
T = Z {h[k ]w[k ]} = 2
/T
H (ejT )W ej ()T d
El caso ms simple de anlisis de funcin ventana w[k ] y que encuentra mayor aplicacin en la prctica corresponde a la ventana rectangular denida como: w [k ] = = 0, 0 k M 1 0, M 1<k <0
cuya transformada de Fourier es igual a: W ejT = ej(M 1)T /2 sin (M T /2) = ej(M 1)T /2 sinc(M T /2) M T /2
En la parte superior de la Figura 3.10(a), se observa el efecto Gibbs en el tiempo para diferentes longitudes de ventana (M = 64 y M = 320), al cual le corresponde el espectro mostrado en la parte inferior que contiene el lbulo principal y los lbulos laterales de la magnitud del espectro de la ventana. La oscilatorio de los lbulos laterales condiciona las uctuaciones del fenmeno de Gibbs.

0 10 20 30 40 50 0
M = 64 M = 320 13 dB
169
1 0.8 0.6 0.4 0.2
bartlett hamming hanning
0.05
0.1
Espectro de ventana
0.15
0.2
0.25
ventana en el tiempo
10
12
14
16
1.2 1 0.8 0.6 0.4 0.2 0 5 10 15 20 25 30

M = 64 M = 320
0 20 40 60 80
ventana en el tiempo
bartlett hamming hanning
0.5
Espectro de ventana
1.5
2.5
(a) Ventana rectangular
(b) Ventanas mejoradas
Figura 3.10: Ventanas de proceso
Las simulaciones presentadas en la Figura 3.10(a), muestran que al aumentar la cantidad de elementos discretos de la ventana, disminuyen los lbulos laterales y el lbulo principal se hace mas agudo, mientras las uctuaciones en el tiempo se atenan mucho ms rpido en el tiempo. Sin embargo, el exagerado aumento del nmero de elementos de discretizacin M conlleva al incremento signicativo del costo computacional. En la sntesis de ltros digitales empleando las series de Fourier se emplean una serie de funciones ventanas, que son mucho mas efectivas que la rectangular. Entre las ventanas que encuentran aceptacin estn las de Bartlett, Hamming y Hanning, mostradas en la Figura 3.10(b). Funciones mejoradas de ventana El valor de la distorsin espectral se puede mantener dentro de un mnimo, si se cumplen las siguientes propiedades: (a). Alta concentracin en el lbulo central (principal), que requiere una ventana amplia de tiempo. (b). Pequeos o insignicantes lbulos laterales, que requieren una ventana de tiempo alisada sin cortes abruptos de los ancos. La ventana rectangular lleva a una ventana espectral (funcin - seno), la cual cumple el punto a ), pero no es efectiva en el punto b), teniendo oscilaciones de alta frecuencia, y adems con lbulos laterales negativos. Aunque la ventana rectangular deja la funcin de tiempo sin distorsin, esto puede llevar a severas distorsiones en el dominio de la frecuencia. El efecto indeseable es debido a los cortes abruptos de los ancos de la ventana rectangular, que introduce altas frecuencias. Por esto un cierto compromiso debe ser conseguido en el diseo de una ventana que disminuya gradualmente hacia ambos ancos del intervalo del registro; realmente se realiza una cierta distorsin de la seal en el tiempo, pero al mismo tiempo se evitan las oscilaciones de alta frecuencia en
170
el dominio de la frecuencia. Una ventana que mantenga ambos dominios sin distorsin es imposible de sintetizar. No hay un procedimiento directo para derivar la forma de la mejor ventana en todos los sentidos, en vez de esto la aproximacin es basada en un compromiso entre diferentes factores e inclusive el procedimiento puede emplear el mecanismo de prueba y error. Esto explica los grandes esfuerzos hechos en este campo. La mayora de las ventanas de w(t) son reales y pares, por lo que su transformada de fourier W ( ) es tambin real y par. Una condicin adicional aplicada sobre forma de las ventanas est en su simetra o antisimetra con respecto al valor medio de su intervalo de denicin T o apertura. Estas condiciones se hacen necesarias en la implementacin de ltros no recursivos lineales. Se distinguen los siguientes tipos de ventanas: Ventanas trigonomtricas 1. Ventana Rectangular. Conocida tambin como ventana Bartlett: 1, 0tT w(t) = T 0, |t| > T a la cual le corresponde la siguiente transformada de Fourier W ( ) = 2 sin(T ) = 2 sinc T T
El proceso de registros con longitud nita sin realizar ninguna operacin sobre el contenido de los datos originales equivale al empleo de la funcin ventana rectangular. En este caso, aunque su implementacin es la mas simple, el trmino sinc en W ( ) genera amplios lbulos laterales, que genera distorsin adicional en las componentes espectrales. La ventana rectangular es la ms usada comnmente y los efectos espectrales indeseables son compensados alisando en el dominio de la frecuencia. Una versin modicada de la ventana rectangular es la ventana trapezoidal. 2. Ventanas tipo sinc. Basadas en el empleo de la funcin sinc como funcin de alisamiento de los datos. Entre las principales estn: Ventana Fourier - Kernel o Ventana Daniell 1 sinc(t/T ), 0 t T w(t) = T 0, |t | > T
Para el caso de una ventana truncada en el tiempo 0 t T , la transformada no puede ser expresada en forma cerrada pero puede ser escrita en forma de una serie innita convergente: W ( ) = 1
n=0
(1)n ( T )2n+1 + ( + T )2n+1 (2n + 1)(2n + 1)!
171
que se aproxima a la funcin rectangular vlida en el caso hacer innito su apertura. Ventana de Fejr. 1 sinc2 (t/T ), w(t) = T 0,
0 |t| T t>T
Sobre valores nitos de apertura de ventana, la correspondiente transformada de Fourier W ( ) conlleva a series innitas convergentes, las cuales se aproximan a la funcin triangular: W ( ) = 1 2 2
n=0
(1)n (2 + T )2n+2 + (2 T )2n+2 2(T )2n+2 (2n + 1)(2n + 1)!
3. Ventanas tipo Coseno Estn basadas en las propiedades envolventes de la funcin coseno. Corresponden a las ventanas ms usadas, entre las cuales estn: Ventana Hanning. Conocida como ventana Tukey o simplemente ventana Coseno. 1 (1 + cos(t/T )) , 0 |t| T w(t) = 2 0, t>T T + 1 2 sinc
cuya transformada de Fourier puede expresarse como: W ( ) = sinc T + 1 + sinc T 1
A diferencia de la ventana rectangular, la transformada de la ventana tipo coseno W ( ) se representa por la suma de tres funciones sinc, desplazadas una de otra. De la ecuacin anterior, es de suponer que los lbulos laterales de las tres funciones sinc al ensancharse se cancelan unos con otros, lo cual es favorable. As mismo, se observa que si la apertura T puede llegar a ser muy pequea, el espectro de la ventana se puede aproximar a una constante. Este caso corresponde a baja resolucin y alta estabilidad del espectro. El caso contrario de anlisis, cuando la apertura T se amplia signica alta resolucin, pero baja estabilidad. La ventaja de una ventana mvil es que muestra el desarrollo espectral con el tiempo. La ventana Hanning es equivalente a la ventana coseno cuadrado: 1 cos w(t) = 2 0, t 2T , 0 |t| T t>T
Algunas veces es usada tambin media ventana coseno y es llamada Ventana Hanning Modicada.
172
Ventana Hamming 1 0.54 + 0.46 cos w(t) = T 0, W ( ) = 1.08sinc T
t T
, 0 |t| T t>T T + 1 + sinc T 1
+ 0.46 sinc
donde a = 0.25 para la ventana de Hanning y a = 0.23 para la ventana de Hamming. Una pequea modicacin en los factores de peso realiza una buena eliminacin de los efectos de los lbulos laterales. Las ventanas espectrales Hanning y Hamming corresponden a un promedio sobre tres valores consecutivos de la funcin espectral de la ventana rectangular. Este promedio tiene como consecuencia que las ventanas espectrales para las ventanas Hanning y Hamming tengan muchos lbulos laterales pequeos, donde el lbulo central es ms amplio para las ventanas Hanning y Hamming que para la ventana rectangular. La ventana Hamming es considerada como una de las de mejor comportamiento y por tal razn es bastante usada. Ventana rectangular coseno envolvente. A menudo se busca un dato de la ventana el cual es sucientemente plano sobre la mayor parte de duracin de la seal (semejante a la ventana rectangular), pero cerca de los dos extremos de la seal no la envuelve (semejante a una ventana coseno). Esto puede ser realizado fcilmente por combinacin de las ventanas rectangular y Hanning de tal manera que la ventana comienza a la izquierda con el lado izquierdo de la ventana coseno, seguida por una ventana rectangular sobre la mayor parte de la seal y al nal a la derecha con el lado derecho de la ventana coseno w1 (t) = 1 5t 1 + cos 2T T 1 4T 4T w2 (t) = , |t| T 5 5 1 5t w3 (t) = 1 + cos 2T T , T |t| 4T 5
En general, Las ventanas Hanning y Hamming pueden escribirse como: 1 1 2a + 2a cos t , 0 |t| T T w(t) = T 0, t>T
4T |t| T 5
La correspondiente ventana espectral es: W ( ) = sin(T ) + sin(4T /5) T 1 (T /5 )2
Ventanas de potencia. Estas estn asociadas a alguna funcin de potencia de t, entre las cuales estn:
173
1. Ventana Triangular. Conocida como ventana Bartlett, la cual se obtiene como un caso especial de la ventana Parzen, haciendo m = 1: 1 1 |t | , 0 |t| T T w(t) = T 0, t>T que le corresponde la transformada de Fourier W ( ) = sinc2 T 2
Esta ventana a diferencia de las otras ventanas no tiene lbulos laterales negativos. Otro caso especial de la ventana de potencia es obtenido haciendo m = 2 de la cual resulta una ventana parablica. 2. Ventana de Parzen. 1 1 w(t) = T 0,
|t|m T
, 0 |t| T , m Z+ t>T
El nmero de trminos en la respectiva transformada de Fourier depende del exponente m: 2 2 sin(T ) W ( ) = T (T )m+1
T
tm cos tdt
0
La integral puede simplicarse, si se lleva fuera la integracin sucesiva:

T
tm cos tdt = f (T ) sin T + f (T ) cos T f (0)
donde
N
f (t) = m!
0
(1)n
tm2n , n = 0, 1, , N, N = (m 2n)!
m/2, (m 1)/2,
m par m impar
La ventana de Parzen aparece frecuentemente con la siguiente descripcin: 1 T w(t) = 2 T 0, 16 1 |t| T t T ,

2
+6
|t| T
, 0 |t|
T 2
T |t| T 2 |t | > 0
174
3. Ventana de Cappelini. Corresponde a una de las ventanas ms cercanas al ptimo potencial en la minimizacin de las pulsaciones de Gibbs, y se determina como: N 1 3n wc , |n | N 1 2 w(n) = N 1 0, |n | = 2 donde wc (t) = 0.828217t3 1.67363t2 + 0.041186t + 0.99938, 0 t 0.75 3 2 0.065062t + 0.372793t 1.701521t + 1.496611, 0.75 t 1.5 Las ventanas del tipo exponencial contienen la variable tiem-
Ventanas exponenciales. po en el exponente.
1. Ventana de Gauss. 1 eat2 , 0 |t| T w(t) = T 0, |t| > T
donde a es una constante positiva. En el caso de anlisis de aperturas de tiempo innito, la curva Gaussiana es auto-recproca. Para un intervalo de tiempo nito la TF es: W ( ) = 1 T 2 /4a e erf T a a
x
donde la funcin de error erf T se dene como 2 erf (x) =

0
ey dy
Esta ventana espectral no tiene lbulos laterales negativos y no presenta oscilaciones lo cual puede conducir a mximos y mnimos espurios en el espectro calculado. 2. Ventana de Kaiser. Una de las ventanas ms efectivas empleadas en la sntesis de ltros no recursivos: I0 ( )/I0 (), |n| N 1 2 (3.23) w(n) = N 1 0, |n | > 2 donde I0 ( ) es la funcin modicada de Bessel de primer tipo y orden cero, con argumento, = 1 (2n/(N 1))2 , es un parmetro independiente. El valor de esta funcin se puede calcular empleando la serie convergente: I0 () = 1 +
k=1
1 k!
175
En la prctica, el clculo se puede aproximar por la siguiente expresin: 1 + 3.5156229t2 + 3.0899424t4 + 1.2067492t6 .2659732t8 + 0.03600768t10 + 0.0045813t12 , +0 e (0.39894228 + 0.01328592t1 + 0.00225319t2 I0 () = 1 0.00157565t3 + 0.00916281t4 0.2057706t5 1 1 1 6 7 +0.02635537t1 0.01647633t1 + 0.00392377t8 1 ), t=
3.75 ,
3.75
t1 = 3.75/, > 3.75
A diferencia de las dems ventanas, cuya forma solamente se determina por el parmetro tiempo t (o tiempo normalizado t/T ), la ventana de Kaiser cuenta con un parmetro adicional . Combinando adecuadamente ambos parmetros se obtiene mucho mayor exibilidad en el diseo de ltros con cualquier respuesta de frecuencia realmente implementable, como se muestra en la Figura 3.11.
1
=0
1.33 3.86 7.04
0.5
0 0
10
20
ventana de tiempo: M = 63
30
40
50
60
=0
20 40 60 80 0 0 0.5
1.33 3.86 7.04
F. Transferencia: = var y M = 63
1.5
M = 15
20 40 60 80 0 0.5
31 63 127
F. Transferencia: M = var y = 3.86
1.5
Figura 3.11: Ventana de Kaiser
Sin embargo, el empleo de la ventana de Kaiser est limitado por la seleccin de los parmetros y el tiempo normalizado N . Kaiser propuso el siguiente algoritmo para la seleccin de estos parmetros: Sea dado un ltro pasabajos, para el cual las pulsaciones de la respuesta de frecuencia en la banda de paso (0, p ) no excede el valor Ap (dado en [dB ]), con rechazo no menor a Az [dB ] en la banda de rechazo (z , d/2 ) y con ancho de banda de tran-
176
sicin Bt = z p . Los respectivos coecientes del ltro Kaiser se calcula de la siguiente manera: a ) Empleando la expresin (3.18) se calcula la respuesta a impulso h[n], que corresponde a la funcin de transferencia de un ltro ideal pasabajos (3.17), donde c = (p + z )/2 es la frecuencia de corte condicional. b) De los valores dados Ap y Az se calculan los respectivos coecientes en veces: 1 = 100.05Az , 2 = 100.05Ap 1 100.05Ap + 1
c ) Obtenido el valor , que caracteriza la desviacin de la aproximacin para la respuesta de frecuencia ideal, se calcula el valor que caracteriza la banda de rechazo: Azi = 20 lg d ) Se determina el parmetro de acuerdo con la 0, = 0.5842(Ap 21)0.4 + 0.07886(Ap 21), 0.1102(Ap 8.7), 0.9222, (Ap 7.95)/14.36, Ap 21 Ap > 21 expresin: Ap 21 21 Ap 50 Ap > 21
De los cuales se halla el menor = {1 , 2 }.
e ) Del valor dado Ap se obtiene el parmetro D, e igual a: D=
f ) Se estima el orden del ltro Kaiser de la condicin: N = 2 d D/2Bt + 1, siendo la parte entera de . g) De acuerdo a (3.23) se calculan los valores de la funcin ventana de Kaiser, a partir de los cuales e calculan los coecientes del ltro: h[n] = w N 1 i 2 h N 1 i 2 , n = 0, 1, , N 1
La funcin de transferencia del ltro real de Kaiser tiene la forma: H (z ) = z

(N 1)/2 (N 1)/2 n=0
a [n ] n z + z n 2
donde a [0] = h[0] y a [n] = 2h[n], n = 1, , N 1.
177
El anterior algoritmo es aplicable a los diferentes tipos bsicos de ltros: En el caso de los pasaaltos, los coecientes de la respuesta a impulso se calculan empleando las expresiones (3.19) y (3.20), ajustando los valores c = (p + z )/2 y Bt = (p z ). En el diseo de los pasabandas y rechazabandas, los coecientes de la respuesta a impulso se calculan empleando las expresiones (3.21) y (3.22). Sin embargo, en el primer caso, el ajuste de los valores es el siguiente: c1 = p1 Bt /2, c2 = p2 + Bt /2 y Bt = min{p1 z 1 , z 2 p2 }, mientras para el rechazabanda el ajuste es: c1 = p1 + Bt /2, c2 = p2 Bt /2 y Bt = min{z 1 p1 , p2 z 2 }.
Mtodos de empleo de ventanas Los procedimientos prcticos aplicando ventanas pueden resumirse en dos mtodos alternativos: 1. Mtodo 1. La seal de entrada es multiplicada por la funcin ventana seleccionada. La transformada de Fourier de la serie ponderada es suavizada debido al efecto de la convolucin compleja con el espectro de la ventana. apropiada. 2. Mtodo 2. La seal discretizada de entrada se multiplica por la ventana rectangular con peso 1, esto es no se altera el contenido de la serie de entrada en la apertura de ventana, luego se realiza el suavizado o alisamiento de las componentes espectrales obtenidas. Por ejemplo se puede aplicar la ventana espectral Hamming (este aplanamiento es hecho para contrarrestar las alta frecuencias introducidas por la ventana de tiempo rectangular) sobre tres puntos con pesos: w[k 1] = 0.23; w[k ] = 0.54; w[k + 1] = 0.23. Los dos mtodos son equivalentes, nicamente que los pasos se toman en orden diferente. En cuanto a la seleccin de la ventana concreta a ser aplicada, la solucin corresponde a un compromiso entre varios factores, de los cuales los ms signicativos son: Ancho de banda de la ventana espectral y los lbulos laterales del espectro de ventana. La ventana espectral debe concentrarse en el lbulo central alrededor de = 0 y tener nicamente pequeos lbulos laterales. Los lbulos laterales negativos deben preferiblemente ser lo ms pequeos posibles. Esa condicin es clara, cuando se considera que la ventana espectral por su convolucin con el espectro de la seal til toma el papel de una funcin de peso. Desde este punto de vista la ventana rectangular es estrecha. Pero la forma rectangular de esta ventana de tiempo es indeseable, por las altas frecuencias que son introducidas (fenmeno de Gibbs). Las pruebas empricas muestran que el ancho de banda de la ventana espectral es un parmetro muy signicativo ms que el tipo de ventana usado. El ancho de banda puede ser del mismo orden o tan preciso como se quiera para investigar el espectro. Solo que el ancho de banda pequeo, podra disminuir la estabilidad de la estimacin espectral. Es aconsejable iniciar con un pequeo T e incrementarlo mientras que el espectro no se afecte en su longitud. En razn, a lograr una buena resolucin espectral hay dos alternativas, conservar un T constante y buscar entre diferentes tipos de ventana o dejar un T variable y mantener un tipo de ventana constante. El ltimo procedimiento es el ms eciente.
178
3.3.3. Discretizacin de la funcin de transferencia

La respuesta de frecuencia de un FPB con frecuencia de corte c y con desplazamiento de frecuencia nulo (j ) = 0 tiene la forma |H (j ) | = 1, | | c 0, | | > c

La respuesta a impulso de este ltro puede ser descrita de la forma h (t) = 1 2 ejt d = 1
0
cos td = sinc
c t t
(3.24)
Si a la entrada del ltro se halla la seal x (t), entonces, se cumplir: Y (j ) = X (j ) H (j ) , | | c 0, | | > c
Suponiendo que la funcin de entrada est limitada a un rango de frecuencias, esto es, X (j ) = 0 para | | > . Luego, X (j ) H (j ) = 0 para | | > . Si HN (j ) corresponde al intervalo fundamental H (j ) con periodo T = 2/d , donde, d 2 entonces, la TF de la seal de salida se puede representar de la forma: Y (j ) = H (j ) X (j ) = HN (j ) X (j ) , Si la funcin H (j ) permite representar HN (j ) en forma de la siguiente serie exponencial HN (j ) =
n=
hn ej 2n/d
donde hn = 0 cuando n , entonces, las respectiva respuesta a impulso ser: hN (t) =

n=
hn t +
2n d
Tomando en cuenta, que x (t) es funcin del tiempo, para la obtencin de la seal de salida x (t) es necesario calcular la convolucin de las funciones x (t) hn (t). Como resultado se obtendr: y (t) =
n=
hn x t +
2n c
o, pasndolo al plano discreto para t = 2m/s , se obtiene 2 (m + n) 2m hn x = y d d n= Con esta relacin es difcil trabajar, por cuanto se necesita una cantidad innita de muestras discretas.
179
Sea la funcin aproximativa de H (j ) en la forma

N
HN (j ) =
n=N
hn exp(
2jn ) d
(3.25)
entonces
N
hN (t) =
n=N
hn t +
2n d
(3.26)
determinando la convolucin de las dos funciones x (t) hn (t), se hallar y (t) en la forma:
N
y (t) = x (t) hn (t) =

N
hn
n=N
x (t) t +
2n d
dt
y (t) =
n=N
hn x t +
2n d
(3.27)
o, pasando al plano discreto, cuando t = 2m/d se obtendr 2m = y d

N
hn x
n=N
2 (m + n) d
(3.28)
La relacin (3.28) es la frmula bsica de ltracin digital no recursiva, mientras las relaciones (3.25) y (3.26) describen sus caractersticas de frecuencia y tiempo respectivamente. Analizando, (3.25), es importante anotar, que debido a que la funcin de transferencia del ltro ideal en la prctica se escoge en forma de funcin par o impar, entonces la funcin aproximativa HN (j ) puede ser representada para las funciones pares como
N
HN ( ) = h0 + 2
n=N
hn cos
n s
(3.29)
y para las impares

N
HN ( ) = 2j
n=N
hn cos
n s
(3.30)
En general, los puntos principales que hay que tener en cuenta en la sntesis de ltros no recursivos son los siguientes: - El mtodo de seleccin de los coecientes hn para el tipo dado de la funcin H ( ) y el carcter de las seales a procesar; - La estimacin de los errores de aproximacin de H ( ) por HN ( ). - Proveer la condicin de eliminacin del efecto de traslapo de las seales a la salida del ltro.
180
3.3.4. Optimizacin de ltros no recursivos

El clculo de los ltros no recursivos empleando las series de Fourier conlleva a que, en los puntos de corte abrupto en la funcin de transferencia resultante, aparecen las pulsaciones de Gibbs, en cuya disminucin se emplean diferentes tipos de ventanas. Sin embargo, estas oscilaciones se distribuyen de manera no homognea a lo largo del espectro con lo cual, en algunos puntos la compensacin con ventanas es muy buena, pero en otras regiones parcialmente se cumplen parcialmente las exigencias de atenuacin. La redistribucin de las pulsaciones de la respuesta de frecuencia se puede realizar directamente sobre una malla dada de frecuencias discretas de la funcin de transferencia, utilizando diferentes mtodos numricos de optimizacin. El primer mtodo sencillo de optimizacin est basado en la implementacin directa de una una malla de N valores discretos H [k ] de la funcin de transferencia (3.25), relacionada con la respectiva funcin respuesta a impulso de la forma: H (jT ) =
N 1
h[n] =
1 N
n=0 N 1 k=0
h[n] exp(jnT ) H [n]W kn , k = 2k/N, k = 0, 1, , N 1, W = ej 2/N
(3.31a) (3.31b)
Por lo que los valores de la respuesta a impulso se pueden hallar calculando la transformada discreta inversa de Fourier de la funcin de transferencia del ltro: H (z ) =
N 1 n=0
h[n]z n
z =W n
N 1 n=0
1 N
N 1
H [k ]W kn z n W k z 1
N 1 k=0 n
1 N
N 1 k=0 N 1 k=0
h[k ]
N 1 n=0
W kn z n =
1 N
k=0 N 1 n=0
1 = N Luego Hd e
jT
1 W N k z N 1 z N H [k ] = 1 W k z 1 N
H [k ] 1 ej 2k/n z 1
1 ejN T = N
N 1 k=0
N 1 k=0
ejN T /2 ejN T /2 ejN T /2 H [k ] = N 1 ejT ej 2k/N H [k ] ejT /2 ejk/N ejT /2 nT 2 T k 2 N
ejT /2 ejk/N
N 1 T 2
= ej(
N 1 k=0
H [k ]ejk/N sin sin
Se puede demostrar que si H [k ] son los valores de la funcin de transferencia en los
181
puntos W k , entonces se obtiene H ejT = |H (0)| sin N T /2 + N N T /2 k T sin N M |H [k ]| 2 N + T k N k=1 sin 2 N
sin N + sin
k T + 2 N T k + 2 N
(3.32)
donde M = (N 1)/2 para valores impares de N y M = N/2 1 para valores pares de N . Los valores de la funcin de transferencia H (ejT ) del ltro no recursivo, calculado por el mtodo de la discretizacin de la funcin de transferencia, coinciden con los valores de la funcin de transferencia exigida Hd [k ], solamente en los puntos W k . en los dems puntos ambas funciones divergen. debido a esto , en la prctica se emplean modicaciones del mtodo de la discretizacin de la funcin de transferencia, que permitan disminuir las pulsaciones de la funcin de aproximacin H (ej ). Disminucin de las pulsaciones de Gibbs. Estas oscilaciones estn directamente relacionadas con el cambio abrupto en la denicin de la funcin de transferencia. Si se genera una banda de transicin mas suave y extendida, entonces las uctuaciones disminuirn en los valores intermedios entre la malla discreta de frecuencias. Los diferentes mtodos se diferencian por el criterio de error dado en la optimizacin de la tarea. La expresin (3.32) que aproxima la funcin de transferencia exigida Hd [k ], es una funcin lineal respecto de H [k ] y para seleccin de sus valores ptimos en la banda de transicin se emplean mtodos lineales de optimizacin. En general, la funcin de transferencia (3.32) puede ser representada de la forma:
M
H (ejT ) =
k=0
|H [k ]| Sk (ejT )
(3.33)
donde 1 sin N T /2 , N sin T /2 jT k T Sk (e ) = sin N 1 2 N N k T sin 2 N k=0 T k + 2 N k T + 2 N
sin N + sin
k1
Sea B (ejT ), la componente de la suma (3.33), que corresponde a los discretos jos de frecuencia, tales que:
M2
H (e
jT
) = B (e
jT
)+
k =M 1
|H [k ]| Sk (ejT )
182
donde |H [k ]| , k = M1 , M1 + 1, , M2 es la componente exible de la banda de transicin, cuyos valores cambian acordes al criterio de optimizacin. Sea W [ ] la funcin de peso, que caracteriza el error de aproximacin, siendo > 0 su mximo valor en las bandas de paso y rechazo. Entonces, se necesita seleccionar aquellos valores de los parmetros xi = |H [M1 1 + i]| , i = 1, 2, , L = (M2 M1 + 1), con las siguientes restricciones: W (l ) H ejl T Hd ejl T , l = 0, 1, , N 1 (3.34)
tal que se cumpla que sea la mnima posible. Las restricciones (3.34) se pueden replantear de la siguiente manera: W (l ) H ejl T Hd ejl T W (l ) H ejl T Hd ejl T , ,
Como resultado se obtiene la siguiente tarea de programacin lineal: Encontrar los valores x1 , , xL de la funcin de transferencia discreta, con las siguientes restricciones:
L i=1 L
W (l )SM1 +1+i ejl T W (l )SM1 +1+i ejl T
xi W (l ) Hd ejl T B ejl T xi W (l ) Hd ejl T + B ejl T ,
i=1
siendo l = 2l/N, l = 0, 1, , N 1, 0 < xi < 1, i = 1, , L, tal que el mximo valor del error de aproximacin en las bandas de paso y rechazo, sea el mnimo posible. Medidas de distancia de error. Se pueden construir diferentes clases de ltros ptimos no recursivos, de acuerdo al criterio de error escogido, determinado por la medida de distancia entre la funcin de aproximacin H ejl T y la funcin aproximada Hd ejl T , denida sobre espacios p-integrables como: H Hd 1 = d
d
Lp
H ejT Hd ejT
(3.35)
La solucin generalizada de (3.35) es una tarea muy compleja de programacin no lineal. En el caso de p = 2 la norma corresponde al criterio del error cuadrtico medio y los respectivos coecientes se hallan resolviendo el respectivo sistema lineal de ecuaciones algebraicas. El ltro que minimiza el mximo valor del error de aproximacin en las bandas de paso y rechazo corresponde a la aproximacin de Chebyshev [16.nosach]. Sea Hd (ejT ) la funcin de transferencia ideal, que hay que aproximar por medio de la funcin H (ejT , ) sobre un subconjunto cerrado de intervalo (0, d/2 ), y W ( ) una funcin positiva de medicin ponderada, que caracteriza el valor absoluto del error en todas las bandas de frecuencia. Entonces, el error ponderado de aproximacin se podr representar en la forma: E (, ) = W ( ) H ejT , Hd ejT donde es un vector de parmetros desconocidos.
183
La aproximacin de Chebyshev consiste en la seleccin de los valores del vector en la funcin H (ejT , ), tales que el mximo valor del error, () = max W ( ) H ejT , Hd ejT
(3.36)
sea el mnimo posible. La funcin H (ejT , ), se puede representar en forma de multiplicacin de las siguientes componentes: H ejT , = P ejT Q ejT , donde P ejT es alguna funcin de medida ponderada, y Q ejT , corresponde a las 4 distintas estructuras de funciones de transferencia obtenidas para los ltros recursivos y mostradas en la Tabla 3.8, que en general se puede representar en forma de una combinacin lineal de cosenos: Q ejT , =
N 1 n=0
n cos (nT ) , 0 d/2
(3.37)
Si la respuesta impulso h[n] es simtrica, en caso de tener un valor N impar, entonces P ejT = 1, n = an , mientras para el caso de N par, se tiene: Q e
jT
, =
N 1 n=0
1 b(n) cos n 2
T = cos 2
N 1 n=0
bn cos nT
donde los coecientes bn y bn se relacionan de la forma: bN 1 /2 b1 = b0 + b1 /2, , bn = bn1 + bn /2, , bN = con funcin de medida ponderada P ejT = cos T /2. Si, por el contrario, la respuesta a impulso es antisimtrica, en el caso de N impar se tiene:
N
H ejT , =
n=1
cn sin(nT ) = sin(T )
N 1 n=0
c n cos(nT )
donde c1 = c 0 c 2 /2, , cn = ( cn1 c n+1 ) /2, , cN = c N 1 /2 siendo P ejT = sin T /2. De igual manera, se tendr para el caso N par:
N N 1 n=0
H e donde
jT
, =
n=1
1 dn sin n 2
T T = sin 2
n cos(nT ) d
0 d 1 /2, , dn = d n1 d n /2, , dN = d N 1 /2 d1 = d siendo P ejT = sin T /2.
184
Sean las siguientes notaciones: ( ) = W ( )P ejT W d ejT = Hd ejT /P ejT H (3.38a) (3.38b)
Malla inicial de puntos extremos con N + 1 frecuencias
E c
Clculo del valor ptimo sobre puntos extremos
Entonces el error ponderado de aproximacin (3.36) tendr la forma: ( ) H ejT , H d ejT , E (, ) = W El principal algoritmo de solucin de la tarea de aproximacin de Chebyshev es el segundo algoritmo de Remez, que se basa en el teorema de la alternancia de Chebyshev, cuya modicacin en la aproximacin de una funcin con un polinomio trigonomtrico se formula de la siguiente manera: Sea la funcin Q ejT , una combinacin lineal de N funciones coseno del tipo (3.37). Para que esta aproximacin sea la mejor aproximacin por Chebyshev de la d ejT dentro del espacio cerrado funcin H , es necesario y suciente, que exista por lo menos N + 1 puntos 0 , 1 , , N , para los cuales E (i+1 , ) = E (i , ), i = 0, 1, , N 1 donde |E (i , )| = max E (, ), para los valo
c
ejT , Interpolacin Q sobre N puntos
c
Clculo del error E ( ) determinacin de valores mximos, cuando |E (, )| >
res i = 0, 1, , N . Las frecuencias 0 , 1 , , N se denoLa mejor aproximacin minan puntos de la alternancia de Chebyshev . Este teorema de alternancia es bsico para la realizacin de diferentes algorit- Figura 3.12: Diagrama del algoritmo Remez mos efectivos de clculo de la solucin de la aproximacin de Chebyshev. Si los puntos de alternancia conforman la malla de valores ordenados 0 < 1 < 2 < , < N para un valor desconocido , entonces en cada punto k se deben cumplir las restricciones, W (k ) H ejk T , H ejk T = (1)k , k = 0, 1, , N (3.39)
c d > N +d 1 Si puntos d E d extremos d d No ' c d d puntos Si extremos d dcambian? d d No c
Seleccionar N + 1 mayores extremos
las cuales conforman un sistema lineal de ecuaciones lineales con N + 1 ecuaciones y N + 1 variables desconocidas 0 , 1 , , N 1 , , y el cual, se puede demostrar que tiene una nica solucin. El algoritmo de clculo del ltro ptimo basado en el segundo algoritmo de Remez se realiza por el siguiente procedimiento:
185
1. En el intervalo (0, d/2 ) se conforman la funcin de transferencia deseada Hd (ejT ), la funcin de ponderacin W ( ) y se determina el orden N del ltro. d (ejT ), W ( ) y P ( ) que 2. A partir del sistema (3.38a) se determinan las funciones H hacen parte de la tarea equivalente de aproximacin
3. Este punto corresponde a un proceso iterativo, que da como resultado los puntos de alternancia de Chebyshev. Inicialmente, y de manera arbitraria se escoge la malla constituida por N + 1 valores extremos 0 < 1 < 2 <, , < N , ubicados sobre el intervalo (0, d/2 ), con los cuales se resuelve el sistema de ecuaciones (3.39), que tiene la forma matricial: 1 Hd ej0 T 0 1 cos 0 T cos 20 T cos(N 1)0 T W (ej0 T ) j1 T 1 H 1 d e 1 cos 1 T cos 21 T cos(N 1)1 T j W (e 1 T ) . . . . = . . N 1 (1)N 1 cos N T cos 2N T cos(N 1)N T W j T (ejN T ) d e N H La solucin de este sistema empleando mtodos de clculo de algebra lineal es bastante complejo. En la prctica, el valor de se calcula de la expresin: = donde
N
d ej0 T + a1 H d ej1 T + + aN H d ejN T a0 H (0 ) a1 /W (1 ) + + (1)N aN /W (N ) a0 /W 1 , k = 0, 1, , N, xi = cos i (xk xi )
ak =
i=0 i=k
A partir del valor obtenido de se determinan los valores de la funcin de aproxi ejT , , e iguales a: macin Q
k k = H d ejk T (1) , k = 0, 1, , N 1 Q (k ) W
Empleando la expresin de la interpolacin de Lagrange en forma baricntrica, se obtiene k Qk k=0 x xk = N 1 k k=0 x xk 1 , k = 0, 1, , N, x = cos , (xk xi )
N 1
ejk T Q
donde
N
k =
i=0 i=k
186
Sobre el intervalo (0, d/2 ), se selecciona una malla densa de puntos, en cada uno de los cuales se calcula el valor de error E (, ). Si para todas las frecuencias de la malla se cumple que: E (, ) se considera hallada la funcin ptima de aproximacin. Si por el contrario, existen puntos de la malla para los cuales E (, ) > , se escogen una nueva malla de N + 1 puntos. Las nuevas frecuencias 0 < 1 < 2 <, , < N , se seleccionan en los puntos extremos de la funcin |E (, )|. En cada iteracin del algoritmo de Remez el valor de se incrementa hasta, un valor que no exceda el lmite superior. El diagrama del algoritmo de Remez se muestra en la Figura 3.12.
4. De los coecientes obtenidos para la funcin de aproximacin (3.37) se determina la respuesta a impulso del ltro h[n], n = 0, 1, , N 1. En general, los parmetros de los ltros estn fuertemente relacionados entre s. Por ejemplo, el orden del ltro inuye en las frecuencias de corte y rechazo, as como en las variaciones de amplitud de las respuesta de frecuencia. El orden de un ltro ideal pasabajos se puede clacular por la aproximacin de Kaiser: 20 log 1 2 13 +1 N 14.6f donde f es el ancho de banda de transicin, 1 y 2 son las variaciones permitidas en las bandas de paso y rechazo, respectivamente. Otra expresin empleada corresponde a la planteada en [27]: N siendo D (1 , 2 ) = 0.005309 (log 1 )2 + 0.07114 log 1 0.4761 log 2 0.00266 (log 1 )2 + 0.5941 log 1 + 0.4278 f (1 , 2 ) = 11.012 + 0.51244(log 1 log 2 ) D (1 , 2 ) f (1 , 2 ) (f )2 +1 f
3.3.5. Filtros no recursivos en el proceso de seales aleatorias

Sin perder el sentido de generalidad y para facilitar los procedimientos matemticos se harn las siguientes consideraciones: - La seal discreta en el tiempo de entrada x [t] del ltro se caracteriza por ser una funcin generalizada; - El espectro de la seal de entrada es limitado a un ancho de banda nito; - Los espectros de la seal til y de la perturbacin no se traslapan.
187
En gran cantidad de casos prcticos, el espectro de la seal de entrada X (f ) se puede considerar que consiste del espectro de la seal de entrada en el intervalo (fc , fc ), mientras para la perturbacin esta dado en ((f , fc ) , (fc , f )), adicionalmente X (f ) = 0, para |fc | > f donde |fc | > fc . Se supondr que al pasar la seal de entrada por el FPB digital la interferencia se suprimir. Consecuentemente, en el caso ideal la funcin de transferencia de este ltro para las frecuencias f > fc ser H (f ) = 0. Pero debido a que H (fc ) = 0 entonces, en la frecuencia innitamente cercana a fc , la funcin H (f ) tendr un rompimiento, lo que conlleva a la formacin de oscilaciones inestables a la salida del ltro. Con este n, para eliminar cualquier tipo de estas oscilaciones, en la frecuencia cercana a la frecuencia cercana a la frecuencia de corte fc , se debe escoger la funcin aproximativa HN (fc ) de tal manera, que HN (fc ) = 0 en el intervalo de frecuencias (fc , fc + f ) donde f > 0 y depende de la cantidad N . Ciertas componentes indeseables del espectro de frecuencia (fc , fc + f ) pueden aparecer en la seal de salida. La tercera consideracin realizada antes, sirve para eliminar este factor de la etapa de dise del ltro, o sea, existe tal valor f > 0, en el cual, el espectro de la seal a la entrada del ltro en las frecuencias [fc , f, fc ] y [fc , fc + f ] es igual a cero: X (f ) = 0. Escogiendo apropiadamente la funcin HN (f ), que no tenga rompimientos se provee la estabilidad necesaria en el trabajo del ltro. El mtodo de sntesis de un ltro no recursivo comienza escogiendo el tipo de funcin de transferencia del ltro ideal H (f ) en el ancho de banda (fc , fc ), y escogiendo, despus, el carcter de la pendiente de inclinacin de la funcin aproximativa HN (f ). Despus, basados en la descripcin analtica de la funcin HN (f ) se calcula la respuesta a impulso del ltro h (t) teniendo en cuenta (3.24). La seal de salida del ltro se determina de la expresin (1.101). Sin embargo, el clculo h (t) a partir de (3.24) diculta el empleo de este mtodo en la prctica; dicultad que se puede disminuir de la siguiente manera: Sea la representacin de la funcin hN (t) del ltro a sintetizar en la forma: hN (t) = k (t) x (t) (3.40)
donde k (t) es una funcin de ayuda dada analticamente, x (t) es la funcin generalizada de entrada del ltro. Si la funcin k (t) y x (t) cumple las condiciones de Dirichlet en la cualquier intervalo de tiempo (ver seccin 1.3.1) y, por tanto, pueden ser hallados sus respectivas TF, entonces, empleando Parsevall (1.24):

k (t) x (t) =
K (f ) X (f ) = H (f )
(3.41)
se encontrar que la funcin de transferencia exigida del ltro a sintetizar puede ser determinada escogiendo apropiadamente las funciones K (f )y X (f ), en el intervalo de frecuencias en que estemos interesados, se puede demostrar que la funcin de transferencia H (f )del ltro fuera del intervalo se determina completamente por el carcter de la funcin de ayuda K (f ). sea la funcin X (f ) determinada en la forma: X (f ) = 1, |f | (freq + fc ) /20 0, |f | > (freq + fc ) /20 (3.42)
188
para la cual, x (t) toma la forma sinc ( (freq + fc )). Teniendo en cuenta (3.42) se encuentra que x (f ) = 0 para todo |f | > (freq + fc ) /2 entonces, de (3.41) se obtendr:
f +(freq +fc )/2
H (f ) =
f (freq +fc )/2
K (f ) df
De esta manera, la sntesis del ltro digital no recursivo se cumple por el siguiente procedimiento: 1. Se parte de la expresin analtica (3.42) para la densidad espectral de potencia generalizada de la seal de entrada X (f ); 2. Se escoge la funcin de ayuda K (f ), teniendo en cuenta, la pendiente de cada exigida de la respuesta de frecuencia del ltro en sntesis; 3. Se determinan las componentes de la respuesta a impulso (3.40) del ltro a sintetizar a partir de la F 1 {K (f )} y F 1 {X (f )}; 4. Se determina la funcin h (t) = k (t) x (t); 5. Se determina la funcin de transferencia HN (f ) del ltro sintetizado; 6. Se obtiene la funcin de transferencia H (z ) del ltro digital. Para evitar la aparicin de oscilaciones en el trabajo del ltro se exige, que en las frecuencias cercanas a la frecuencia de corte, la funcin sea suave, esto es, que sea absolutamente diferenciable: 1, 0 f < fc decreciente montona f f < f c req H (f ) = 0, f freq H (f ), f <0
El cumplimiento de esta exigencia se realiza escogiendo aproximadamente la funcin de ayuda K (f ). En la sntesis de algoritmos de los ltros pasabandas, se puede emplear el siguiente procedimiento: 1. Se escoge la funcin de transferencia de un ltro ideal pasabanda en la forma: 1, H fc, fc = 0, H (f1 , f2 ) , fc1 f < fc2 f fc1 , f > fc2 f <0
2. La funcin H (f ) se aproxima por la diferencia de las funciones de transferencia de dos FPB: H1 (f ) y H2 (f ), con las respectivas frecuencias de corte: fc1 y fc2
189
3. Se determina la respuesta a impulso del ltro pasabanda en la forma h (f ) = h2 (f ) h1 (f ) , donde hi (t) = F 1 {Hi (f )} , i = 1, 2
4. Se calculan los coecientes de paso de los ltros pasabandas hn = 1 h fc n fs = fs h2 n fs h1 n fs
a entonces, de acuerdo con (3.24) se tendr hP B (t) =

2
Ejemplo 3.7. Sintetizar un ltro pasabandas con frecuencia central f0 , ancho de banda f y ancho de banda de transici on fT . Como base en la s ntesis de este ltro pasabandas se escoge un FPB del tipo: 0 f < f 1, (f f ) /2, f f f + fT 1 + cos H (f ) = f 0, f f + fT |H (f )| , f <0 sin (2 f t) + sin (2 (f + fT )) 2t 1 4 (fT ) t2 (3.43)
para f 0, H (f, f0 ) = H (f f0 ) y para f 0, H (f, f0 ) = H (f + f0 ). Entonces H (f, f0 ) = H (f f0 ) + H (f + fo ) (3.44)
Para determinar h (t) se halla la transformada inversa de cada uno de los miembros de (3.44), que empleando la propiedad de desplazamiento de (1.60) dar a: h (t) = hP B (t) (exp (2jfo t) + exp (2jfo t)) = 2hn (t) cos 2jfo t Los coecientes de peso para el ltro pasabandas se determinan por la relaci on hn = 2hP B cos 2 donde hP B = 1 h fs n fs . fo fs (3.46) (3.45)
Durante la sntesis de un ltro pasabanda con varias bandas de paso de igual ancho de banda e igual pendiente de cada, la funcin de transferencia se puede fcilmente encontrar con ayuda de la relacin (3.45). Suponiendo que las frecuencias centrales (f1, f2 , , , fk ) de las bandas del ltro buscado, estn dispuestas de tal manera que no haya traslapo, su respuesta a impulso se puede representar en la forma:
k
h (t, t1 , t2 , , tk ) = 2hP B (t)
cos 2fi t
i=1
190
entonces, los valores discretos de los coecientes del ltro se determinan por la relacin: 1 hn = h fs n , f1 , f2 , , fk fs
k
= 2hP B (t)
i=1
cos 2
fi fs
El mtodo de sntesis de los algoritmos de los ltros no recursivos de alta frecuencia se diferencia de los ltros pasabanda, en que la respuesta a impulso del ltro pasaaltos hP A se determina como la diferencia entre las respuestas a impulso generalizadas de la seal de entrada x (t) y la de un ltro pasabajos hipottico, as: HP A (t) = x (t) h1 (t)
Ejemplo 3.8. Analizar el empleo del m etodo de s ntesis de ltros digitales no recursivos en los siguientes casos: 1. Sea la funci on k (t) en (3.40) dada con funci on de transferencia: 1 , | f | f /2 |K (f )| = |K1 (f )| = f 0, |f | > f /2 entonces, se podr a escribir la expresi on
f /2
k1 (t) =
f /2
2 1 exp (2jf t) df = f f
f /2
cos (2 f t) df
0
1 f / 2 (sin 2f t) |0 = sinc ( f t) f t
Si la funci on espectral generalizada de la se nal a procesar est a dada en la forma de la relaci on (3.42), entonces, la respuesta a impulso del ltro digital toma la forma h1 (t) = k1 (t) x (t) = sin f t sin (fc + fT ) 2 f t2
o, pasando a frecuencia angular, = 2 f t, T = 2fT : 2 sin h1 (t) = T (c + T ) sin t cos c t cos T t 2 2 = 2 t t2 del ltro sintetizado se escribir a como: f fc f fT fT f fc fc f fT
2. Sea la funci on k (t) escogida de tal manera que su funci on de transferencia sea de la forma: f f cos , |f | 2 f f 2 |K (f )| = |K2 (f )| = f 0, |f | > 2
La funci on de transferencia 1, 0 , f + fT |H1 (f )| = , f f f c , f
191
La funci on de peso para la anterior expresi on se obtendr a como:

f 2
k2 (t) =
f 2
f cos f t cos exp (2jf t) df = 2f f 1 4f 2 t2
suponiendo que la funci on espectral generalizada de la se nal de entrada sea similar a (3.42), entonces, la respuesta a impulso del ltro sintetizado ser a del tipo: h2 (t) = k2 (t) x (t) = cos f t sin (fc + fT ) t t (1 4f 2 t2 )
o pasando a frecuencia angular se hallar a: h2 (t) = (sin c t + sin T t) 2t ( 2 2 t2 )
El c alculo de los coecientes de peso del ltro dado se lleva a cabo de acuerdo con (3.46). Como resultado se obtendr a 1 hn = h2 fs n fs 1 = fs cos f n fs n fs n fs sin (fc + fT ) 1 4f 2 n fs
2
n fs
cos nd sin n (2c + T ) =

2 n2 ) n (1 4d
3. Sea dada la funci on 2 f cos2 , f |K3 (f )| = f 0, K3 ( t ) =
donde = f /fs , c = fc /fs , T = fT /fs d = f /fs . El valor de se calcula empleando la resoluci on de la indenici on por Lhopital, de donde se obtiene que ho = 2c + d = (fT + fc ) /fs . Como resultado la funci on de transferencia H2 (f ) del ltro sintetizado se determina por la relaci on: 1, |f | fc 0 , |f | fT (f + fc ) 1 |H2 (f )| = 1 + cos , fc f fT 2 f (f + fc ) 1 1 + cos , fT f fc 2 f f f 2 f f> 2
empleando el m etodo de s ntesis dado y teniendo en cuenta como en los ejemplos anteriores la funci on espectral generalizada de la se nal de entrada, se obtiene 1 sinc f t 1 f 2 t2 sinc f t sin (fc + fT ) t 1 1 h3 (t) = k3 (t) x (t) = = h1 (t) 2 2 2 2 1 f t f t 1 f 2 t2
donde es la respuesta a impulso del ejemplo del caso 1.
192
4. Sea dada la funci on k (f ) con funci on de transferencia del tipo: 3 f f cos3 , |f | 4 f f 2 K3 (f ) = f 0, |f | > 2 k4 (t) =
La funci on de transferencia H3 (t) del ltro se obtiene 1, 0 , 1 fT f f fc |H3 (f )| = + , sin 2 2 f f 1 f + fc fT f sin 2 + , 2 f f
en forma de |f | f | f | f fc f fT fT f fc
realizando transformaciones en similares a las llevadas a cabo antes, se encuentra que 9 cos f t (9 4f 2 t2 ) (1 4f 2 t2 ) 9 cos f t sin (fc + fT ) t h4 (t) = k4 (t) x (t) = 2 2 (9 4f t ) (1 4f 2 t2 ) t 9 = h2 (t) (9 4f 2 t2 )
donde la funci on es del mismo tipo a la obtenida en el el punto 2. 5. Sea la transformada de la funci on dada como: 3 4f 2 f 1 , |f | 2 2 f f 2 |K3 (f )| = f 0, |f | > 2 3 2 4 f 4
La funci on de peso para el ltro sintetizado, teniendo en cuenta la se nal de entrada dad en los anteriores ejemplos, es de la forma h5 (t) = k5 (t) x (t) = (sin (fc + fT ) t (2 sin f t 2 f t cos f t))
La pendiente de ca da de la respuesta de frecuencia de este ltro en la banda de frecuencia fc f fT se determina por el polinomio de tercer orden y es cercana a la pendiente de ca da de la funci on del ltro H2 (f ).
3.4. Filtracin adaptativa

Bsicamente, se pueden identicar dos alcances diferentes en la deduccin de algoritmos recursivos para la operacin de ltros adaptativos lineales [28], como se explica a continuacin.
193
3.4.1. Esquema del gradiente estocstico

Se puede usar un ltro transversal como la base estructural de la implementacin de un ltro adaptativo lineal. Para el caso de entradas estacionarias, la funcin de costo, tambin llamada ndice de desempeo, se dene como el error cuadrtico medio (esto es, el valor cuadrtico medio de la diferencia entre la respuesta deseada y la salida del ltro transversal). La funcin de costo es precisamente una funcin de segundo orden de los pesos del ltro transversal. La dependencia del error cuadrtico medio con los pesos desconocidos puede verse como un paraboloide multidimensional con un nico punto mnimo denido. Este paraboloide se denomina como la supercie de desempeo del error ; los pesos correspondientes al punto mnimo de la supercie denen la solucin de Wiener ptima. Para desarrollar un algoritmo recursivo que actualice los pesos del ltro transversal adaptativo, se procede en dos etapas. Primero se modica el sistema de las ecuaciones de Wiener-Hopf mediante el uso del mtodo del descenso mximo. Esta modicacin requiere el uso del vector gradiente, cuyo valor depende de dos parmetros: la matriz de correlacin de las entradas del ltro transversal, y el vector de correlacin cruzada entre la respuesta deseada y las mismas entradas. A continuacin, se usan valores instantneos para estas correlaciones con el n de obtener una estimacin del vector gradiente, haciendo que ste asuma un carcter estocstico en general. El algoritmo resultante es ampliamente conocido como el algoritmo del mnimo valor cuadrtico medio (LMS - least mean square ), cuya esencia puede ser descrita en palabras como se muestra a continuacin para el caso de un ltro transversal que opera con valores reales: valor actualizado valor antiguo tasa vector seal = del vector + de del vector de de de pesos de pesos aprendizaje entrada error donde la seal de error se dene como la diferencia entre alguna respuesta deseada y la respuesta real del ltro transversal producida por el vector de entrada. En un ambiente no estacionario, la orientacin de la supercie de desempeo del error vara continuamente con el tiempo. En este caso, el algoritmo LMS tiene la tarea adicional de seguimiento continuo del fondo de la supercie de desempeo del error. En realidad, el seguimiento ocurrir siempre y cuando los datos de entrada varen lentamente en comparacin con la tasa de aprendizaje del algoritmo LMS. El esquema de gradiente estocstico tambin puede ser analizado en el contexto de una estructura en celosa. El algoritmo de ltracin adaptativa resultante es llamado algoritmo de gradiente adaptativo en celosa (GAL - gradient adaptive lattice ). Para presentar los algoritmos basados en el alcance del gradiente estocstico, se debe revisar primero la teora del ltro de Wiener, como se muestra a continuacin.
Filtro de Wiener. Wiener formul el problema de estimacin en tiempo continuo del mnimo error cuadrtico medio, en su clsico trabajo sobre interpolacin, extrapolacin y suavizado de series de tiempo. La extensin de la teora de Wiener de tiempo continuo a tiempo discreto es simple, y de uso ms prctico para su implementacin en procesadores digitales de seal. Un ltro de Wiener puede ser un ltro de respuesta al impulso innita (IIR - innite impulse response ) o un ltro de respuesta al impulso nita (FIR -
194

x[k ] c z 1 c z 1 1( b & & E & w 0 [k ] & d[k ] e & 0) e & + 1( 1( e 1( c b & e[k ] & y [ k ] E E w [& E E 1 k] & & 0) 0) & 0) 1(!T b & & Ew & [ k ] n & & 0) & 1( b & & Ew& N [k ] & 0) &
c z 1
Figura 3.13: Filtracin de Wiener.
nite impulse response ). En general, la formulacin de un ltro de Wiener IIR da como resultado un conjunto de ecuaciones no lineales, mientras que la formulacin de un ltro de Wiener FIR da como resultado un conjunto de ecuaciones lineales que tienen solucin en forma cerrada. La mayor desventaja de los ltros FIR comparados con los IIR es que los primeros pueden necesitar un gran nmero de coecientes para aproximar una respuesta deseada. La teora del ltro de Wiener trata de ser ptima al tomar en cuenta las caractersticas estadsticas de la seal y del ruido. Los parmetros del ltro son optimizados con referencia a un criterio de desempeo. La salida es el mejor resultado que se puede obtener bajo las condiciones impuestas y con la informacin provista. El ltro de Wiener es una herramienta conceptual poderosa que cambi los esquemas tradicionales del procesamiento de seales [29]. La Figura 3.13 muestra el diagrama general de un ltro transversal con coecientes (n). Si se asume que la seal o pesos wi , i = 0, 1, 2, . . . , M 1, entrada x(n), y salida d deseada est disponible, se puede calcular el error de estimacin entre la salida y la seal deseada como, (n) e(n) = d(n) d (3.47)
(n) es la salida de un ltro FIR lineal, esta puede ser expresada como la Dado que d convolucin de la entrada x(n) con la secuencia de pesos wi (n) = d
M 1 k=0
wk x(n k )
(3.48)
La secuencia de los pesos puede ser expresada como un vector de M 1 w = [w0 , w1 , . . . , wM 1 ]T (3.49)
195
Los M valores de entrada tambin pueden ser expresados como un vector de M 1 x(n) = [x(n), x(n 1), . . . , x(n M + 1)]T La ecuacin (3.48) puede ser escrita en forma vectorial como: (n) = wT x(n) d (3.51) (3.50)
El error de estimacin est dado entonces por e(n) = d(n) wT x(n) (3.52)
La teora del ltro de Wiener estima la secuencia de pesos que minimiza el valor cuadrtico medio de la estimacin del error. El error cuadrtico medio (MSE - mean squared error ) est denido como J (w) = E [e2 (n)] = E [d2 (n)] wT E [x(n)d(n)] E [d(n)xT (n)]w + wT E [x(n)x(n)]w Bajo la suposicin de que el vector de entrada x(n) y la respuesta deseada d(n) son estacionarias, las expresiones de los valores esperados tienen las siguientes interpretaciones [30]:
2 , con la suposicin adicional de E [d2 (n)] es la varianza de d(n), expresada como d que la media de d(n) es cero.
(3.53)
T T
= E [{d(n) w x(n)}{d(n) x (n)w}]
E [x(n)d(n)] es la correlacin cruzada entre el vector de entrada x(n) y la respuesta deseada d(n), la cual es un vector de M 1: = E [x(n)d(n)] E [d(n)xT (n)] es simplemente la traspuesta de E [x(n)d(n)]; por lo tanto T = E [d(n)xT (n)] (3.55) (3.54)
E [x(n)xT (n)] representa la autocorrelacin del vector de entrada x(n) calculado como el producto del vector con l mismo, escrito como = E [x(n)xT (n)] (3.56)
Con las interpretaciones mencionadas arriba, la expresin del MSE en la ecuacin (3.53) queda simplicada como
2 J (w) = d wT T w + wT w
(3.57)
Esta expresin indica que el MSE es una funcin de segundo orden del vector de pesos w. Para determinar el vector de pesos ptimo, denotado por w0 , se puede diferenciar
196
J (w) con respecto a w, igualarlo a cero, y resolver la ecuacin resultante. Para realizar esta diferenciacin, se deben determinar primero las siguientes derivadas [29]: d (T w) = , dw d (wT ) = , dw d (wT w) = 2w dw Ahora, la derivada de J (w) con respecto a w es dJ (w) = 2 + 2w dw Al igualar esta expresin a cero, se obtiene la condicin para el ltro ptimo como w0 = (3.59) (3.58)
Esta ecuacin se conoce como la ecuacin de WienerHopf. Para el ltro ptimo, todos los elementos del vector de entrada x(n) y la estimacin del error e(n) son mutuamente (n) y el error son mutuamente ortogonales ortogonales, y adems la salida del ltro d (esto es, el valor esperado de sus productos es igual a cero). El ltro ptimo se obtiene como w0 = 1 (3.60)
Una dicultad con la solucin planteada previamente es que las cantidades estadsticas y deben ser conocidas, o al menos estimadas posteriormente. Esto se puede hacer mediante mtodos de procesamiento adaptativo . Si se reemplaza la solucin ptima para w en la expresin del MSE, se puede calcular el mnimo MSE que suministra la solucin de Wiener [29, 31]:
2 Jmn = d T 1
(3.61)
Esta expresin indica que el conjunto de parmetros ptimos remueven parte de la potencia de la seal deseada a travs de la correlacin cruzada entre x(n) y d(n), asumiendo que ambas seales son estacionarias [31]. Algoritmo de adaptacin del mnimo valor cuadrtico medio. La implementacin adaptativa del ltro de Wiener se basa en la resolucin de la ecuacin J (w) =0 w (3.62)
iterativamente, usando un mtodo de descenso mximo. La dependencia del error J en los parmetros del ltro es parablica, con un mnimo absoluto en el valor ptimo w0 = 1 . En la versin adaptativa, el parmetro del ltro w se hace dependiente del tiempo, w(n), y es actualizado de un instante de tiempo al otro as: w(n + 1) = w(n) + w(n) (3.63)
197
donde w(n) es un trmino de correccin que se debe escoger adecuadamente para asegurar que eventualmente el peso w(n) variante en el tiempo converger a su valor ptimo w(n) w0 = 1 como n
La forma ms simple de escoger el trmino de correccin w(n), es el mtodo del descenso mximo. La esencia del mtodo es esta: Se requiere que el cambio w w + w mueva el ndice de desempeo ms cerca a su mnimo que antes; esto es, w debe ser tal que J (w + w) J (w) (3.64)
Por consiguiente, si siempre se hace esta exigencia, la repeticin del procedimiento llevar a valores cada vez ms pequeos de J hasta que se alcance el valor ms pequeo. Asumiendo que w es sucientemente pequeo, se puede expandir el primer trmino de la ecuacin (3.64) y obtener la condicin J (w) + w J (w) J (w) w (3.65)
J Si w se selecciona como el gradiente negativo ( w ), entonces esta desigualdad estar garantizada. Al aplicar esto al ltro adaptativo se tiene,
w(n + 1) = w(n) + w(n) = w(n)
J (w(n)) w
(3.66)
Con el n de determinar un gradiente que se pueda calcular, se emplean estimaciones instantneas de y ignorando los valores esperados, obteniendo as un gradiente instantneo dado por, J (w(n)) = 2e(n)x(n) = 2d(n)x(n) + 2x2 (n)w(n) w entonces el algoritmo para ajustar los pesos queda como w(n + 1) = w(n) + 2e(n)x(n) En resumen, los clculos requeridos se realizan en el siguiente orden: 1. En el tiempo n, el peso del ltro w(n) est disponible. (n) = w(n)x(n). 2. Calcular la salida del ltro: d (n). 3. Calcular el error de estimacin: e(n) = d(n) d 4. Calcular el peso siguiente del ltro: w(n + 1) = w(n) + 2e(n)w(n). 5. Ir al instante de tiempo siguiente: n n + 1. Las siguientes observaciones estn en orden: (3.68) (3.67)
198
1. El error de salida e(n) es realimentado y usado para controlar la adaptacin del peso del ltro. 2. El ltro trata de decorrelacionar la seal secundaria de la salida e(n). Si el peso w(n) ha alcanzado ms o menos su valor ptimo, entonces w(n + 1) w(n), y la ecuacin de adaptacin implica tambin que e(n)x(n) 0. 3. Realmente, el peso w(n) nunca alcanza el lmite terico w0 = 1 . En lugar de ello, se estabiliza alrededor de este valor, y ucta continuamente alrededor de l. 4. La aproximacin de ignorar el valor esperado en el gradiente se conoce como la aproximacin estocstica. Esta aproximacin complica los aspectos matemticos del problema considerablemente. En realidad, la ecuacin diferencial w(n + 1) = w(n) + 2e(n)x(n) = w(n) + 2(d(n) w(n)x(n))x(n) (3.69)
hace que w(n) dependa de la variable aleatoria x(n) de una manera altamente no lineal, y es muy difcil discutir an el comportamiento promedio de w(n). Estimacin de los mnimos cuadrados. De acuerdo con este mtodo, se minimiza una funcin de costo o ndice de desempeo que est denida como la suma de los errores cuadrticos ponderados, donde el error se dene como la diferencia entre alguna respuesta deseada y la salida real del ltro. El mtodo de los mnimos cuadrados puede ser formulado teniendo en cuenta ya sea la estimacin en bloque o la estimacin recursiva. En la estimacin en bloque los datos de entrada son organizados en forma de bloques de igual longitud (duracin), y el ltrado de los datos ocurre bloque por bloque. En la estimacin recursiva, por otro lado, las estimaciones de inters (esto es, los pesos del ltro transversal) son actualizados muestra por muestra. La estimacin de mnimos cuadrados recursiva (RLS) puede ser vista como un caso especial del ltro de Kalman. Una caracterstica distintiva del ltro de Kalman es la nocin de estado, la cual provee una medida de todas las entradas aplicadas al ltro hasta un instante de tiempo especco. As, en el corazn del algoritmo de ltracin de Kalman existe una recursin que se puede describir como sigue [30]: valor actualizado valor antiguo ganancia vector = + del del de de estado estado Kalman innovacin
donde el vector de innovacin representa informacin nueva puesta en el proceso de ltracin al momento del clculo. La familia de mnimos cuadrados recursivos de los algoritmos de ltracin adaptativa lineal se puede clasicar en tres categoras diferentes, dependiendo del enfoque que se tome [30]: 1. Algoritmo RLS estndar, el cual asume el uso del ltro transversal como la base estructural del ltro adaptativo lineal. Este algoritmo goza de las mismas virtudes y sufre de las mismas limitaciones que el algoritmo estndar de ltracin de Kalman. Las limitaciones incluyen la falta de robustez numrica y excesiva complejidad computacional.
199
2. Algoritmos RLS de raz cuadrada, los cuales estn basados en la descomposicin QR de la matriz de datos entrante. Estos algoritmos son numricamente estables y robustos. Se denominan ltros adaptativos de raz cuadrada, porque en sentido matricial representan la raz cuadrada del algoritmo RLS estndar. 3. Algoritmos RLS rpidos. El algoritmo RLS estndar y los algoritmos RLS de raz cuadrada tienen una complejidad computacional que aumenta como el cuadrado de M , donde M es el nmero de pesos ajustables (grados de libertad) en el algoritmo. Tales algoritmos son denominados algoritmos O(M 2 ). En contraste, el algoritmo LMS es una algoritmo O(M ). Por consiguiente, existe una fuerte motivacin para modicar la formulacin del algoritmo RLS de tal forma que su complejidad computacional asuma una forma O(M ). Este objetivo se puede alcanzar, para el caso del procesamiento temporal, primero en virtud de la redundancia inherente en la estructura Toeplitz de la matriz de entrada y, segundo aprovechando esta redundancia a travs del uso de la prediccin lineal de los mnimos cuadrados hacia atrs y hacia adelante. Los algoritmos resultantes se conocen como las algoritmos RLS rpidos; estos combinan las caractersticas deseables de estimacin lineal recursiva de los mnimos cuadrados con una complejidad computacional O(M ). Se pueden identicar dos tipos de algoritmos RLS rpidos, dependiendo de la estructura de ltracin utilizada: Filtros adaptativos de orden recursivo, los cuales estn basados en una estructura de celosa para hacer las predicciones hacia adelante y hacia atrs. Filtros transversales rpidos, en los que las predicciones lineales hacia adelante y hacia atrs se realizan usando ltros transversales separados.
Filtro de Kalman. El ltro de Kalman, basado en la formulacin en el espacio de estados de sistemas dinmicos lineales, provee una solucin recursiva al problema de la ltracin lineal ptima. Este aplica en ambientes tanto estacionarios como no estacionarios. La solucin es recursiva en vista de que cada estimacin del estado actualizada es calculada a partir de la estimacin previa y de los nuevos datos de entrada, as que slo es necesario almacenar la estimacin anterior. Adems de eliminar la necesidad de almacenar todo el pasado observado de los datos, el ltro de Kalman es computacionalmente ms eciente que calcular directamente la estimacin a partir de todo el pasado observado de los datos en cada paso del proceso de ltracin [28]. Considrese un sistema dinmico de tiempo discreto lineal, descrito por el diagrama de bloques de la Figura 3.14. El concepto de estado es fundamental para esta descripcin. El vector de estado o simplemente estado, notado por xk , se dene como el mnimo conjunto de datos que es suciente para describir nicamente el comportamiento dinmico no forzado del sistema; el subndice k denota tiempo discreto. En otras palabras, el estado es la mnima cantidad de datos en el comportamiento pasado del sistema que son necesarios para predecir su comportamiento futuro. Tpicamente, el estado xk es desconocido. Para estimarlo, se usa un conjunto de datos observados, notados por el vector yk . En trminos matemticos, el diagrama de bloques de la Figura ?? incorpora el siguiente par de ecuaciones:
200

1( w k Xk+1 E E z 1 I 0) T xk E H k 1( yk E E 0) +T Vk
Fk+1,k'
Figura 3.14: Sistema dinmico de tiempo discreto.
1. Ecuacin de proceso xk+1 = Fk+1,k xk + wk , (3.70)
donde Fk+1,k es la matriz de transicin que toma el estado xk del tiempo k al tiempo k + 1. El ruido del proceso wk se asume aditivo, blanco y gaussiano, con media cero y matriz de covarianza denida por:
T E [wn wk ]=
Qk para n = k, 0 para n = k,
(3.71)
donde el superndice T denota trasposicin de matriz. La dimensin del espacio de estados se denota por M . 2. Ecuacin de medicin y k = Hk x k + v k , (3.72)
donde yk es el observable en el tiempo k y Hk es la matriz de medicin. El ruido de medicin vk se asume aditivo, blanco y gaussiano, con media cero y matriz de covarianza denida por:
T E [v n v k ]=
Rk para n = k, 0 para n = k.
(3.73)
Por otra parte, el ruido de medicin vk no est correlacionado con el ruido del proceso wk . La dimensin del espacio de medicin se denota por N . El problema del ltrado de Kalman, o sea, el problema de resolver conjuntamente las ecuaciones de proceso y de medicin para un estado desconocido de una manera ptima se puede plantear ahora formalmente como: Usar todos los datos observados, que consisten en los vectores y1 , y2 , . . . , yk , para encontrar por cada k 1 la estimacin mnima del error cuadrtico medio del estado xi . El problema es llamado ltracin si i = k , prediccin si i > k , y alisamiento si 1 i < k . Sea x k la estimacin a priori del estado, que est disponible en el tiempo k . Teniendo k como como objetivo un estimador lineal, se puede expresar la estimacin a posteriori x una combinacin lineal de la estimacin a priori y la medicin nueva, como se muestra en [28] k = Gk x x k + Gk yk ,
(1)
(3.74)
201
donde los factores matriciales que multiplican Gk y Gk estn por determinar. Para encontrar estas dos matrices, se invoca al principio de ortogonalidad. El vector de error del estado se dene como k = xk x k x Al aplicar el principio de ortogonalidad en este caso, se tiene
T E [ xk yi ] = 0 para i = 1, 2, . . . , k 1
(1)
(3.75)
(3.76)
Usando las ecuaciones (3.72), (3.74) y (3.75) en (3.76), se tiene

T E [(xk Gk x k Gk Hk xk Gk wk )yi ] = 0 para i = 1, 2, . . . , k 1 (1)
(3.77)
Dado que el ruido del proceso wk y el ruido de medicin vk no estn correlacionados, se sigue que
T E [wk yi ]=0
Usando esta relacin y reagrupando trminos, se puede reescribir la ecuacin (3.77) como
T T + Gk (xk x E [(I Gk Hk Gk )xk yi k )yi ] = 0 (1) (1)
(3.78)
donde I es la matriz identidad. Del principio de ortogonalidad, se nota que

T E [(xk x k )yi ] = 0
De acuerdo con esto, la ecuacin (3.78) se simplica a

T (I Gk Hk Gk )E [xk yi ] = 0 para i = 1, 2, . . . , k 1 (1)
(3.79)
Para valores arbitrarios del estado xk y del observable yi , la ecuacin (3.79) slo puede (1) ser satisfecha si los factores de escala Gk y Gk estn relacionados como sigue [28]: G k = I G k Hk
(1)
(3.80)
Al sustituir la ecuacin (3.80) en la ecuacin (3.74), se puede expresar la estimacin a posteriori del estado en el tiempo k como k = x x k) k + Gk (yk Hk x (3.81)
en la que la matriz Gk es llamada la ganancia de Kalman [28]. Existe el problema de derivar una frmula explcita para Gk . Dado que por el principio de ortogonalidad se tiene que
T k )yk E [(xk x ]=0
(3.82)
se sigue que
T k ) E [(xk x yk ]=0
(3.83)
202
T es una estimacin de y dadas las estimaciones previas y , y , . . . , y k donde y 1 2 k k1 . Se dene el proceso de innovacin
k = yk y k y
(3.84)
El proceso de innovacin representa una medida de la informacin nueva contenida en yk ; tambin puede ser expresado como k = y k Hk x y k = Hk x k + vk (3.85) Hk x k = Hk x k + v k
As, al sustraer la ecuacin (3.83) de la (3.82) y usando la ecuacin (3.84), se puede escribir
T k ) E [(xk x yk ]=0
(3.86)
Usando las ecuaciones (3.72) y (3.81), se puede expresar el vector de error del estado k como xk x k = x xk x k + vk ) k Gk (Hk x = (I Gk Hk ) x k (3.87) Gk vk
Entonces, al sustituir las ecuaciones (3.85) y (3.87) en (3.86), se obtiene E [{(I Gk Hk ) x k + vk )] = 0 k Gk vk }(Hk x (3.88)
Dado que el ruido de medicin vk es independiente del estado xk y por consiguiente del error x k , el valor esperado de la ecuacin (3.88) se reduce a [28]
T T T (I Gk Hk )E [ xk x k ]H k G k E [v k v k ] = 0
(3.89)
Se dene la matriz de covarianza a priori

T = E [(xk x P k) ] k )(xk x k
(3.90)
E [ x k
T x k ]
Entonces, llamando las deniciones de covarianza de las ecuaciones (3.73) y (3.90), se puede reescribir la ecuacin (3.89) y resolverla para Gk , con el n de obtener la frmula deseada
T T Gk = P k Hk [Hk Pk Hk + Rk ] 1
(3.91)
La ecuacin (3.91) es la frmula deseada para calcular la ganancia de Kalman Gk , que se dene en trminos de la matriz de covarianza a priori P k. Para completar el procedimiento de estimacin recursiva, se considera la propagacin de la covarianza del error, la cual describe los efectos del tiempo en las matrices de covarianza de los errores de estimacin. Esta propagacin involucra dos etapas de clculo [28]:
203
1. La matriz de covarianza a priori P k en el tiempo k est denida por la ecuacin (3.90). Dada Pk , calcular la matriz de covarianza a posteriori Pk , la cual, en el tiempo k , est denida por T Pk = E [ xk x k] k )(xk x k) ] = E [(xk x 2. Dada la matriz de covarianza a posteriori vieja, Pk1 , calcular la matriz de covarianza a priori actualizada P k.
T
(3.92)
Para proceder con la primera etapa, se sustituye la ecuacin (3.87) en la (3.92) y se nota que el ruido del proceso vk es independiente del error de estimacin a priori x k. Entonces, se obtiene
T T T T Pk = (I Gk Hk )E [ x k ](I Gk Hk ) + Gk E [vk vk ]Gk kx
(3.93)
= (I
Gk Hk )P k (I
G k Hk ) +
Gk Rk GT k
Al expandir los trminos en la ecuacin (3.93) y al usar luego la ecuacin (3.91), se puede reformular la dependencia de la matriz de covarianza a posteriori Pk en la matriz de covarianza a priori P k en forma simplicada como
T T T Pk = (I Gk Hk )P k (I Gk Hk )Pk Hk Gk + Gk Rk Gk
(3.94) (3.95)
= (I
= (I
Gk Hk )P k Gk Hk )P k
Gk Rk GT k
Gk Rk GT k
Para la segunda etapa de la propagacin de la covarianza del error, primero se reconoce que la estimacin a priori del estado est denida en trminos de la estimacin a posteriori vieja como sigue: k 1 x k = Fk,k1 x (3.96)
Se usan las ecuaciones (3.70) y (3.96) para expresar el error de estimacin a priori en otra forma: x = xk x k k (3.97)
k 1 ) = (Fk,k1 xk1 + wk1 ) (Fk,k1 x k1 + wk1 = Fk,k1 x k1 ) + wk1 = Fk,k1 (xk1 x
De acuerdo con esto, al usar la ecuacin (3.97) en la (3.90) y notando que el ruido del k1 , se obtiene proceso wk es independiente de x
T T T P = Fk,k1 E [ xk 1 x k1 ]Fk,k1 + E [wk1 wk1 ] k
(3.98)
= Fk,k1 Pk1 FT k,k1 + Qk1
lo que dene la dependencia de la matriz de covarianza a priori P k en la matriz de covarianza a posteriori vieja Pk1 [28].
204
Adaptacin de los mnimos cuadrados recursivos. El objetivo del algoritmo de adaptacin de los mnimos cuadrados recursivos (RLS - recursive least squares) es escoger los coecientes del ltro adaptativo de tal forma que la seal de salida y (k ), durante el perodo de observacin, sea lo ms parecida posible a la seal deseada en el sentido de los mnimos cuadrados. El proceso de minimizacin requiere la informacin de la seal de entrada hasta ahora disponible. Tambin, la funcin objetivo que se busca minimizar es determinstica [31]. El ltro adaptativo FIR genrico implementado en forma directa se muestra en la Figura 3.13. El vector de informacin de la seal de entrada en un instante dado de tiempo k est dado por: x(k ) = [x(k )x(k 1) x(k N )]T (3.99)
donde N es el orden del ltro. Los coecientes wj (k ), para j = 1, 0, . . . , N , son adaptados ayudando a la minimizacin de la funcin objetivo dada. En el caso de los algoritmos basados en los mnimos cuadrados, la funcin objetivo es determinstica y est dada por [31]:
k
d (k ) =
i=0 k
ki e2 (i) ki [d(i) xT (i)w(k )]2
(3.100)
=
i=0
donde w(k ) = [w0 (k )w1 (k ) wN (k )]T es el vector de coecientes del ltro adaptativo y e(i) es la salida del error a posteriori en el instante i (El error a posteriori se calcula con el vector de coecientes actualizado, esto es, tomando en cuenta el vector de entrada x(k ) ms reciente). El parmetro es un factor exponencial de ponderacin que se debe elegir dentro de un rango 0 1. Este parmetro tambin se llama el factor de olvido, en vista de que la informacin del pasado distante tiene un efecto creciente menos importante en la actualizacin de los coecientes [31]. Se debe notar que en el desarrollo del algoritmo LMS y otros basados en ste, se utiliz el error a priori. En los algoritmos RLS, e(k ) se usa para denotar el error a posteriori mientras que e (k ) denota el error a priori, ya que el error a posteriori es la primera eleccin en el desarrollo de los algoritmos basados en el RLS [31]. Como se puede notar, cada error consiste en la diferencia entre la seal deseada y la salida del ltro, usando los coecientes ms recientes w(k ). Derivando d (k ) con respecto a w(k ), se obtiene: d (k ) = 2 w(k )
k i=0
ki x(i)[d(i) xT (i)w(k )]
(3.101)
igualando este resultado a cero, es posible encontrar un vector ptimo w(k ) que minimice el error cuadrtico medio, a travs de la siguiente relacin: 0 k k 0 ki x(i)xT (i)w(i)+ ki x(i)d(i) = . (3.102) . .
i=0 i=0
205
la expresin resultante para el vector de coecientes ptimos w(k ) est dada por:
k
w(k ) = =
k i
x(i)x (i)
i=0
1 k
ki x(i)d(i)
(3.103)
i=0 1 R D (k )pD (k )
donde RD (k ) y pD (k ) son la matriz determinstica de correlacin de la seal de entrada y el vector determinstico de correlacin cruzada entre la seal de entrada y la de salida, respectivamente [31]. En la ecuacin (3.104) se asumi que RD (k ) es no singular. Sin embargo, si RD (k ) es singular, se puede usar una inversa generalizada [31] con el n de obtener una solucin para w(k ) que minimice d (k ). Ya que se asume que en la mayora de las aplicaciones prcticas la seal de entrada tiene excitacin persistente, los casos que requieren una inversin generalizada no se discuten aqu [31]. El clculo directo de la inversa de RD (k ) resulta en un algoritmo con una complejidad computacional O(N 3 ). En el algoritmo RLS convencional, el clculo de la matriz inversa se evita a travs del uso del lema de la inversin de la matriz [31]. La inversa de la matriz determinstica de correlacin puede ser calculado de la siguiente forma:
1 SD (k ) = R D (k ) =
1 SD (k 1)xT (k )SD (k 1) SD (k 1) + xT (k )SD (k 1)x(k )
(3.104)
A continuacin se describe el algoritmo RLS convencional completo: Inicializacin SD (1) = I donde puede ser el inverso de la potencia estimada de la seal de entrada. pD (1) = x(1) = [0 0 . . . 0]T Hacer para k 0 SD (k ) = 1 SD (k 1)x(k )xT (k )SD (k 1) SD (k 1) + xT (k )SD (k 1)x(k )
pD (k ) = pD (k 1) + d(k )x(k ) w(k ) = SD (k )pD (k ) Si es necesario, calcular y (k ) = wT (k )x(k ) e(k ) = d(k ) y (k )
Apndice
Algoritmos de anlisis espectral de Fourier

l criterio bsico de optimizacin de los algoritmos analizados ser el tiempo de clculo. En general, se pueden obtener soluciones dependientes del hardware empleado. Por este motivo, las caractersticas especcas del hardware tienen que ser tenidas en cuenta cuando se evala algn algoritmo de implementacin sobre procesadores digitales. Los parmetros como el nmero de operaciones de multiplicacin y adiciones, complejidad de indexacin, empleo de registros de memoria y el tiempo de realizacin de operaciones condicionales deben ser tambin analizados. A efectos de ilustrar los algoritmos desarrollados en este captulo, se brinda el diagrama de ujo de clculo y la implementacin de sus subrutinas en Matlab.
A.1. Algoritmos de la transformada discreta de Fourier

A.1.1. Clculo numrico de la transformada de Fourier
El espectro de una funcin x(t) corresponden al conjunto los coecientes ak y bk que conforman la serie trigonomtrica de Fourier (1.33), los cuales pueden ser calculados numricamente, a partir de la aproximacin del respectivo integral (1.58), que en forma trigonomtrica se expresa como: 2 an T 2 K
K
x(k t) cos(
k=1 K k=1
2n k t)t T k ), n = 0, K
x(k t) cos(2n
K 2 en el caso de n = 0 se tiene a0 K k=1 x (k t), donde t = T /K , siendo 0 = 2/T . El parmetro k corresponde al tiempo, mientras n al eje de las frecuencias. 207
208
Captulo A. Algoritmos de anlisis espectral de Fourier
De la misma forma se puede obtener para bn : bn 2 K

K
x(k t) sin 2n
k=1
k K
siendo n K , teniendo en cuenta la condicin del error de transposicin de frecuencias. La forma alterna de la serie compleja de Fourier dada en las expresiones de (1.35) puede ser empleada y se describe como:
K
x(t) = a0
k=1
Mk cos(2kto + k )
donde Mk =
2 a2 k + bk
(A.1a) bk ) ak (A.1b)
k = arctan(
El valor de Mk corresponde al mdulo (1.36) y k a la fase (1.37) de los armnicos. El anlisis espectral de las funciones y (t) aperidicas (nitas), esto es, de las funcioT yk nes completamente determinadas en el inyN ...... ........ . . ... . . . . ... . .. .. .... . . .... . .... . . ... . ... . tervalo [0, t0 ] consiste en el clculo de las . . . ... . . ... . ... . .. . . . . . . . . . . . .. . . .. . ... . .... ... . ... ... ... ... . ... ... ........ . ... . ... ..... . . . . . . . . y y ... . . 2 3 . . . componentes de su densidad espectral, que .. ... ... .. ......... . ... . . . ......... . . . .. .. ... . . .. ....... . . . ... .... . . ... . ... . y1............................................... . . . en forma general puede ser compleja: .. . .. . . ... ... ... ..... ... ... . . . . .. . ... ... X (j ) = Xc (j ) + jXs (j ) = M ( )e
j( )
.. .... .... ...
siendo M ( ) y ( ) respectivamente el mdulo y la fase del sistema, donde:

t0

1 2 3
E
N t
Xc ( ) =
0 t0
x(t) cos(2f0 t)dt
(A.2a)
Figura A.1: Seal discretizada
Xs ( ) =
0
x(t) sin(2f0 t)dt
(A.2b)
El algoritmo del anlisis espectral numrico consiste en encontrar los coecientes ak y bk ( Mk y k en (A.1a) y (A.1b)), donde k = 1, . . . , K , para la funcin peridica y (t) dada en el intervalo [0, T ] a partir de un conjuntos de valores discretos dados como se muestra en la gura A.1. Esto es equivalente al clculo de los integrales de ak y bk con mtodos de clculo numrico (por ejemplo, por el mtodo de Simpson): ak = bk = 2 K 2 K
K 1 i=1 K 1 i=1
xi cos (2kf0 it) xi sin (2kf0 it)
(A.3a) (A.3b)
209
donde t = T /K es el paso de integracin correspondiente a la disposicin de la seal discretizada. Para las funciones nitas se tiene: X c = t X s = t
K 1 i=0 K 1 i=0
xi cos (2f it) xi sin (2f it)
(A.4a) (A.4b)
Anlisis numrico generalizado del espectro. Se basa en que la relacin que puede establecerse entre las funciones peridicas y las funciones nitas. Para esto suponiendo que t0 = T y haciendo f = kf0 (en las funciones nitas f R, mientras para las funciones peridicas se limita el dominio de k Z) a partir de (A.1a)-(A.4b) se obtiene: Ak0 Xc ak K = = = t 2 bk K Xs = = t 2
K 1 i=1 K 1 i=1
xi cos (2if t) xi sin (2if t)
(A.5a) (A.5b)
Bk0 =
El anlisis espectral con precisin mejorada est basado en la representacin a priori de x(t) en los intervalos entre los nodos. Si esta representacin es imposible de obtener, se pueden utilizar las frmulas (A.5a) y (A.5b), que dan el menor error medio cuadrtico. Si se toma x(t) = const. en los intervalos entre los valores discretizados, entonces se puede obtener para Ak y Bk los valores con precisin mejorada sern: AK 1 = Kf AKo , BK 1 = Kf BKo donde sin (f t) = sinc (f t) , f = 0 f t Kf = 1, f =0 (A.7) (A.6)
Las expresiones en (A.6), teniendo en cuenta el coeciente KI de (A.7), se obtienen como resultado de la integracin de (A.1a) y (A.1b). Si en los intervalos entre los nodos la funcin x(t) se aproxima linealmente, entonces, los valores obtenidos de A y B sern:
2 Ak2 = Kf Ak0
(A.8a) (A.8b)
Bk2 =
2 Kf Bk0
El anlisis espectral secuencial se cumple de acuerdo al siguiente algoritmo: 1. Se introduce la cantidad N de intervalos de divisin de x(t), los valores N 1 de la primera muestra diferente de cero y M de la ltima muestra de la seal x(t) diferente de cero.
210
2. Se organiza un ciclo de entrada de todos los valores discretizados de la seal xi donde i = N 1, . . . , M . El empleo de valores discretos diferentes de cero permite disminuir el tiempo de clculo, si la funcin tomar el valor x(T ) = 0 en el punto inicial o nal del intervalo [0, T ] [0, t0 ]. Sin embargo, los discretos xi = 0 cuando N 1 i M debern ser introducidos. 3. Se introduce el paso t. 4. A las variables C y S le es asignado un valor de cero, luego, se asigna un valor a f , para encontrar p = f t. 5. Se halla A0 y B0 por medio de un ciclo en el cual se calculan C = C + xi cos(2ip), S = S + xi sin(2ip) donde i = N 1, N 1 + 1, . . . , M , a la salida del ciclo A0 = C y B0 = C . 6. Para el valor dado de f se encuentran los parmetros necesarios ak , bk , Mk , jk , XC , XS X y . Por ejemplo, para el clculo de X y se pueden emplear las siguientes expresiones: X =M = t
2 A2 0 + B0 ,
= Q = arc cos
A0 K
[rad]
para B0 > 0, y f = Q[rad], para B0 < 0. Con las expresiones (A.7) y (A.8b) pueden 2 S para el calcularse los valores calculados de A1 , B1 , S1 = Kf S y A2 , B2 , S2 = Kf caso de la aproximacin por segmentos lineales. 7. Se retorna al punto 4 para repetir los clculos de un nuevo valor de frecuencia f . De esta manera, el clculo secuencial del espectro permite encontrar la frecuencia y fase de cualquier armnico. En este caso es necesario almacenar en memoria todos los valores de la seal discretizada x(t) cons us respectiva malla de valores de tiempo. El programa del mtodo secuencial de clculo numrico del espectro es el siguiente:
Algoritmo A.1. Analisis espectral secuencial N=input(introducir cantidad de intervalos de division: ) N1=input(introducir el numero de la primera muestra: ) M=input(introducir el numero de la ultima muestra diferente de cero: ) X= [zeros(1,M)]; for i=N1:M X(i)=input(introducir la muestra: ) end t=input(introducir el paso: ) f=1; f=input(introduzca la frecuencia:) while f > 0 C=0; S=0; p=pi*t*f; w=2*p; end for i = N1:M Z = w * i; C = C + X(i) * cos(Z); S = S + X(i) * sin(Z); end R = power(C * C + S * S,0.5); f =-abs(C / R)-pi * t * f; if S < 0 f = -f; k = sin(p) / p; R1 = k * R; R2 = k * R1;
211
disp(en caso muestras equidistantes s(f)= ), R * t; disp(en caso de aproximacion rectangular ), R1 * t; disp(en caso de aproximacion lineal quebrada ), R2 * t; disp(fase [rad]), f; end Ejercicio en el PC A.1. (control). Encontrar la funcin densidad espectral del pulso cuadrado dado por los valores xi = 1, i = 0, . . . , 7 y xi = 0, cuando i = 8, . . . , 31 para t = 0.125106 s, y valor de la frecuencia f = 250000Hz . Se introducen los valores (N 1 = 0, M = 7) y se obtiene S0 = 9.0176419510E 7, S1 = 9.00316316210E 7, S2 = 8.9887076210E 7, f = 39.375.
Aunque, hoy en da, la capacidad de memoria de los PC aumenta notablemente, de todas maneras, la cantidad de valores discretos a procesar puede llegar al orden de unos ciento y hasta unidades de miles. Sin embargo, al aumentar signicativamente su nmero, el tiempo de clculo hace que el algoritmo A.1, prcticamente, no tenga sentido utilizarlo cuando la cantidad de discretos excede las decenas. Mtodo paralelo de anlisis espectral. Consiste en el clculo simultneo (paralelo) de los M armnicos. En este caso, es necesario introducir al PC los coecientes ai y bi ( Ai y Bi , respectivamente). Sin embargo, no es necesario almacenar todos los valores de la seal discretizada xi , por cuanto cada muestra se emplea para el clculo de todos los armnicos a medida que este se vaya introduciendo. El mtodo paralelo de anlisis espectral se realiza de acuerdo al siguiente algoritmo: 1. Se introduce la cantidad necesaria de armnicos M , el nmero del armnico inicial kS , la cantidad total N de valores discretos de x(t) y el nmero del primer, IS , y ltimo, IF , discretos con valores diferentes a cero. 2. Todos los elementos de los arreglos A(k ) y B (k ) se igualan a cero y se calcula R = 2B/N . 3. Se organiza el ciclo de introduccin de xi = X con la variable iterativa I , que cambia con un paso unitario desde el valor de IS hasta IF . En este ciclo, se introduce xi , se calcula Z = RI y se realiza el siguiente ciclo interno. 4. Se organiza un ciclo de clculo de Ai y Bi con la variable iterativa k , la cual cambia con un paso dado igual a 1, desde 0 hasta M 1. Al principio del ciclo se calcula W = Z (k + S ), donde S = IS y, luego:
A(K) =A(K) + X * B(K) =B(K) + X * cos (W) sin (W)
Los valores de Ak corresponden a las variable de los arreglos A(k ), mientras Bk a los de B (k ) despus de la salida de los ciclos. Para el armnico nmero cero, se hace k + S = 0 y se calcula solamente A0 sumando todos los xi . 5. Se realiza el ciclo de salida de Ak , Bk , Mk y k = Qk k = 0, . . . , M 1 teniendo en cuenta el desplazamiento del ndice en la cantidad S , o sea, de la salida en vez del ndice k los valores k + S . A medida que se efecta la salida de los valores se calcula
M +S
M2 =
i=k+S
Mi2
212
6. Si M1 = 0, cuando los clculos se comienzan desde el primer armnico, se halla el coeciente de no linealidad con respecto al primer armnico: KA =
2 + M3 + . . . + M2 M2 3 M
M1
2 M 2 M1 M1
7. Haciendo S = 1 se realiza la interpolacin geomtrica o extrapolacin, o sea, por los valores dados de t calcular x(t) = 2 A0 + 2 N
k=1
Ak cos (2k t) +
k=1
Ak sin (2kf t)
empleando la serie truncada de Fourier con M armnicos. En caso de calcular por este algoritmo una nueva serie de armnicos hay necesidad de repetir la entrada de los nuevos valores discretizados de xi . Si la memoria del PC es suciente, se puede prever la disposicin en la memoria de xi dentro del arreglo X(i) que contenga solamente las muestras diferentes de cero (yi = 0). En este caso, en el punto 3 se puede prever un ciclo adicional para la entrada de el campo muestral ni desde el arreglo X(i). Esta variante de realizacin correspondera al mtodo secuencial-paralelo de anlisis espectral. El programa correspondiente al mtodo secuencial/paralelo de clculo numrico del espectro es el siguiente:
Algoritmo A.2. Anlisis secuencial/paralelo espectral % interpolacion/extrapolacion trigonometrica = input(cantidad total de muestras N = ); = input(numero de muestras inicial IS = ); = input(numero de muestras final IF = ); = G-V; Y = zeros(1,G); A = zeros(1,N/2); B = zeros(1,N/2); = 2 * pi / N; for i =1:G i = i+V; X(i) = input(introduzca x = ); end S = 0; d = 0; while d=1 while S=1 M = input(numero de componentes del espectro M = ); S = input(numero de la primera componente ks = ); f = input(frecuencia F0 = ) a = 0; b = 0; c = 0; for k = 1:M A(k) = 0; B(k) = 0; end for i = 1:G a = a + X(i); Z(i) = R * (i + V); for k = 1:M w = Z(i) * (k + S - 1); A(k) = A(k) + X(i) * cos(w); B(k) = B(k) + X(i) * sin(w); end end m0 = a / N; s0 = m0 / f; disp(componente constante M0 = ), disp(m0) disp(densidad espectral en el punto cero S0 = ), disp(s0) for k = 1:M u = sqrt((A(k)*A(k))+(B(k)*B(k))); Q = -abs(A(k)/u); if B(k) < 0 N V G G R
213
end t = input(tiempo T = ); x = 0; p = 2 * pi * t * f; for k = 1:M w = p * k; x = x + A(k)*cos(w)+B(k)*sin(w); end x = m0 + x*2/N disp(valor de x(t) = ), disp(x)
end S = 0; disp(Coeficiente de armonicos kr), disp(sqrt(b-c*c)/c) d = input(1 - Calcular x(t), 0 - no hay necesidad)
Q =-Q; end o = k + S - 1; b = b + u * u; if k + S == 2 c = u; end am(k) = (u*2/N); de(k) = (u/N/f); q(k) = (Q); end disp(Amplitud M), am disp(Densidad espectral s), de disp(Desplazamiento de fase q), q
Ejercicio en el PC A.2. (control): En el caso del ejemplo dado en el anterior programa, se toman los
valores xi = 1, i = 0, .., 7 y xi = 0, i = 8, .., 31 para t = 0.125.106 s y f = 250000 Hz ), jando M = 5 y M S = 1, con lo cual se obtiene: M 0 = 0.25 M 1 = 0.45088 M 2 = 0.32036 M 3 = 0.15224 M 4 = 2.23345X 10E 12 M 5 = 0.09375 S 0 = 1.10E 6 S 1 = 9.0176.10E 7 S 2 = 6.40729.10E 7 S 3 = 3.0449.10E 7 S 4 = 4.466892.10E 18 S 5 = 1.87503.10E 7 KR = 0.81369 Q1 = 39.375 Q2 = 78.75 Q3 = 118.125 Q5 = 16.875
En el programa A.2 se puede prever la entrada del valor de frecuencia de discretizacin f0 = F 1 para las seales peridicas, el cual determina la distancia entre las diferentes componentes espectrales kf0 .
A.1.2. Clculo numrico de la TDF

Si la secuencia de datos de entrada dada x[n] tiene longitud N , entonces, existirn mximo N trminos en su TDF X (k ). Sin embargo, existen aplicaciones donde no todos los N valores de la TDF son necesarios, o bien, varios de sus valores son cero, por lo que se pueden no tener en cuenta. Para obtener un clculo eciente, los requerimientos al algoritmo deben ser muy concretos. Si el nmero completo de frecuencias es L, pero solamente M son requeridas y se tienen N datos de entrada diferentes de cero, entonces la TDF puede ser descrita como: X (k ) =
N 1 n=0
x [n] W nk ,
W = ej 2/2 , k = 0, . . . , M 1
(A.9)
De esta manera, el nmero de multiplicaciones complejas requeridas es igual a N 2 . En la mayora de los casos M = L, pero hay situaciones donde M < L. En casos muy especiales, todos los tres valores son diferentes. En [2], se muestra que los algoritmos
214
ecientes para N = L = M no son generalmente, los ms ecientes para el caso de M N.
Clculo directo de la TDF. Una forma obvia de calcular la TDF es directamente implementando su integral de denicin, computando los valores deseados de X (k ) de acuerdo con la expresin (A.9). En el caso en que x[n] sea complejo, se notan sus partes real X [n] e imaginaria Y [n], a las cuales les corresponde la transformada con los respectivas trminos A[k ] y B [k ], as: x [n] = X [n] + jY [n] X [K ] = A[K ] + jB [K ] (A.10a) (A.10b)
donde X, Y, A y B son funcin de valor real y argumentos de variables integras. Reemplazando (A.10b) en la suma (A.9) se obtiene A[K ] + jB [K ] = donde A[K ] =
N 1 n=0 N 1 n=0 N 1 n=0
[X [n] + Y [n]] [cos (Qnk ) + j sin (Qnk )]
(A.11)
X [n] cos (Qnk ) + Y [n] sin (Qnk ) Y [n] cos (Qnk ) X [n] sin (Qnk )
B [K ] =
mientras, Q = 2B/N , 0 < k < N 1. El programa que implementa la expresin de la TDF en (A.11) es el siguiente:
Algoritmo A.3. Calculo directo de TDF N = input(Ingrese el valor de N = ); n=1:N; harm = input(Ingrese el valor de armonicos = ); dc = input(Ingrese el valor de dc = ); Q=6.2832/N; X(n)=sin(2*pi*harm*n/N)+dc; Y(1:N)=0; % X y Y son vectores de entrada figure(1) subplot(3,2,1),stem(X),xlabel(Vector de entrada X); subplot(3,2,2),stem(Y),xlabel(Vector de entrada Y); % Procedimiento TDF for k = 1:N A(k) = 0; B(k) = 0; % A y B son vectores de salida for j = 1:N A(k)=A(k)+X(j)*cos(Q*(j-1)*(k-1))... +Y(j)*sin(Q*(j-1)*(k-1)); B(k)=B(k)+Y(j)*cos(Q*(j-1)*(k-1))... -X(j)*sin(Q*(j-1)*(k-1)); end M(k)=sqrt(A(k)^2+B(k)^2); % Magnitud de la salida P(k)=atan(B(k)/A(k)); % Fase de la salida end % Representacion de datos de salida subplot(3,2,5),stem(M),xlabel(Magnitud); subplot(3,2,6),stem(P),xlabel(Fase); AR=real(A);BR=real(B); subplot(3,2,3),stem(AR),xlabel(Parte real de A); subplot(3,2,4),stem(BR),xlabel(Parte real de B);
215
Ejercicio en el PC A.3. Realizar el programa anterior y comparar los tiempos de ejecucin en el caso
del algoritmo que implementa la expresin de la TDF en (A.11).
El clculo de todos los N valores de A y B para las secuencias complejas requiere de 4N 2 multiplicaciones de punto otante, 4N 2 adiciones algebraicas de punto otante y 4N 2 operaciones con funciones trigonomtricas, adems, de numerosas multiplicaciones y adiciones con enteros. Un primer paso para aumentar la velocidad de este algoritmo consiste en calcular por aparte los argumentos de las funciones trigonomtricas y de los arreglos como muestra el siguiente procedimiento:
for k=1:N W=Q*(k-1); AT=X(1); BT=Y(1); for J=2:N D=W*(J-1); C=cos(D); S=-sin(D); AT=AT+C*X(J)-S*Y(J); BT=BT+C*Y(J)+S*X(J); end A(k)=AT;B(k)=BT; end A,B % Procedimiento TDF
% Arreglos de salida
Sin embargo, el procedimiento desarrollado sigue siendo ineciente, por cuanto, en J se evalan las funciones trigonomtricas 2N 2 cuando realmente se tiene solamente N diferente valores. Una solucin alterna consiste en formar una tabla de ayuda con los valores de las funciones trigonomtricas previamente computadas como se muestra a continuacin: cuando realmente se tiene solamente N diferente valores. Una solucin alterna consiste en formar una tabla de ayuda con los valores de las funciones trigonomtricas previamente computadas como se muestra a continuacin:
% for K=1:N C(K)=cos(Q*(K-1)); S(K)=-sin(Q*(K-1)); end for K=1:N AT=X(1); BT=Y(1); I=K; for J=2:N AT = AT + C(I) * X(J) BT = BT + C(I) * Y(J) + I=I+K-1; if I>N I=I-N; % end end A(K)=AT; B(K)=BT; M(K)=sqrt(A(K)^2+B(K)^2);% P(K)=atan(B(K)/A(K)); % end Procedimiento TDF - Tabla de ayuda
S(I) * Y(J); S(I) * X(J); Evaluacion del modulo N
Magnitud de la salida Fase de la salida
En el anterior procedimiento, existe el problema de indexacin con los argumentos de los senos y cosenos. Para utilizar una tabla de tamao razonable y con poca redundancia el ndice debe de ser evaluado por mdulo N , lo cual se realiza en la operacin condicional dentro del segundo ciclo interior, aumentando ligeramente el tiempo
216
de clculo del programa. Una siguiente reduccin del tamao de la tabla puede ser realizada, aunque a expensas de una mayor complicacin de indexacin. En caso de que la operacin condicional consuma relativamente mucho ms tiempo que las operaciones matemticas del ciclo, entonces, se puede mejorar la velocidad simplemente determinando concretamente las N operaciones incrementando as el cdigo del programa, por lo que esta limitacin hace posible su empleo para valores muy pequeos de N . Esta solucin empieza a ser aceptable en varios sistemas modernos con alta velocidad de operacin matemtica. Una versin modicada del ejemplo de operaciones concretas es la siguiente:
% Procedimiento TDF -indexacin for K=1:N W=Q*(K-1); AT=0;BT=0;J=0; while J<N, D=W*J; C=cos(D); S=-sin(D); J=J+1; AT=AT+C*X(J)-S*Y(J); BT=BT+C*Y(J)+S*X(J); end A(K)=AT; B(K)=BT; M(K)=sqrt(A(K)^2+B(K)^2);% Magnitud de la salida P(K)=atan(B(K)/A(K)); % Fase de la salida end
Algoritmo de Goertzel. A n de obtener un mayor desempeo de la TDF, se deben buscar diferentes soluciones al clculo directo. En particular, la solucin polinomial basada en que la TDF misma es la transformada Z de x[n] evaluada sobre un ciclo N 1 n unitario. La transformada Z modicada de x[n] dada por X (z ) = n =0 x [n] z , puede k evaluar (A.9) para z , lo que se puede escribir como
k X (z ) = Z (z )z =W k = F {x [n]} , WN = e2k/N
N
El mtodo ms eciente de clculo polinomial es el de Horner [3], segn el cual una secuencia de operaciones puede ser escrita en la forma de la ecuacin diferencial lineal y [m] = zy [m 1] + x [N m] X [z ] = y [N ]
k , el anterior algoritmo reemplazando z = WN de clculo se conoce como el Algoritmo de Goertzel [4], el cual se puede analizar como un ltro de primer orden que tiene como entrada la secuencia de datos en orden invertido y con solucin completa para n = N . El diagrama del ltro recursivo se muestra en la Figura A.2 y el siguiente procedimiento corresponde a su realizacin:
(A.12)
con condicional inicial y [1] = 0, que obtiene como resultado nal para m = N , el arreglo
x[N n]
E y [n ] '$ E E retardo &% T

z 1
Figura A.2: Algoritmo de Goertzel
Algoritmo A.4. Algoritmo de Goertzel (Primer orden)
217
N = input(Ingrese el valor de N = ); Q=pi/N; % X e Y, vectores entrada for K=1:N S=sin(Q*(K-1)); C=cos(Q*(K-1)); AT=0;BT=0; for J=1:N T=C*AT+S*BT+X(N-J+1); BT=-S*AT+C*BT+Y(N-J+1); AT=T; end A(K)=AT; B(K)=BT; end A,B % Vectores de salida
La comparacin del algoritmo A.4 con el procedimiento de clculo directo A.3 muestra que la cantidad de operaciones de multiplicacin y adiciones de punto otante son las mismas. Sin embargo, las funciones trigonomtricas son evaluadas para cada frecuencia una sola vez en el algoritmo de Goertzel, por lo que la cantidad total de operaciones es 2N menor que 2N 2 para el clculo directo, disminuyendo as mismo los errores de discretizacin. De todas maneras, el algoritmo de Goertzel no mejora substancialmente la eciencia de clculo para la TDF, debido a que la constante de retroalimentacin es compleja y se requieren por tanto para cada dato 4 operaciones de multiplicacin reales. De otra parte, usando la igualdad de Euler, W k = ej 2k/N = cos(2k/N ) j sin(2k/N ), la expresin (A.12) se lleva a la forma, Y [m] = W K Y [m 1] + X [N m] = (cos j sin)Y [m 1] + X [N m] que se puede ampliar en Y [m] = 2 cos Y [m 1] Y [m 2] + X [N m] (cos +j sin X ) [N + 1 m] = q [m] (cos +j sin) q [m 1] donde q [m] = (2 cos) q [m 1] q [m 2] + X [N m] (A.14) (A.13)
La expresin (A.14) tiene coecientes expresados en forma ms simple que requieren solo una multiplicacin por iteracin. Los dems pasos de clculo han sido evacuados en (A.13), que se evalan solamente una vez despus que m sea igual a N , lo que se demuestra de: X (k ) = Y [n] = q [N ] (cos +j sin) q [N 1] con condiciones iniciales igual a cero para (A.14): q [0] = q [1] = 0. Se puede demostrar que la secuencia de entrada de la ecuacin iterativa puede entrar en orden natural sin ser invertida, y las ecuaciones (A.13) y (A.14) se convertirn respectivamente en: Y [m] = q [m] (cos j sin) q [m 1] q [m] = (2 cos) q [m 1] q [m 2] + X [m]
El algoritmo de clculo de la TDF basado en el ltimo par de expresiones se denomina algoritmo de Goertzel de segundo orden y le corresponde el siguiente procedimiento:
Algoritmo A.5. Algoritmo de Goertzel (Segundo orden)
218
x y n /
= input(\nIngrese el vector de coeficientes X = ); = input(\nIngrese el vector de coeficientes Y = ); = length(x); q = 6.2832 n ; for k = 1 : n s = sin( q * (k-1) ); c = cos( q * (k-1) ); cc = 2 * c; a2 = 0; a1 = x(1); b2 = 0; b1 = y(1); for j = 2 : n t = a1; a1 = cc * a1 - a2 + x(j); a2 = t; t = b1; b1 = cc * b1 - b2 + y(j); b2 = t; end a(k)= c * a1 - a2 - s * b1; b(k)= s * a1 + c * b1 - b2; end disp(Los vectores resultado son :); a,b % Vectores de salida
El proceso de la parte real e imaginaria de la secuencia de entrada, en A.5, es paralelo por lo que en caso de tener secuencias reales el tiempo prcticamente se reduce a la mitad. En comparacin con el algoritmo de Goertzel de primer orden, el programa A.5 reduce a la mitad el nmero de multiplicaciones, tiene el mismo nmero de sumas y solo 2N evaluaciones trigonomtricas que pueden ser calculadas previamente y almacenadas en un arreglo o tabla si existe espacio disponible.
A.2. Clculo de la transformada rpida de Fourier

A.2.1. Representacin de dimensin mltiple de ndices
Uno de los mtodos ms efectivos en la reduccin del tiempo de clculo numrico en la TDF es el cambio de variables, descomponiendo su representacin unidimensional en multidimensional, en otras palabras, representar un problema complejo por varios ms simples, lo que en este caso es posible, teniendo en cuenta la estructura de la TDF, cuya notacin es la siguiente: X (n) =
N 1 k=0
x(k )ej 2nk/N =
N 1 k=0
nk x(k )WN , n = 0, 1, . . . , N 1
(A.15)
Por conveniencia se han realizado los siguientes reemplazos: k kT y n N T . La notacin (A.15) implica un sistema de ecuaciones de orden N . As, por ejemplo para N = 4 se tendr el siguiente sistema:
0 0 0 0 X (0) = x0 (0) W4 + x0 (1) W4 + x0 (2) W4 + x0 (3) W4 1 1 1 1 X (1) = x0 (0) W4 + x0 (1) W4 + x0 (2) W4 + x0 (3) W4 2 2 2 2 X (2) = x0 (0) W4 + x0 (1) W4 + x0 (2) W4 + x0 (3) W4 3 3 3 3 X (3) = x0 (0) W4 + x0 (1) W4 + x0 (2) W4 + x0 (3) W4
(A.16)
219
El anlisis de (A.16) indica que es necesario realizar N (N 1) sumas y N 2 multiplicaciones (en forma general, todas operaciones complejas), el cual puede ser representado en forma matricial como: 0 W0 W0 W0 X (0) W4 x0 (0) 4 4 4 0 W 1 W 2 W 3 x (1) X (1) W4 4 4 4 0 = (A.17) 0 W 2 W 4 W 6 x (2) X (2) W4 0 4 4 4 0 W3 W6 W9 X (3) W4 x0 (3) 4 4 4 que en forma compacta, describe el siguiente sistema matricial:
nk X(n) = WN x(k ) nk = ej 2nk/N o factor de pivote posee las propiedades de periodicidad El trmino WN nk = WN WN nk mod(N )
(A.18)
y antisimetra WN
k+N/2 k = WN
(A.19)
Ejercicio en el PC A.4. En el caso analizado de N = 4, aplicando (A.18) se obtiene el respectivo

6 = exp j valor W4
2 2 2 . 6 = exp (j 3 ) = exp (j ) = exp j 2 = W4 4 4 El siguiente algoritmo permite analizar la periodicidad en N para el factor de pivote: % Periodicidad del factor de pivote % Base de anlisis
N=4; for n=1:3*N m(n)=exp(-j*2*pi*n/N); end m >> ans = 0 -1 0 1
% round(real(m)) formato de salida
-1
-1
La primera reduccin de operaciones se obtiene utilizando la propiedad de periodicidad (A.18) del factor de pivote, as:
nk WN = WN nk m od (N )
que reduce la cantidad de argumentos a calcular hasta N 1. El segundo paso consiste en la descomposicin de la matriz (A.20) empleando la factorizacin del trmino Wk ,
Por lo que la matriz (A.17) puede ser escrita como: X (0) 1 1 1 1 x(0) X (1) 1 W 1 W 2 W 3 x(1) X (2) = 1 W 2 W 0 W 2 x(2) X (3) 1 W3 W2 W1 x(3)
(A.20)
220
en particular, se podr encontrar un mtodo compacto de representacin binaria de los ndices de la exponente k y n, tales que = 2m1 m1 + 2m2 m2 + . . . + 0 , k, n, (k, n) Z, 1 , 0 0, 1, (A.21)
donde m = (2m1 nm1 + 2m2 nm2 + . . . + n0 )(2m1 km1 + 2m2 km2 + . . . + k0 ). La representacin binaria en (A.21) impone inicialmente, la restriccin sobre la longitud de la TDF, que deber cumplir la condicin N = 2m , m Z. La expresin de la TDF obtenida a partir de (A.21) se dene como:
1 1 1
X (nm1 , nm2 , . . . , n0 ) =
...
k0 =1 k1 =1 km1 =1
p x(km1 , km2 , . . . , k0 )WN
(A.22)
Por cuanto, se cumple que

p WN
m1 m2
W a+b =W a W b
m1
p el factor de pivote WN se descompone en

m2
nm1 +2 nm2 +...+n0 )(2 km1 +2 km2 +...+k0 ) = W (2 m 1 m 2 m 1 nm1 +2 nm2 +...+n0 )(2 km1 ) W (2m1 nm1 +2m2 nm2 +...+n0 )(2m2 km2 ) . . . = W (2 m1 n m2 n m1 +2 m2 +...+n0 )k0 . . . W (2 (A.23)
m
2 A su vez, teniendo en cuenta que WN simplica en
N = 1, el primer trmino de (A.23) se = WN 2m (2m2 nm2 km1 ) 2m (2m3 nm2 km1 )
W (2
m1 n m2 n m1 k m1 +2 m2 +...+n0 )(2 m1 )
2m1 (n0 km1 ) 2m (n k ) . . . WN 1 m1 WN 2m1 (n0 km1 ) = WN
= WN
WN
...
De manera similar, el segundo trmino de (A.23) se reduce a W (2

m1 n m2 n m2 k m1 +2 m2 +...+n0 )(2 m2 )
2m2 (n0 km2 ) 2m1 (n1 km2 ) WN . . . WN (2n +n )2m2 (n0 km2 ) = WN 1 0
= WN
2m (2m3 nm1 km2 )
WN
2m (2m4 nm2 km2 )
...
y as sucesivamente, se encontrar que cada factor de descomposicin agrega un trmino que no se cancela, por lo que la expresin TDF en (A.22) puede ser escrita como:
1 1 1
X (nm1 , nm2 , . . . , n0 ) =
...
km1 k0 =0 k1 =0 m1 n m2 n m1 +2 m2 +...+n0 )k0 . . . W (2
x(km1 , km2 , . . . , k0 )W 2
m1 (n k 0 m1 )
W (2n1 +n0 )2
m2 k
m2
...
Realizando cada una de las sumatorias separadamente y etiquetando cada uno de los resultados intermedios se obtiene la siguiente ecuacin recursiva:
1
x1 (n0 , km2 , . . . , k0 )
=
km1 =0 1
x0 (km1 , km2 , . . . , k0 ) W 2
m1 (n k 0 m1 )
x2 (n0 , n1 , km3 , . . . , k0 ) = . . . xm (n0 , n1 , . . . , nm1 ) X (nm1 , nm2 , . . . , n0 ) . . . =
km2 =0
x1 (n0 , km2 , . . . , k0 )W (2n1 +n0 )2
m2 k
m2
(A.24) )k0
1 k0 =0
xm1 (n0 , n1 , . . . , k0 )W (2
m1 n m2 n m1 +2 m2 ++n0
= xm (n0 , n1 , . . . , nm1 )
221
donde x0 (k ) = x(k ) es el vector original de entrada. La expresin (A.24) representa la formulacin del algoritmo bsico de TRF en base binaria. Como ejemplo de ilustracin, se desarrolla el algoritmo concreto para N = 4, que de acuerdo a (A.21) le corresponde la representacin = 21 + 0 , {k, n} , con la siguiente descomposicin:
1 1
X (n0 , n1 ) =
k0 =0 k1 =0
x0 (k1 , k0 )W (2n1 +n0 )(2k1 +k0 )
(A.25)
El factor de pivote se puede descomponer de acuerdo a (A.23) como: W (2n1 +n0 ) W (2k1 +k0 ) = W (2n1 +n0 )2k1 W (2n1 +n0 )k0 = W 4n1 k1 W 2n1 k0 W (2n1 +n0 )k0 = W 2n0 k1 W (2n1 +n0 )k0 por lo que se puede escribir la TDF (A.25) en la forma:
1 1
X (n0 , n1 ) =
k0 =0
En forma general, cuando la longitud de la TDF no sea prima, N puede ser factorizado como N = N1 N2 . Los dos nuevos ndices de las variables ni = 0, . . . , Ni 1; i {1, 2} podrn ser representadas linealmente en la variable inicial n, si; n = 1 n1 + 2 n2
N
k1 =0
x0 (k1 , k0 )W 2n0 k1 W (2n1 +n0 )k0
(A.26)
De la anterior expresin no queda claro si todos los valores de n estn representados, o si la representacin es nica, esto es, uno a uno. En [5] se demuestra que existir siempre un i , tal que la representacin (A.26) sea biyectiva. Sin embargo, se analizan dos casos: Caso 1. N1 y N2 son relativamente primos, esto es, (N1 , N2 ) = 1 (donde (M, L) = L es la notacin del mximo comn divisor entre M y N ). La representacin entera de (A.26) ser nica solamente si se cumple (1 = aN2 ) y/o (2 = bN1 ) y (a, N1 ) = (2 , N2 ) = 1 (A.27)
Caso 2. N 1 y N 2 (N 1, N 2) > 1 no son nmeros primos, entonces, se deber cumplir: (1 = aN2 ) y (2 = bN1 ) y (a, N1 ) = (K2 , N2 ) = 1 (A.28)
Para el primer caso, la representacin (A.26) es denominada factor de representacin prima (FRP) cuando K1 = aN2 y K2 = bN1 (A.29)
mientras, para el segundo caso se denomina factor de representacin comn (FRC), cuando: K1 = aN2 K2 = bN1 , pero no ambos (A.30)
222
De hecho, el FRC puede ser empleado siempre. De igual manera, se pueden denir los ndices de representacin 3 y 4 en el eje de las frecuencias: k = 3 K1 + 4 K2 N (A.31)
con las mismas condiciones denidas en (A.27) y (A.28). El siguiente paso, teniendo denidos los ndices de representacin consiste en la denicin de TDF por medio de arreglos bidimensionales a la entrada y salida del sistema x(n1 , n2 ) = x[1 n1 + 2 n2 ] X (k1 , k2 ) = X (3 k1 , 4 k2 ) que aplicados a la denicin de TDF (A.9) resulta en X=
N2 1 N1 1 n2 =0 n1 =0
(A.32a) (A.32b)
xW 1 3 n1 k1 W 1 4 n1 k2 W 2 3 n2 k1 W 2 4 n2 k2
(A.33)
Aunque todos los multiplicandos exponenciales tienen una misma base, permitiendo reducir as a un solo trmino, el anlisis del algoritmo de la TDF por (A.33) muestra que requiere la misma cantidad de operaciones que el segundo algoritmo directo en (A.10b). Sin embargo, para reducir los clculos las constantes i pueden ser escogidas de tal manera que se cumpla la condicin [5]: 1 4
N
= 0 2 3
=0
(A.34)
si Ni son relativamente primos, ambos trminos de (A.34) se pueden tomar igual a cero. Un ejemplo de FRC es usado en el algoritmo de Cooley-Tukey (con factores comunes N = 2M ), en particular, el algoritmo de base 4 de la TRF para una longitud de N = 16 de la TDF: n = 4n1 + n2 k = 1 + 42 Los arreglos correspondientes de los ndices son se muestran en la Figura A.3. En este caso, debido a que los factores N son comunes, solamente una de las condiciones de (A.34) pueden ser escogidos, luego, (A.32b) ser
3 3 n1 k1 n2 k1 n2 k2 xW4 W n2 k1 W16 W4 n2 =0 n1 =0
n1 0 1 2 3
0 0 1 2 3
1 4 5 6 7 K1
2 8 9 10 11
3 12 13 14 15
k1 0 1 2 3
0 0 4 8 12
1 1 5 9 13 K2
2 2 6 10 14
3 3 7 11 15
= X
Figura A.3: Arreglos de ndices
donde WN = ej 2/N . La suma interior por n1 representa las 4 TDF de longitud N = 4, W16 representa las 16 operaciones de multiplicacin complejas y la suma exterior por n2 representa otras 4 TDF de longitud 4.
A.2.2. Algoritmo de Cooley-Tukey
223
Este algoritmo de clculo de la TDF que emplea el principio de representacin sucesiva y que por caracterizarse por su alta velocidad de clculo (comnmente conocido como FFT Fast Fourier Transform ). En el algoritmo de TRF se emplea el FRC en los ndices de frecuencia y tiempo dados en (A.26) y (A.31) con las condiciones (A.30) resultando en los siguientes ndices de representacin [6]: n = N2 n1 + n2 k = k1 + N1 k2 que reemplazando en (A.33) da como resultado X=
N2 1 N1 1 n2 =0 n1 =0 n1 k1 xWN WN 1
n2 k2
x[0]
du d
E d E d
x1 [0]
x[1]
x1 [1]
Figura A.4: Diagrama mariposa
(A.35a) (A.35b)
n2 k2 WN 2
(A.36)
La representacin (A.35b) y la TDF en la forma (A.36) son los fundamentos para el desarrollo del algoritmo de la TRF. Decimacin en frecuencia. La manera ms comn y eciente de implementacin de la TRF emplea todas las M se le denomina base raz del sistema, que se encuentra relacionada con la longitud total de la TDF N por la relacin N = RM . Las bases raz R = 2 y R = 4 son las ms comunes debido a que no se requieren operaciones de multiplicacin y, muy ocasionalmente, se emplean otras de orden supeior 2R . Para el caso de la TRF de base 2 los ndices de representacin (A.35b) son: n = (N/2)n1 + n2 k = k1 + 2k2 la primera suma por n1 de (A.36) tiene la forma,
l
(A.37a) (A.37b)
x(k1 , n2 ) =
n1 =0
x(n1 , n2 )(1)n1 k1
(A.38)
la cual se ilustra en la Figura A.4. La suma exterior dada para k2 y n2 ser X (k1 , k2 ) =
N/21 n2 =0 K1 n2 donde y (K1 , n2 ) = x (K1 , n2 ) WN corresponde a una funcin mixta que entrevera trminos entre una y otra suma. Las ecuaciones (A.37b) y (A.38) se ilustran en la Figura A.5(a) y muestran como una TDF de longitud N puede ser calculada por medio de dos TDF de longitud N/2. Esta es la idea bsica contenida en el algoritmo de base 2 de la n2 k2 y (k1 , n2 )WN/ 2
(A.39)
224
(a)
(b)
Figura A.5: diagrama de ujo de la TDF para N = 8
FFT y al proceso de obtencin se le denomina decimacin en frecuencia (DEF) por cuanto las dos TDF de longitud N/2 dan el total da la TDF como se ilustra en la gura A.5(b). Una de ellas da los trminos pares y la otra impares. El diagrama de ujo de la TDF de longitud N = 2 en (A.38) se muestra en la gura A.4, por su forma es llamado de mariposa. La implementacin en Matlab del procedimiento de mariposa para la TDF de longitud 2 es la siguiente:
% T=x(1)+x(2) x(2)=x(1)+x(2) x(1)=T T=y(1)+y(2) y(2)=y(1)-y(2) y(1)=T % Mariposa % parte real % parte imaginaria
La variable T es denominada de almacenamiento temporal y tiene como n evitar el uso de arreglos de memorias auxiliares mayores. El algoritmo de base 2 de la TRF, que puede ser implementado para cualquier longitud N = 2M , prev un ciclo exterior para M dimensiones o etapas de desmembramiento de la longitud total (el ciclo por k del siguiente programa). El siguiente ciclo por j se lleva a cabo para las N2 TDF de longitud 2. El ciclo interior por i contiene las TDF de longitud 2 (mariposas) y el clculo concreto del trmino de entreveracin. En el algoritmo se contiene, adems un desplazamiento en las direcciones de acuerdo a los ndices de representacin en (A.39).
Algoritmo A.6. Transformada Rpida de Fourier N2 = N; for k = 1 : M N1 = N2; N2 = N2 / 2; e = 2 * pi / N1; A = 0.; for j = 1 : N2; S = - sin(A); C = cos(A); A = j * e; for i = j : N1 : N L = i + N2 ; xt = x(i) - x(L); x(i) = x(i) + x(L); yt = y(i)- y(L); y(i) = y(i) + y(L); x(L) = xt * C + yt * S;
225
y(L) = yt * C - xt * S; end end end
El algoritmo A.6 contiene M = log2 N etapas cada una con N/2 multiplicaciones que da un total de multiplicaciones complejas para la FFT de (N/2) log2 N . A partir de la aparicin de la FFT algunos mejoramientos han sido realizados. El primero y, tal vez, el ms importante consiste en el empleo de otras bases. El algoritmo de base 4 de la FFT no exige multiplicaciones. En particular, su implementacin es la siguiente:
Algoritmo A.7. mariposa base 4 R1=x(1)+x(3) R2=x(1)-x(3) R3=x(2)+x(4) R4=x(2)-x(4) S1=y(1)+y(3) S2=y(1)-y(3) S3=y(2)+y(4) S4=y(2)-y(4) x(1)=R1+R3 x(3)=R1-R3 x(2)=R2+S4 x(4)=R2-S4 y(1)=S1+S3 y(3)=S1-S3 y(2)=S2-R4 y(4)=S2+R4
Donde el arreglo x contiene la parte real, mientras el arreglo y contiene la parte compleja de los datos. El nmero de multiplicaciones para las FFT de base 2 y 4 corresponde al nmero del trmino de entreveracin, esto es, N en cada M etapas. Como se tiene el doble de etapas para la base 2 con relacin al de base 4 el nmero de multiplicaciones de la FFT de base dos tiene que aumentar al doble. Aunque realmente varias multiplicaciones en el algoritmo de base 2 son por 1 y no se llevan a cabo, con lo que el factor de aumento es menor que dos. El nmero de sumas tambin es menor para el algoritmo de base 4 A.7. Por cuanto se tiene menos etapas, la cantidad de datos por transferir es menor tambin. El programa de la base 4 consiste en adaptar la correspondiente mariposa del siguiente programa con algunos otros cambios menores.
Algoritmo A.8. TRF - base 4 x = input(\n Introduzca el vector X : ... ) y = input(\n Introduzca el vector Y : ... ) n = length(x); m = log2(n); n2 = n; for k = 1 : m % ciclo 1 n1 = n2; n2 = round(n2/2); e = pi * 2/n1; a = 0; for j = 1 : n2 % ciclo 1 b = a + a; c = a + b; co1 = cos(a); co2 = cos(b); co3 = cos(c); si1 = sin(a); si2 = sin(b); si3 = sin(c); a = j * e; for i = j : n1 : n % ciclo 1 i1 = i + n2; i2 = i1 + n2; i3 = i2 + n2; if (i1 > n) i1 = n ; end if (i2 > n)
226
i2 = n ; end if (i3 > n) i3 = n ; end r1 = x(i) + x(i2); r3 = x(i) - x(i2); s1 = y(i) + y(i2); s3 = y(i) - y(i2); r2 = x(i1) + x(i3); r4 = x(i1) - x(i3); s2 = y(i1) + y(i3); s4 = y(i1) - y(i3); x(i) = r1 + r2; r2 = r1 -r2; r1 = r3 - s4; r3 = r3 + s4; y(i) = s1 + s2; s2 = s1 - s2; s1 = s3 + s4; s3 = s3- r4; x(i1) = co1 * r3 + si1 * s3; y(i1) = co1 * s3 - si1 * r3; x(i2) = co2 * r2 + si2 * s2; y(i2) = co2 * s2 - si2 * r2; x(i3) = co3 * r1 + si3 * s1; y(i3) = co3 * s1 - si3 * r1; end end end disp(Los vectores resultado son : ......); x,y
La TRF de longitud 8 tambin puede ser desarrollada para obtener menores multiplicaciones. Sin embargo, la reduccin de las etapas no es proporcional al factor y la reduccin en el nmero de adiciones es casi inexistente [2]. Para el caso de la base 16 el decremento en el nmero de multiplicaciones es neutralizado por el incremento en un cdigo muy largo de programacin y del nmero de adiciones. En general, el empleo de mayores bases raz es poco frecuente, por cuanto generalmente se requieren substancialmente muchas ms multiplicaciones en las mariposas y no llevan a la reduccin en las multiplicaciones del trmino de entreveracin. La segunda forma de reduccin de clculo de la TRF es evitar la multiplicacin innecesaria en el trmino de entreveracin por 1, o por j , que ocurre cuando el exponente de WN es cero o mltiplo de N/4. Esto se puede realizar haciendo una mariposa aparte para los casos especiales como se muestra en el siguiente programa.
Algoritmo A.9. TRF - mariposa interna x = input(\nIntroduzca el vector X : ... ); y = input(\nIntroduzca el vector Y : ... ); n = length(x); m = log2(n); n2 = n; for k = 1 : m % Ciclo 1 n1 = n2; n2 = round(n2 / 2); for i = 1 : n1 : n % Mariposa aparte l = i + n2 ; if (l > n) l = n ; end xt = x(i) - x(l); x(i) = x(i) + x(1); yt = y(i) - y(l); y(i) = y(i) + y(l); x(l) = xt; y(l) = yt; end while (k == m) e =$ $ 2 * pi / n1; a = e; for w = 2 : n2 % ciclo 2 s = -1 * sin (a); c = cos (a); a = w * e;
227
for i = w : n1 : n % Ciclo 3 l = i + n ; if (l > n) l = n ; end xt = x(i) - x(l); x(i) = x(i) + x(l); yt = y(i) - y(l); y(i) = y(i) + y(l); x(l) = xt * c - yt * s; y(l) = xt * s + yt * c; end end end end disp(Los vectores resultado son : ......);x,y
Cuando el exponente de WN es N/8 o algn mltiplo, una pequea reduccin adicional es posible. Puesto que las partes real e imaginaria de W a la N/8 potencia son iguales entonces se puede hacer lo siguiente: Sea C la parte real de W y S la imaginara, la parte real de los datos X y Y la imaginara. El producto de W veces los datos es entonces (C + jS )(X + jY ) = R + jI R = CX SY I = CY + SX (A.40)
que requiere cuatro multiplicaciones y dos adiciones todas reales. Si la W tiene exponente N/8 o algn mltiplo y C = S = 1/ 2. En este caso, el anterior producto toma la forma: (C + jC )(X + jY ) = R + jI R = C (X Y ) I = C (X + Y ) (A.41)
que requiere solamente dos multiplicaciones y dos adiciones todas reales. Este es uno de los algoritmos ms efectivos cuando se poseen procesadores de propsito general. El tercer mtodo para la reduccin de multiplicaciones consiste en disminuir el nmero de multiplicaciones a expensas del aumento de adiciones en (A.40) de la siguiente manera (4 multiplicaciones y 2 sumas reales): D =C +S Z = C (X Y )
luego la parte real e imaginara del producto se puede escribir como (3 multiplicaciones y 5 sumas reales) R = DY + Z una especie de tabla de ayuda puede ser calculada previamente para C , D y E . En este caso, se requerir tres multiplicaciones y tres sumas todas reales para cada multiplicacin compleja. Si la multiplicacin es mucho ms lenta este algoritmo ser ms rpido [5]. La implementacin se presenta en el siguiente programa:
Algoritmo A.10. TRF con tabla de ayuda
E =C S
I = EX Z
(A.42)
228
% Inicializacion de la tabla de senos y cosenos x = input(\nIntroduzca el vector X : ... ) y = input(\nIntroduzca el vector Y : ... ) n = length(x); m = log2(n); p = pi / n ; for k = 1 : round(n/2) % tabla de ayuda a = (k - 1) * p ; wr(k)= cos(a) ; wi(k)= -1 * sin(a); end % Transf. rapida de Fourier de base 2 n2 = n ; for k = 1 : m % ciclo 1 n1 = n2 ; n2 = round(n2 / 2) ; ie = n / n1 ; ia = 1 ; for j = 1 : n2 % ciclo 2 a = round(a); s = wi(a) ; c = wr(a) ; ia = ia + ie ; for i = j : n1 : n % ciclo 3 l = i + n2 ; if ( l > n ) l = n ; end xt = x(i) - x(l) ; x(i) = x(i) + x(l) ; yt = y(i) - y(l) ; y(i) = y(i) + y(l) ; x(l) = xt * c - yt * s ; y(l) = xt * s + yt * c ; end end end disp(Los vectores resultado son : ......);x,y
Realmente, esta ltima forma de reduccin debe de llevar a la reduccin del tiempo de clculo cuando no se analizan operaciones extras de hardware. En algunos procesadores digitales especializados, puede ocurrir que las operaciones de multiplicacin y suma estn acopladas entre ellas, de tal manera que la reduccin de una multiplicacin para agregar una suma puede no conllevar a la disminucin de velocidad, ante este hecho, la presencia del comando condicional, ms bien puede reducir el desempeo del algoritmo. Existen varias formas de mejorar la velocidad de ejecucin y versatilidad del programa A.10. En particular, para este ultimo caso, la longitud de los datos muchas veces es diferente a la condicin de mltiplo de 2, por lo que se requerirn la mezcla de dimensiones de longitud diferente, sin embargo, esto generalmente conlleva a la prdida de eciencia. Otra solucin consiste en que si hay valores innecesarios, o muchos de ellos son cero, cierta ventaja se puede tomar recortando varias operaciones innecesarias [7]. Una alternativa que puede ser empleada consiste en la representacin de los elementos de salida en vez de los de entrada como hasta ahora se ha hecho. Este algoritmo es llamado Decimacin en el tiempo (DET). Sin embargo el desempeo es bsicamente el mismo que el del DEF [4,8]. En general, el nmero de multiplicaciones siempre decrece con el aumento de la base. Adems, la reduccin debida al cambio de 2 a tres mariposas no es tan notoria como de 1 a 2 y ms an esta decrece con el aumento de las bases.
229
A.2.3. Acomodacin de datos en la TRF

La seleccin del valor de N dentro de la serie 2M , M Z+ , trae de por si cierta incomodidad en la realizacin de la TRF. Existen varias maneras de salvar este momento y una de ellas consiste en su clculo aproximado rellenando de ceros simtricamente los puntos que hagan falta hasta la cantidad inmediatamente superior mltiplo de 2M . Los procedimientos de TRF, por lo general, permiten efectuar la TDF en sus formas directa e inversa de los arreglos u = Xi + jYi y vk = Xk + jYk , brindando as la transformacin de Xi Xk , Yi Yk y viceversa. El mejoramiento de la precisin de la TRF se puede alcanzar con un proceso especial de los datos de entrada o salida. El proceso en los datos de entrada consiste en la multiplicacin de cada una de las muestras por los coecientes de peso Wi , escogidos de tal manera, que puedan brindar una aproximacin dada a y (t) durante su integracin. Los valores de Wi = 1 corresponden a la aproximacin escalonada y, por tanto, a la integracin por el mtodo de rectngulos. Si Wi = 1/2, 1, 1, . . . , 1, 1, 1/2, entonces la integracin es efectuada por el mtodo de los trapecios. Cuando Wi = 1/3, 4/3, 2/3, 4/3, 2/3, . . . , 4/3, 1/3, la aproximacin de y (t) ser parablica, esto es, el mtodo de integracin empleado ser el de Simpson. En si, se puede efectuar cualquier tipo de aproximacin polinomial de ms alto grado escogiendo la serie de valores de Wi correspondientes. De manera anloga, para el aumento de precisin de la TRF por medio del proceso de los datos de salida, se lleva a cabo multiplicando Xk y Yk por el coeciente Kk = sin(k/N )/(k/N ) e introduciendo la correccin de desplazamiento de fase k = k/N . Es importante anotar que no se podrn utilizar ambos tipos de aproximacin (a la entrada y salida simultneamente) por cuanto ellos son variantes alternativas de mejoramiento de la aproximacin de y (t). El efecto de Gibbs, que se observa en la interpolacin geomtrica de la serie de Fourier de las funciones quebradas o con rompimientos, disminuye signicativamente en caso de utilizar cualquiera de los mtodos de aumento de precisin antes descritos de la TRF.
Bibliografa
[1] V. I. Kupreev and V. V. Nosach, Algoritmos y programas de Filtracin digital en el proceso de informacin de vuelo (Rus). Kiev: Vozdushnyi transport, 1988. [2] I. I. Privalov, Vvedenie v teoriju funktsii kompleksnogo peremennogo. Moskva: Nauka, 1977. [3] A. M. Trakhman and V. A. Trakhman, Fundamentos de teora de seales discretas en intervalos nitos (Rus). Mosc: Soviestkoe Radio, 1975. [4] L. A. Zalmanson, Fourier, Haar, Walsh Transforms and their application in Control, Communications and other Fields. Mosc: Nauka, 1989. [5] K. A. Samoylo, Sistemas y seales radiotcnicos (Rus). Mosc: Radio i Svyaz, 1982. [6] R. E. Edwars, Fourier Series: A Modern Introduction. Camberra: SV, 1979, vol. I, II. [7] I. S. Gonorovskiy, Circuitos y seales radiotcnicos. Mosc: Progress, 1972. [8] E. A. Guillemin, The Mathematics of Circuit Analysis. New York: John Wiley, 1949. [9] P. S. Akimov, A. I. Senin, and V. I. Solenov, Proceso de seales en sistemas de informacin (Rus). Mosc: Radio i Svyaz, 1994. [10] L. E. Franks, Signal Theory. New Jersey: PH. Englewood Cliffs, 1969. [11] N. Zajarchenko and P.udelman, Fundamentos de la transmisin de seales discretas (Rus). Mosc: Radio i Svyaz, 1990. [12] M. S, A Wavelet Tour of Signal Processing. Academic Press, 1998. [13] L. Cohen, Wavelets and Signal Processing. BirkHauser, 2003. [14] C. Burrus and T. Parks, DFT/FFT and Convolution Algorithms. 1985. [15] N. Levan, Systems and signals. [16] N. Wiener, Nonlinear Problems in Random Theory, 1st ed. Press, 1958. 231 Cambridge,Mass: MIT New York: Wiley,
232
BIBLIOGRAFA
[17] L. V. Danilov, Series de Volterra-Picard en Sistemas No Lineales (Rus). Mosc: Radio i Svyaz, 1987. Mosc: Radio
[18] V. I. Tijonov, Transformacin No Lineal de Procesos Aleatorios (Rus). i Svyaz, 1986.
[19] B. V and C. P, Analiz i Sintez Sistem Avtomaticheskogo Upravlenija v EBM (Rus). Mosc: Radio i Svjaz, 1991. [20] V. Ciek, Discrete Fourier Transforms and Their Applications. Adma Hilger Ktda, 1985. Bristol and Boston: IEEE
[21] M. V. Wickerhauser, Adapted Wavelet Analysis: From Theory to Software. Press, 1994. [22] D. I, Ten Lectures on Wavelets. Lowell, MA, 1992.
[23] N. Akhmed and P. Rao, Ortogonal Transformations in Digital Signal Processing, 1980. [24] V. D. Enden and N. A. Verhoeckx, Discrete-Time Signal Processing. An Introduction. Cambrige: PHI, 1989. [25] A. Antonio, Digital Filters: Analysis and Design, 1983. [26] I. A. Mizin and A. A. Matveev, Filtros digitales (Rus). Mosc: Svyaz, 1979.
[27] L. R. Rabiner and B. Gold, Theory and application of digital signal processing. Prentice Hall, 1975. [28] S. Haykin, Kalman Filter and Neural Networks. John Wiley & Sons, 2001. [29] R. M. Rangayyan, Biomedical Signal Analysis: A case Study approach. IEEE Press, 2002. [30] S. Haykin, Adaptive Filter Theory. PrenticeHall International, Inc., 1991. [31] P. Diniz, Adaptive Filtering. Algorithms and Practical Implementation, second edition ed. Kluwer Academic Publishers, 2002.

Analisis de Señales y Sistemas (German Castellanos)

Uploaded by

Document Information

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

Analisis de Señales y Sistemas (German Castellanos)

Uploaded by

Copyright:

Available Formats

D

Anlisis de Seales y Sistemas

7 7 8 11 11 17 17 19 24 31 41 42 48 51 51 53 54 60 60 63 66 69 70 71 79 79 84 89 89 89 92 93 97 97 97 100 103 104 105

Representacin de seales y sistemas continuos

x1 (s) x2 (s) ... xm (s)

y1 (s) y2 (s) ... yn (s)

Figura 1.1: Diagrama de un sistema

Captulo 1. Representacin de seales y sistemas continuos

1.1.1. Clasicacin de seales y sistemas

|x(t)|2 dt < , (para una resistencia de 1 )

1.1. Deniciones bsicas

Si la expresin (1.3) no se cumple, el sistema se denomina no lineal.

Captulo 1. Representacin de seales y sistemas continuos

1.1. Deniciones bsicas

1.1.2. Proceso de seales

1.1.3. Funciones singulares

Captulo 1. Representacin de seales y sistemas continuos

Figura 1.2: Funcin signo

1.1. Deniciones bsicas

Figura 1.3: Funcin delta

x(k )pa (k t).

Captulo 1. Representacin de seales y sistemas continuos

Ejemplo 1.3. Evaluar la expresi on

t2 e sin t cos 2t (2t 2 )dt,

Con la propiedad de escala y luego de selectividad se obtiene que:

1 cos 2t (2t 2 )dt = 2

t2 e sin t cos 2t (t )dt =

Figura 1.4: Funcin escaln unitario

Funcin pulso rectangular. Denida por la expresin: rect (t t0 ) = 1, |t t0 | 0, |t t0 | >

1.1. Deniciones bsicas

tx(t)dt, < t < .

e(t ) x( )d, |t| < . dx dt

en forma de una suma de funciones lineales por segmentos.

Problema 1.5. Calcular la energa Ex y la norma x de la seal,

1.2. Representacin discreta de seales

1.2. Representacin discreta de seales

Captulo 1. Representacin de seales y sistemas continuos

= sup |x(t)| <

1.2. Representacin discreta de seales

est provisto del siguiente producto interno: x, y

1.2.2. Descomposicin en funciones ortogonales

Captulo 1. Representacin de seales y sistemas continuos

xn n (t) dt, siendo 2 N (t) 0

1.2. Representacin discreta de seales

Denotando por a = x(t) y b = toma la forma

la expresin dentro del integral anterior

|a b|2 = (a b) (a b) = (a b) (a b ) = (aa ab ba + bb ) Luego, se cumplir que tf tf N 2 |x(t)| dt x(t)xn n (t)dt + xk n=0

que al diferenciar por xk e intercambiando los trminos se obtiene:

cuando se generaliza en funcin del ndice n, da como resultado:

Captulo 1. Representacin de seales y sistemas continuos

De la expresin (1.20) se obtiene que el error 2 (t) es igual a

Adems, de (1.21) resulta que

con lo cual, el error 2 (t) se puede determinar como:

1.2. Representacin discreta de seales

Figura 1.5: Descomposicin y formacin ortogonal de seales

Captulo 1. Representacin de seales y sistemas continuos

1.2.3. Sistema ortogonal completo de Fourier

1 ej (nm)0 tf ej (nm)0 ti = 0, n = m, j (n m)0 1 ej (nm)0 ti ej (nm)0 (tf ti ) 1 = 0. = j (n m)0 =

1.2. Representacin discreta de seales

obtenindose los respectivos valores de 0 = 2/En y En = (tf ti ) (1.27)

xn ejn0 t , (ti < t < tf )

Pulsos rectangulares Triangular simtrica Diente de sierra

1 4|t|/T, |t| < T /2

Tabla 1.1: Coecientes de descomposicin espectral de Fourier

waln (t), 0 t < 1, n = 0, 1, 2, . . . , N, N = 2k 1, k Z,