Professional Documents
Culture Documents
ACTIVIDADES DESARROLLADAS
1. Representar señales en el dominio del tiempo y frecuencia mediante software.
2. Analizar y calcular la densidad espectral de potencia y energía.
3. Simular los espectros de magnitud y fase de funciones periódicas.
4. Implementar un programa para obtener los coeficientes de la serie compleja de Fourier.
MARCO TEÓRICO:
SERIES DE FOURIER
Las series de Fourier engloba la descomposición de una señal periódica en funciones básicas, que tienen frecuencias
que son múltiplos de la señal original, lo que permite el análisis de propiedades y síntesis de los objetos. Se determina
mediante:
∞
𝑎0
𝑓(𝑥) = + ∑(𝑎𝑛 cos(𝑛𝜔0 𝑥) + 𝑏𝑛 sen(𝑛𝜔0 𝑥))
2
𝑛=1
Donde:
2𝜋
𝜔0 =
𝑇
1
𝑎0 = ∫ 𝑓(𝑥)𝑑𝑥
𝑇/2 𝑇
1
𝑎𝑛 = ∫ 𝑓(𝑥)cos(𝑛𝜔0 𝑥)𝑑𝑥
𝑇/2 𝑇
1
𝑏𝑛 = ∫ 𝑓(𝑥)sen(𝑛𝜔0 𝑥)𝑑𝑥
𝑇/2 𝑇
Si las funciones a evaluar tienen periodo de 2𝜋, se considera la función en el intervalo [−𝜋, 𝜋]; Si la función es par,
el coeficiente 𝑏𝑛 = 0 pero si la función es impar, el coeficiente 𝑎𝑛 = 0, debido a que las funciones trigonométricas,
tanto el coseno como el seno se convierten en funciones impares.
TEOREMA DE NYQUIST
El teorema de Nyquist, también conocido como el teorema de muestreo, valida el proceso de conversión analógica
digital o viceversa, de manera que el número de muestras que se toma a una frecuencia doble de la máxima
frecuencia de la señal a muestrear.
𝑓𝑠 = 2𝑓𝑚𝑎𝑥
Este teorema se utiliza para eliminar el efecto de aliasing producido por la conversión A/D.
ENERGIA
Una señal eléctrica está representada por un voltaje, corriente, resistencia y una potencia disipada, sin embargo, en
sistemas de comunicaciones se normaliza la resistencia a un valor de 1 ohmio.
∞
𝐸𝑥 = ∫ 𝑥 2 (𝑡)𝑑𝑡
−∞
Donde 𝑥(𝑡) puede considerarse como la corriente o el voltaje de la señal eléctrica.
Las señales pueden considerarse de energía si y solo si la energía es mayor a cero y finita y la potencia equivalente
a cero. Las señales determinísticas no periódicas se consideran señales de energía.
POTENCIA
De igual manera para calcular la potencia se considera el concepto de energía con la diferencia que se considera la
relación con el periodo:
∞
1
𝑃𝑥 = ∫ 𝑥 2 (𝑡)𝑑𝑡
𝑇
−∞
Es decir, la potencia determina el voltaje que se debe aplicar en un transmisor o es la velocidad a la que se entrega
energía en un determinado periodo.
Las señales se consideran de potencia solo y solo si la potencia es mayor a cero y finita, y que la energía sea infinita.
Entre estas están las señales periódicas y aleatorias.
DENSIDAD ESPECTRAL
La densidad espectral de una señal se caracteriza la distribución de energía y potencia de una señal en el dominio
de la frecuencia y sirve para evaluar la señal y el ruido a la salida de un filtro.
DENSIDAD ESPECTRAL DE ENERGÍA
La densidad espectral de energía describe la energía de la señal por unidad de ancho de banda. Si se aplica la
transformada de Fourier a la energía se obtiene el espectro, por lo tanto
∞ ∞ 2
2
𝐸𝑥 = ∫ 𝑥 (𝑡)𝑑𝑡 = ∫ |𝑋(𝑓)| 𝑑𝑓
−∞ −∞
𝑥(𝑓) = 𝐹{𝑥(𝑡)}
𝜑(𝑓) = |𝑋(𝑓)|2
RESULTADO(S) OBTENIDO(S):
1. Representar las siguientes señales en el dominio del tiempo estableciendo y comprobando el teorema de
muestreo de Nyquist para el dominio del tiempo.
a) 𝑥 = 𝐴𝑠𝑒𝑛(𝜔𝑡)𝑓 = 100𝐻𝑧
En la Figura 1 se observa la función con respecto al tiempo con frecuencia igual a 100 Hz.
Figura 1 Función del literal a con respecto al tiempo con frecuencia de 100 Hz
Figura 2 Función del literal a evaluada en el dominio de la frecuencia
Si la frecuencia se cambia 𝑓 = 50𝐻𝑧, la función en el tiempo toma más muestras por lo que la
gráfica se acerca más a la original.
Mientras que en la Figura 4 se observa que tiene sus máximos cercanos a -50 y 50.
Ahora, si la frecuencia se hace mayor, en este caso 𝑓 = 200𝐻𝑧, se obtiene:
La función tiende a no ajustarse a la original debido a que cuenta con menos muestras que las frecuencias
anteriores.
Figura 6 Función con respecto al dominio de frecuencia, f=200 Hz
Pero en la Figura 6, el espectro de fase tiende a ser más fijo, mientras que el espectro de magnitud muestra
los máximos cercanos a -200 y 200.
c) 𝑧 = 𝑟𝑒𝑐𝑡(3𝑡 − 2)
En el caso de esta función, no tiende a evaluarse en otros rangos debido a que no depende de una frecuencia de
análisis ni muestreo.
2. Implementar las series de Fourier a través de un script en Matlab de manera que se obtenga los coeficientes
de la serie de Fourier para una señal de entrada. Modifique los parámetros de entrada para al menos dos
señales diferentes y comente los resultados.
Para este literal es necesario analizar en 2 señales diferentes. Se procede con la primera señal
2
𝑓(𝑡) = {𝑡 − 𝜋 < 𝑡 < 0}
0 < 0𝑡 < 𝜋
En la Figura 15 se observan los coeficientes de la función 𝑓(𝑡) = 𝑡 2 , estos valores están en función de n para
evaluarse según lo necesario. Por otro lado, Figura 16 muestra el comportamiento de estos coeficientes a medida
de que crece o decrece n.
El código se mantiene pero se modifica dicha función, por lo que sus coeficientes son
De igual manera se observan los 2 picos en el espectro de la magnitud pero más cercanos a la 0, por lo
que la función varía de acuerdo a la frecuencia, pero sigue existencia similitud entre ellas.
b) 𝑦 = 𝑠𝑒𝑛(𝜔𝑡) + cos(𝜔𝑡)
En la Figura 28 se observa que la función es 0 en todos los valores de muestra debido a que se anula la
función de entrada sinc y el pulso rectangular.
d) 𝑚 = 𝑠𝑒𝑛(2𝜋100𝑡) + 𝑐𝑜𝑠(2𝜋150𝑡) + 𝑠𝑒𝑛(2𝜋820𝑡)
Figura 29 Espectro de magnitud y fase mediante FFT del literal d
Figura 32 Espectro de magnitud y fase mediante fseries con bajas frecuencias literal d
Tanto en la figura Figura 31 y Figura 32 se observan 6 picos de las diferentes frecuencias analizadas y la
función antes de las 30 muestras en fseries, ya se estabiliza.
𝑡2
1
e) 𝑟 = 𝑒− 2
√2𝜋
Figura 33 Espectro de magnitud y fase mediante FFT del literal e
La Figura 33 y Figura 34 muestran un pico y la función tiende a 0 debido a que no depende de la frecuencia
específicamente, por lo que no es necesario el análisis a otras frecuencias.
De la misma manera, el punto 1 se relaciona con este punto a, ya que son las mismas graficas al tratarse del mismo
espectro cuando se utiliza la función FFT en Matlab. Lo recomendable en este punto es que la frecuencia de muestreo
este acorde al análisis. El análisis mediante fseries ayuda a comprobar o corroborar las gráficas en FFT pero se debe
aumentar el número de muestras cuando se trabaje a altas frecuencias.
Al ser una función compuesta, se debe evaluar en 2 frecuencias diferentes, en este caso se evaluó en 100
y 300 Hz.
Para el análisis de una función con 2 frecuencias, se debe tomar la frecuencia mínima entre las 2.
c) 𝑧 = 𝑟𝑒𝑐𝑡(3𝑡 − 2)
La función rectangular no varía respecto a la frecuencia por lo que solo se evalúa en un intervalo de tiempo.
Esta función también se evalúa en 3 diferentes frecuencias por lo que se toma 3 graficas distintas, tanto
con frecuencias mayores como frecuencias menores.
Ahora, si las frecuencias suben, la energía disminuye, esto se da porque la frecuencia y el periodo son
proporcionales.
𝑡2
1 −
e) 𝑟 = 𝑒 2
√2𝜋
Figura 43 Script de la función r(t)=1/sqrt(2pi)exp(-t^2/2)
De igual manera, esta función solo se evalúa en un intervalo de tiempo por lo que la frecuencia no interviene en el
análisis tanto de la energía ni de las gráficas.
5. Para la señal expresada a continuación identifique para cada lapso de tiempo T, si la señal corresponde a 𝑆1
o 𝑆2 aprovechando el concepto de correlación.
Primero se genera la señal s, para compararla con s1 y s2 mediante la convolución de señales, para lo que
se utiliza el siguiente Script.
2𝜋𝑡
𝑠1 = 𝑠𝑒𝑛 ( ) [𝑢(𝑡) − 𝑢(𝑡 − 𝑇)]
𝑇
2𝜋𝑡
𝑠1 = −𝑠𝑒𝑛 ( ) [𝑢(𝑡) − 𝑢(𝑡 − 𝑇)]
𝑇
Lo que primero se genera es la señal s; Luego se establece un bucle el cual va a comparar la señal 1 con la señal s
o la señal 2 con la señal s, para esto se utiliza la convolución de funciones.
Este punto ayuda al identificar si existen señales repetidas en un mensaje de transmisión o recepción.
𝐸𝑥 = ∫ 𝑥 2 (𝑡)𝑑𝑡
−∞
𝐸𝑥 = ∫ 𝜑𝑥 (𝑓)𝑑𝑡
−∞
En el caso de la potencia
∞ ∞
1
𝑃𝑥 = ∫ 𝑥 2 (𝑡)𝑑𝑡 = ∑ |𝑐𝑛 |2
𝑇
−∞ 𝑛=−∞
Donde 𝑐𝑛 son los coeficientes complejos de la serie de Fourier de la señal periódica, entonces
∞
𝑃𝑥 = ∫ 𝐺𝑥 (𝑓) 𝑑𝑡
𝑛=−∞
Explicar cómo transformar dB a dBi, dBu, dBm y qué relación existe entre estos.
Estos son derivaciones de los decibeles, con la variación de la escala de la potencia.
Los dBm se refieren a que la relación de potencia se encuentre en los miliwatios.
𝑑𝐵𝑚 = 𝑑𝐵 + 30
Los dBi establece la ganancia de una antena como referencia a una fuente isotrópica. Es decir, en
antenas isotrópicas dBi es igual a dB. Se calcula mediante
CONCLUSIONES:
To introduce ourselves to telecommunications it’s important to remember some of the basic functions to appreciate its magnitude
and phase as required.
Through the simulations, you can see the behavior of the spectra, both power and energy of the different functions, for which it is
necessary to take into account the range in which the function is evaluated.
In point 3, the spectrums of magnitude and phase of the functions are checked by 2 methods, as well as FSERIES and FFT, but
it’s required that the frequencies to be evaluated are in accordance with the number of samples, that is, if the frequencies are high,
it’ll be necessary to a higher number of samples.
The analytical method varies with minimal quantities compared to the result obtained by Matlab.
The concepts analyzed in point 6, give a brief knowledge of different basic terms in telecommunications.
Both in the graphs and in the analytical method it was possible to verify that the higher the frequencies, the Energy tends to
decrease and vice versa; If the function consists of different frequencies of analysis, it is better to check with others both major and
minor just to observe the behavior of the wave.
RECOMENDACIONES:
El análisis de estos conceptos es básico por lo que se requiere recordar todos los conocimientos sobre señales tanto
en el dominio del tiempo como de la frecuencia.
Además, los intervalos de trabajo o las frecuencias de análisis y muestreo deben estar en rangos donde se puede
evaluar y observar el comportamiento, debido a que si se encuentran en un rango muy pequeño, las señales pierden
información.