Trabajo final: Análisis de señales 2017-2

Profesor: Andrés Marino Álvarez Meza, PhD

Universidad Tecnológica de Pereira

1. Instrucciones
Reponder a las siguientes preguntas justificando sus respuestas de forma clara y concreta, incluyendo las definiciones conceptuales
y matemáticas necesarias y suficientes.
Para cada una de las respuestas deberá incluir los códigos en MatLab de las simulaciones debidamente comentadas y con la
discusión apropiada de los resultados obtenidos.
Enviar el desarrollo de las preguntas en un informe formato IEEE (en .pdf), anexando los códigos respectivos en MatLab.
Fecha máxima de entrega: 26/11/2017 al correo electrónico andres.alvarez1@utp.edu.co.

2. Preguntas
Repaso conceptos básico Análisis de Fourier. Explique las semejanzas y diferencias entre la serie de Fourier (exponencial, trigo-
nométrica y compacta) y la transformada de Fourier. Considere las diferentes combinaciones entre: espectro continuo y discreto y
señal en tiempo continuo y discreto. Además, consulte en que consiste el algoritmo Fast Fourier Transform - (FFT) y su utilidad
para el cálculo de la transformada discreta de Fourier. Muestre un ejemplo ilustrativo de la FFT en MatLab.
Aplicación 1: Análisis de Fourier en sistemas de potencia - estimación del THD y el factor de potencia. Explique en qué consiste
la distorsión total de armónicos (Total Harmonic Distortion-(THD)) y el factor de potencia en un circuito eléctrico. Cómo puede
calcularse el THD desde la serie de Fourier y la FFT?. Cómo puede calcularse el factor de potencia con base al THD?. Genere
un ejemplo ilustrativo en MatLab para el cálculo del THD y el factor de potencia para un rectificador de media onda con carga: i)
netamente resistiva y ii) carga RC en paralelo. Establezca las condiciones necesarias para las simulaciones y pruebe con diferentes
valores de R y C. Discuta los resultados obtenidos.
Aplicación 2: Representación en funciones ortogonales en sistemas de visión por computador - reconocimiento de rostros. Se
requiere de un sistema de reconocimiento de rostros a partir de imágenes computarizadas. Para ello se cuenta con una base de
datos de 40 sujetos para el respectivo entrenamiento del sistema y de un conjunto de funciones base {φn ∈ RP }N n=1 (para mayor
infomación consultar el algoritmo eigenfaces). Utilizando una representación basada en funciones ortogonales, genere un
sistema de roconocimiento de rostros a partir de la distancia euclı́dea entre los coeficientes espectrales de la imagen a reconocer
(nuevo rostro a identificar) y las imagenes del conjunto de entrenamiento. En este sentido, complete las secciones de código
necesarias en el script face_recognition_AM.m (adjunto a este documento). Estudie y describa cada una de las secciones
del código. Genere varias simulaciones con el código completo. Qúe semejanzas y diferencias encuentra entre la representación
por bases exponenciales de Fourier y la representación utilizada en eigenfaces?.