Escolar Documentos
Profissional Documentos
Cultura Documentos
discretos
Galo Candela Karina Gutiérrez
Departamento de Eléctrica y Electrónica Departamento de Eléctrica y Electrónica
Quito, Ecuador Quito, Ecuador
gcandela@espe.edu.ec kgutierrez@espe.edu.ec
2 implementando la siguiente
-4
π ecuación de diferencias:
Fig6. Función coseno de 7 Hz -6
w muestreada en fs = 10
s -8
Es el periodo de
No existe diferencia Al utilizar el siguiente -10
0 0.1 0.2 0.3 0.4 0.5 0.6
muestreo, siendo
alguna entre f1(t) = cos código:
(2π3t) y f2(t) = cos (2π7t) si
>> amp_1=5;
ws = 2πfs ambas son muestreadas en fs
= 10. >> f_1=5;
la frecuencia de muestreo >> amp_2=2;
angular expresada en Pero de acuerdo al >> f_2=50; Fig9. Figure 2
radianes/segundo. criterio de Nyquist la >>f_s=1000;
frecuencia mínima 7 HzdeCosine Function
>>time=0:1/f_s:(1-
fs=14 Hz Al cambiar el valor de N
muestreo 1 para f2(t) en este 1/f_s); = 3, N = 6, N = 10 y N = 20,
Considere la función del caso debe ser superior a fs = >> la técnica de promediado es
0.8 25
coseno de 3 Hz f1(t) = cos 14 Hz. sine_1=amp_1*sin(2*pi* bastante efectiva para reducir
3 Hz Cosine Function
(2π3t)1 muestreada en fs = 0.6
f_1.*time); la cantidad
20 de ruido de la
10 muestras por segundo por >> señal corrupta.
0.8 0.4 15
un intervalo de 1 segundo. sine_2=amp_2*sin(2*pi*
0.6 0.2 f_2.*time); 10
0.4 0
>>ruido=randn(1,length( 5
time));
0.2
-0.2 >>x_claro=sine_1 + 0
0 sine_2; -5
-0.4
>>x_ruido=x_claro +
-0.2
-0.6 ruido; -10
40
100
30
C. 3. Programas para
20 7 obtener las soluciones de
50
10
las siguientes ecuaciones
6 de diferencias:
0 0
5
-10
>> A=[1,2,1];
-20
-50
4
>> B=[0,0,0];
>> z=zeros(1,20);
-30
-100 >>ini=filtic(B,A,[1,0]);
3
-40 >> y=filter(B,A,z,ini);
>>stem(1:20,y);
-50 -150 2
0 100 200 300 400 500 6000 700
100 800
200 900
300 1000
400 500 600 700 800 900 1000
25
1
20
80
0
0 5 10 15
15 20 25
Fig11.
60 Señal de salida con N=6
Fig14. Señal de salida con Fig15. y [n]
N=25 10
40
B. 2. Calcular y [n] = x 5
20 [n] * x [n] * x [n] * x
Sin embargo, si N es
0
demasiado grande, entonces [n]
0
el procedimiento de -5
-20
promediado casi elimina la
frecuencia alta de la -10
-40
componente sinusoidal.
-15
>> x=[1 1 0 0];
-60 VI. EJERCICIOS ADICIONALES >>x1=[1 1 0 0]; -20
0 2 4 6 8 10 12
>> y=conv(x,x1);
-80
0 100 200 300 400
A. 1.600
500
Calcule
700
la800
suma de
900 1000 >>x2=[1 1 0 0]; Fig17. y [n]
convolución del >>x3=[1 1 0 0];
siguiente par de >> y1=conv(x2,x3);
secuencias >> y2=conv(y,y1); >> K= [1, 1, 2];
150 >> n=1:1:13; >> S= [0, 0, 0];
Fig12. Señal de salida con >>stem(n,y2); >> v= zeros(1,20);
N=10 800
100 >>ini = filtic (S,K,[1,0]);
>> y =filter (S,K,v,ini);
6 600
>>stem(1:20,y)
50
400
5
0
>> x=[1 1 0 0 0 0 1 1 0 0
200
0 0]; 4
-50 >> h=[1 2 3 4 0 0 0 0 0 0
0
0 0];
3
>> y= conv(x,h);
-100
>>stem(y); -200
2
-150 -400
0 100 200 300 400 500 600 700 800 900 1000
1
-600
0 2 4 6 8 10 1
0
0 2 4 6 8 10 12 14
Fig13. Señal de salida con
N=20
Fig16. y [n] = x [n] * x [n] * x
Así cuanto mayor sea el [n] * x [n]
Fig18. y [n]
valor de N, mayor será la
capacidad de eliminar el
componente de ruido.
-14
x 10
1.5
1
D. 4. Programas de Matlab x 10
-15
2
>> N=20; 0.1 -0.5
>> a=[1 1 1];
>> b=1; 0
0
>> z=impz(b,a,N); -1
>>figure(1); -0.1 -2
>>stem(z); -1.5
>>xlabel('n') -0.2
0 5 10 15
>>ylabel('h[n]'); -4
>>aux=[1 zeros(1,N-1)]; -0.3
>> y=filter(b,a,aux); 0 2 4 6 8 10
-6
12 14 16 18 20
>>stem(z); 1 1
-0.5
>>xlabel('n');
>>aux=[1 zeros(1,N-1)]; 0.5
-1 0
>> y=filter(b,a,aux);
0
>>figure(2);
-1.5
>>stem(y) -1
-0.5
-2
0 5 10 15 20 25 30
-1 -2
-1.5
-3
0 5 10 15
-2 Fig25. y [n]
0 2 4 6 8 10Fig23.
12 y [n]14 16 18 20
Fig21. y [n]
-14
x 10
Una secuencia de tiempo
1.5 3 discreto es periódica con un
período de N muestras si
x[n] = x[n + kN] para todos
1 2
los valores enteros de k,
siendo N un entero positivo.
0.5 1
0 0
REFERENCIAS
-0.5 -1
[1] B.P. Lathi. Introducción a la
Teoría y Sistemas de
-1 -2 Comunicación. Limusa
Noriega Editores, 1994
[2] Paulo Diniz, Eduardo da
-1.5 -3 8 Silva, and Sergio Netto.
0 5 10 15 0 20 5 25 10 30 15 20 25 30
Digital Processing: System
Fig26. y [n] Fig27. y [n] Analysis and Design, 2nd
6 Edition. Cambridge University
Press, 2010.
F. 6. Programa de Matlab [3] Monson H. Hayes. Schaum´s
4
para realizar una Outline of Theory and
simulación de la Problems of Digital Signal
Processing, 2nd edition.
solución de este 2
McGraw Hill, 2011.
problema: [4] A.V. Oppenheim and R.W.
0
Shafer. Discrete-Time Signal
Processing. Prentice-Hall,
>>n_a=0:10000; 1989
x_a=3*cos(2*pi*0.0025* -2
n_a)
+7*sin(2*pi*0.00275*n_
a); -4
0 0.005 0.01 0.015 0.02 0.025
x=x_a(1:100:length(x_a)
);
y=filter([1 0 1],1,x);
n=0:100:length(n_a);
h=sinc(-10:.01:10); Fig28. y [n]
for i=1:length(n);
y_aux(i,100*i-99:100*i-
VII. CONCLUSIONES Y
100+length(h))=h*y(i);
RECOMENDACIONES
end;
y_c=sum(y_aux); En el presente laboratorio
>>y_a=y_c(1001:length( se realizó el procedimiento
y_c)-1000); de solución de cada uno de
>>figure(1); los ejercicios planteados
>> figure; mediante códigos del
>>stem(x); programa de MatLab.
>> figure; La resolución de cada
>>stem(y); enunciado se obtuvo de
>>T_a=1/400000; manera gráfica, lo cual
>>figure(2); facilitó la visualización y la
>> figure; comprensión de este tipo de
>>plot(n_a*T_a,x_a); señales y sistemas.
>> figure; Un sistema de tiempo
>>plot(n_a*T_a,y_a); discreto es aquel que procesa
una secuencia de entrada de
tiempo discreto para producir
una secuencia de salida de
tiempo discreto.