análisis de fourier para señales y sistemas de tiempo...
TRANSCRIPT
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
2
Respuesta de un sistema LTI a las exponenciales complejas
x[n] h[n] [ ] [ ] [ ] [ ] [ ]k
y n h n x n h k x n k∞
=−∞
= ∗ = −∑
[ ] [ ] [ ] [ ] ( )n n k n k n0 0 0 0 0 0
k kSi x n z y n z h k z h k z z H z
∞ ∞−
=−∞ =−∞
⎧ ⎫= ⇒ = = ⋅ = ⋅⎨ ⎬
⎩ ⎭∑ ∑
( )
n0
0
z Autofunción de los Sistemas LTIH z Autovalor asociado
→
→
0
0
j0 0
j0 0
Si z 1 z r e Transformada z
Si z 1 z e Transformada (Análisis) de Fourier
Ω
Ω
≠ ⇒ = →
= ⇒ = →
Se expresarán las secuencias como combinación lineal de EXPONENCIALES COMPLEJAS
[ ] ( )knk
kk
k
nkk zHzanyzanx ∑∑ =⎯→⎯=][
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
3
Desarrollo en Serie de Fourier (DSF)2
j nj n Ne eπ
Ω =La secuencia exponencial compleja es:
( )2 2 2 2j n N j n j N j nN N N Ne e e eπ π π π⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞+⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠→ = =Periódica en “n”, de periodo fundamental N
( )j 2 r n j n j 2 r n j ne e e eΩ+ π Ω π Ω→ = =Periódica en “Ω”, de periodo fundamental 2π
[ ]( )
[ ]2 2 2 2
j k r N n jk n j r N n jk nN N N N
k r N kn e e e e nπ π π π⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞+ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠+φ = = = = φ
Las exponenciales complejas armónicamente relacionadas entre síson periódicas en “k” de periodo N
[ ]2
jk nN
k n eπ⎛ ⎞
⎜ ⎟⎝ ⎠φ =
Esto implica que sólo hay N señales linealmente independientes[ ]k nφ
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
4
Desarrollo en Serie de Fourier (DSF)
[ ]2N 1 N 1 jk nN
k k kk 0 k 0
x[n] a n a eπ− −
= =
= Φ =∑ ∑
Una secuencia x[n] periódica de periodo N podrá expresarse como combinaciónlineal de las N exponenciales complejas armónicamente relacionadas entre sí:
Ecuación de Síntesis del DSF
ak : Coeficientes del DSF
Debido a la periodicidad en k de Φk[n] , la expresión anterior se puede generalizar:
[ ]2jk nN
kk N
x n a eπ
=< >
= ∑
k = <N> Indica cualquier conjunto de N valores enteros consecutivos en k
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
5
Obtención de los Coeficientes del DSF
Ecuación de Análisis del DSF:
Planteando un sistema de N ecuaciones:
[ ]2jk nN
kk N
1a x n eN
π−
=< >
= ∑
N-1
kk=0
2πN-1 jkN
kk=0
2πN-1 jk (N-1)N
kk=0
x[0]= a
x[1]= a e
x[N-1]= a e
∑
∑
∑
Identificación si x[n] está expresada como combinación de exponenciales:
[ ]2 π 2 π
jm n -jm nN N2π 1 1Ejemplo : x n =cos mn = e + e
N 2 2⎛ ⎞⎜ ⎟⎝ ⎠
Los coeficientes ak forman una secuencia periódica de periodo N
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
6
Obtención de los Coeficientes del DSF: Ejemplo 1
1.- Sistema de ecuaciones
[ ]
[ ]
[ ]
[ ]⎪⎪⎪⎪⎪
⎩
⎪⎪⎪⎪⎪
⎨
⎧
−=+−−==
=−+−==
=−−+==
=+++==
∑
∑
∑
∑
=
=
=
=
13
22
01
10
33
210
3
0
32
3210
3
0
22
3210
3
0
12
3210
3
0
04
2
jaeajaaeax
aaaaeax
jaajaaeax
aaaaeax
j
k
kj
k
k
kj
k
k
kj
k
k
kj
k
ππ
π
π
π
41;1;
41;
21
3210jaajaa −
−==+
−==
2.- Ecuación de análisis
( )302141
][41][1
23
3
0
21
0
2
≤≤⎥⎦
⎤⎢⎣
⎡−+=
===
−−
=
−−
=
−
∑∑
kee
enxenxN
a
jkjk
n
njkN
n
nN
jk
k
ππ
ππ
Secuencia periódica de periodo N = 4
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
7
Obtención de los Coeficientes del DSF: Ejemplo 2
[ ] ( )nsennx 0Ω=
1.- NperiododeperiódicaSecuenciaN
⇒=Ω 12
0
π
[ ] ( ) nN
jnN
je
je
jn
Nsennsennx
πππ 22
0 21
212 −
−=⎟⎠⎞
⎜⎝⎛=Ω=
jaaa
jaa N 2
1;...;0;21;0 11210 −===== −−
2.- NperiododeperiódicaSecuenciaNm
⇒=Ωπ2
0
[ ] ( ) nN
jmnN
jme
je
jn
Nmsennsennx
πππ 22
0 21
212 −
−=⎟⎠⎞
⎜⎝⎛=Ω=
0;...;21;...;
21;;0;0 110 =−===== −−− NmmNm a
jaa
jaaa …
3.- periódicanoSecuenciairracional ⇒Ωπ2
0
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
8
Obtención de los Coeficientes del DSF: Ejemplo 3
N1-N1 N-N
........
n
x[n]
( ) 0 1 0 10 11 0 1
0 001
1 1jkΩ N + -jkΩ N +-jkΩ N +12πN jkΩ N 2 2-jk nN
k Ω Ω-jkΩjk -jkn=-N 2 2
0 1
0
1 1 e -e 1 e -ea = e = = =N N 1-e N
e -e1sen kΩ N +
1 2 = k 0 , ±N , ±2N , LΩN sen k2
⎛ ⎞ ⎛ ⎞⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠
⎛ ⎞⎜ ⎟⎝ ⎠ ∀ ≠
∑
1k
2N +1a = k = 0 , ±N , ±2N , LN
∀
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
9
Obtención de los Coeficientes del DSF: Ejemplo 3
0
1
2
12
2 πΩ= Ω =
⎛ ⎞Ω +⎜ ⎟⎝ ⎠=Ωk
k kN
sen NN a
senRepresenta los coeficientes como muestras de una envolvente
0 1 2 3 4 5 6-2
-1
0
1
2
3
4
5
6
2π/10 6π/10
π 14π/10
18π/10
Envolvente 2N1 + 1 = 5 ; N = 10
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
10
Obtención de los Coeficientes del DSF: Ejemplo 3
0
1
2
12
2 πΩ= Ω =
⎛ ⎞Ω +⎜ ⎟⎝ ⎠=Ωk
k kN
sen NN a
senRepresenta los coeficientes como muestras de una envolvente
0 1 2 3 4 5 6-2
-1
0
1
2
3
4
5
6
2N1 + 1 = 5 ; N = 20 Envolvente
2π/10
6π/10
π 14π/10
18π/10 2π
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
11
Obtención de los Coeficientes del DSF: Ejemplo 3
0
1
2
12
2 πΩ= Ω =
⎛ ⎞Ω +⎜ ⎟⎝ ⎠=Ωk
k kN
sen NN a
senRepresenta los coeficientes como muestras de una envolvente
0 1 2 3 4 5 6-2
-1
0
1
2
3
4
5
6
2N1 + 1 = 5 ; N = 40
2π/10
6π/10
π 14π/10
18π/10 2π
Envolvente
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
12
Obtención de los Coeficientes del DSF: Ejemplo 3
0
1
2
12
2 πΩ= Ω =
⎛ ⎞Ω +⎜ ⎟⎝ ⎠=Ωk
k kN
sen NN a
senRepresenta los coeficientes como muestras de una envolvente
Al representar la función Nak, se observa que la variación de N no afecta a la envolvente.
El aumento del periodo de la secuencia supone una disminución en el espaciamiento entre muestras.
En el límite, , el espaciamiento entre muestras tendería a cero, por lo que la representación espectral se confundirían con la envolvente. Por otro lado la secuencia dejaría de ser periódica.
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
13
Transformada de Fourier
2jk nN
kk N
x[n] a eπ
=⟨ ⟩
= ∑
1 1
1 1
2 2 2 2N Njk n jk n jk n jk nN N N N
kn N n N n N n
1 1 1 1a x[n]e x[n]e x[n]e x[n]eN N N N
π π π π∞− − − −
=⟨ ⟩ =− =− =−∞
= = = =∑ ∑ ∑ ∑
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
14
Transformada de Fourier
Definiendo la envolvente de Nak como: j n
nX( ) x[n]e
∞− Ω
=−∞
Ω = ∑
( )0
2jk n jk nNk 0
n n
1 1 1a x[n]e x[n]e X kN N N
π∞ ∞− − Ω
=−∞ =−∞
= = = Ω∑ ∑
Aplicándolo a la ecuación de síntesis del DSF:
( ) ( )0 0jk n jk n0 0 0
k N k N
1 1x[n] X k e X k eN 2
Ω Ω
= =
= Ω = Ω Ωπ∑ ∑
[ ] [ ]
0 0Haciendo N
x n x n
⎧ Ω →⎪→∞⇒ ⎨⎪ =⎩
[ ] ( )∫ Ω⋅⋅Ω⋅=⇒ Ω
ππ 221 deXnx nj
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
15
Transformada de Fourier Interpretación gráfica:
( ) njeX Ω⋅Ω
[ ] ( )∑=
Ω⋅Ω⋅Ω⋅=Nk
njkekXnx 0002
1~π
Periódica de periodo 2π.
[ ] ( )∫ Ω⋅⋅Ω⋅= Ω
ππ 221 deXnx nj
∑∞
−∞=
Ω−⋅=Ωn
njenxX ][)(
Ecuación de síntesis
Ecuación de análisis
Ecuaciones de la transformada de Fourier:
Condición de existencia de la TF: Secuencia de energía finita: [ ] ∞<∑∞
−∞=nnx 2
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
16
Transformada de Fourier Transformada z :
[ ] ( )
Ω=⇒=
Ω⋅⋅Ω⋅=⋅⋅⋅=
ΩΩ
Ω
=
− ∫∫Ω
djedzez
deXdzzzXj
nx
jj
nj
ezc
n
j πππ 2
1
21)(
21
( ) ∑∑∞
−∞=
Ω−
=
∞
−∞=
−=
⋅=⋅=Ω=Ω
Ω
n
nj
ezn
nez
enxznxXzXj
j ][][)(
Ecuación de síntesis
Ecuación de análisis[ ]∑∞
−∞=
−⋅=n
nznxzX )(
Ecuación de análisis
[ ] ∫ ⋅⋅⋅= −
c
n dzzzXj
nx 1)(21π
Ecuación de síntesis
Transformada de Fourier como caso particular de la transformada z :
- Comportamiento en |z| =1.
Condición de existencia de la TF: ROC de TZ contiene la circunferencia de radio unidad
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
17
Transformada de Fourier: Ejemplo 1
Obtener la TF de la secuencia: [ ] [ ] 1; <= anuanx n
( ) [ ] ( ) Ω−
∞
=
Ω−∞
−∞=
Ω−
−==⋅⋅=Ω ∑∑ j
n
nj
n
njn
aeaeenuaX
11
0
( ) ( ) ( ) Ω−=− −==Ω⇒=⊃⇒<>
−= Ω jez ae
zXXzROCazaz
zX j 1111
11
1
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
181818
Transformada de Fourier: Relación tiempo - frecuencia
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
19AnAnáálisis de Fourier para Selisis de Fourier para Seññales y Sistemas de Tiempo Discretoales y Sistemas de Tiempo Discreto1919
Transformada de Fourier: Relación tiempo - frecuencia
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
202020
Transformada de Fourier: Relación tiempo - frecuencia
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
21
Transformada de Fourier: Ejemplo 2
Obtener la TF inversa de: ( ) ( )∑∞
−∞=
−Ω−Ω⋅=Ωk
kX πδπ 22 0
[ ] ( ) ( ) ( ) njnkjnj edkedeknx 00
20
2
20 222
21 Ω+ΩΩ =Ω⋅−Ω−Ω⋅=Ω⋅⋅−Ω−Ω⋅⋅= ∫∫
π
π
π
πδπδππ
[ ] ( ) ( ) Ω⋅⋅−Ω−Ω⋅⋅=Ω⋅⋅Ω⋅= Ω∞
−∞=
Ω ∫ ∑∫ dekdeXnx nj
k
nj
ππ
πδπππ 2
02
2221
21
Generalizando:
[ ] ( ) ( )∑ ∑∑∞
−∞=
Ω −Ω−Ω⋅⋅=Ω⎯→←⋅=k r
kkTF
k
njk rbXebnx k πδπ 22
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
22
Transformada de Fourier de señales periódicas
Dada una señal x[n] periódica de periodo N es posible desarrollarla en serie de Fourier:
[ ] ∑=
⋅=Nk
nN
jk
k eanxπ2
[ ] ( )
⎪⎩
⎪⎨⎧
−≤≤
=Ω++++= Ω−
−ΩΩ
10
201
12
210000
NkNsiendoeaeaeaanx nNj
Nnjnj
π
( ) ( ) ( ) ( )( )∑∑∑∞
−∞=−
∞
−∞=
∞
−∞=
−Ω−−Ω++−Ω−Ω+−Ω=Ωr
Nrr
rNararaX πδππδππδπ 2122222 01010
( ) ( ) ∑∑ ∑∞
−∞==
∞
−∞=⎟⎠⎞
⎜⎝⎛ −Ω=−Ω−Ω=Ω
kk
Nk rk k
NarkaX πδππδπ 2222 0
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
23
Transformada de Fourier de señales periódicas
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
24
Transformada de Fourier de señales periódicas: Ejemplo
Transformada de Fourier de [ ] ( )nsennN
sennx 02
Ω=⎟⎠⎞
⎜⎝⎛=π
.
a aj
a a ajN0 1 2 1 10 1
20 1
2= = = = = −− −; ; ; ... ;
( ) ( ) ( )( )⎥⎦
⎤⎢⎣
⎡−Ω−−Ω−−Ω−Ω=Ω ∑∑
∞
−∞=
∞
−∞= rrrNr
jX πδπδπ 212 00
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
25
Propiedades de la Transformada de Fourier
[ ] [ ] ( ) ( ) 00
njTF eXYnnxny Ω−⋅Ω=Ω⎯→←−=
[ ] [ ] ( ) ( )Ω−=Ω⎯→←= ∗∗ XYnxny TF
.
- Periodicidad: Periodo 2π
- Linealidad: [ ] [ ] [ ] ( ) ( ) ( )Ω+Ω=Ω⎯→←+= YbXaPnybnxanp TF
- Desplazamiento en el tiempo :
- Desplazamiento en frecuencia :
- Conjugación :
[ ] [ ] ( ) ( )00 Ω−Ω=Ω⎯→←⋅= Ω XYenxny TFnj
- Inversión en el tiempo : [ ] [ ] ( ) ( )Ω−=Ω⎯→←−= XYnxny TF
- Primera diferencia : [ ] [ ] [ ] ( ) ( ) ( )Ω⋅−=Ω⎯→←−−= Ω− XeYnxnxny jTF 11
- Acumulación : [ ] [ ] ( ) ( ) ( ) ( )∑∑∞
−∞=Ω−
−∞=
−Ω⋅+−Ω
=Ω⎯→←=k
jTF
n
mkX
eXYmxny πδπ 20
1
- Diferenciación en la frecuencia : [ ] [ ] ( ) ( )ΩΩ
=Ω⎯→←⋅=d
dXjYnxnny TF
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
26
Propiedades de la Transformada de Fourier
[ ] ( ) imparepuraimaginariaXimparerealnx TF Ω⎯→←.
- Simetría conjugada para señales reales: x[n] real.
- Simetría para señales reales pares :
- Simetría para señales reales impares :
- Descomposición par e impar de señales reales :
[ ] [ ] [ ] ( ) ( ) [ ] [ ] ( ) ( ) ⎪⎩
⎪⎨⎧
Ω=Ω⎯→←=
Ω=Ω⎯→←=⇒
XjXnxParImnx
XXnxParnxrealnx
ITF
I
pTF
p
Im
Re
- Relación de Parseval para señales aperiódicas:
[ ] ( )∫∑ ΩΩ==∞
−∞=ππ 2
22
21 dXnxE
n
( ) ( )
( )[ ] ( )[ ]( )[ ] ( )[ ]
( ) ( )( ) ( )⎪⎩
⎪⎨⎧
−=
Ω−=Ω⎩⎨⎧
Ω−−=ΩΩ−=Ω
⇒Ω−=Ω
Ω−Ω
∗
XX
XXXX
XX
XX
ϕϕ
ImImReRe
[ ] ( ) paryrealXparyrealnx TF Ω⎯→←
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
27
Propiedades de la Transformada de Fourier
[ ] ( )[ ][ ] ( ) ( )Ω=Ω⎯→←
⎩⎨⎧
== kXYknx
nxny TFk valoresderesto
kdemultiplon
,0,
.
- Expansión en tiempo :
-Ejemplo :
( )
2
21
1
Ω
⎟⎠⎞
⎜⎝⎛ +Ω
=Ωsen
NsenX
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
28
Propiedades de la Transformada de Fourier
[ ] [ ] [ ] ( ) ( ) ( )Ω⋅Ω=Ω⎯→←∗= YXPnynxnp TF
[ ] [ ] ( )
[ ] [ ] ( )Ω−
Ω−
−=Ω⎯→←⎟
⎠⎞
⎜⎝⎛=
−=Ω⎯→←⎟
⎠⎞
⎜⎝⎛=
j
TFn
j
TFn
eYnuny
eXnunx
311
131
211
121
.
- Convolución :
-Ejemplo : [ ] [ ] [ ] [ ]nunynunxnn
⎟⎠⎞
⎜⎝⎛=⎟
⎠⎞
⎜⎝⎛=
31;
21
[ ] [ ] [ ] ( ) ( ) ( )⎟⎠⎞
⎜⎝⎛ −⋅⎟
⎠⎞
⎜⎝⎛ −
=Ω⋅Ω=Ω⎯→←∗=Ω−Ω− jj
TF
eeYXPnynxnp
311
211
1
( ) ( )21
311
211
111
>⎟⎠⎞
⎜⎝⎛ −⋅⎟
⎠⎞
⎜⎝⎛ −
=→Ω−−
zzz
zPP
( ) [ ] [ ] [ ]nununpzzzz
zPnn
TZInv ⋅⎟⎠⎞
⎜⎝⎛⋅−⋅⎟
⎠⎞
⎜⎝⎛⋅=⎯⎯ →←
−−
−=
⎟⎠⎞
⎜⎝⎛ −⋅⎟
⎠⎞
⎜⎝⎛ −
=−−−− 3
121
21
31
311
21
211
31
311
211
11111
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
29
Propiedades de la Transformada de Fourier[ ] [ ] [ ] ( ) ( ) ( ) ( ) ( )∫ ⋅−Ω⋅⋅=Ω⊗Ω⋅=Ω⎯→←⋅=
π
ϕϕϕππ 221
21 dYXYXPnynxnp TF- Modulación :
-Ejemplo :
[ ] ( ) ( ) ( )∑∞
−∞=
−−Ω⋅=Ω⎯→←=−=k
TFnjn kYeny ππδππ 221
Obtener la TF del producto de x[n] e y[n], (X(Ω): TF de x[n]).
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )πϕπϕδπϕπϕδπϕππ ππ
−Ω=⋅−−Ω⋅−Ω=⋅−−Ω⋅=Ω⊗Ω=Ω ∫∫ XdXdXYXZ22
221
21
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
30
Propiedades de la Transformada de Fourier[ ] ( )( ) ( ) [ ]⎪⎩
⎪⎨⎧
−=Ω⎯⎯ →←Ω
Ω⎯⎯ →←
nxXaXXnx
kDSF
TF- Dualidad :
-Ejemplos :
- Demostración:
[ ] ( )
( )( ) ( ) ( ) [ ]kxdeXXa
TperiódicaX
dtetxT
aDSF
deXnxTFInvjk
k
T
tjkk
nj
−=ΩΩ=Ω⇒⎩⎨⎧
==
Ω⇒
⎪⎪⎭
⎪⎪⎬
⎫
=
ΩΩ=
∫∫
∫Ω−
−
Ω
πω
π
πωππ
20
0
0
2
21
12
1:
21:
0
0
( )⎟⎠⎞
⎜⎝⎛
⋅⎟⎠⎞
⎜⎝⎛ +
=⎯⎯⎯ →←⎩⎨⎧
∀
≤∀=
2
21
01 1
1
tsen
tNsentx
restoNk
a Dualidadk
( ) [ ] ⎟⎠⎞
⎜⎝⎛==⎯⎯⎯ →←
⎪⎩
⎪⎨⎧
≤Ω<
≤Ω=Ω − πππ
WncWanxW
WX n
Dualidad sin;0
;1
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
31
Sistemas LTI en el dominio de la frecuencia
( ) ( )( )ΩΩ
=ΩXYH
Respuesta en frecuencia del sistema
( )( ) ⎩
⎨⎧
Ω
Ω⇒
fasedespuestaReHArgfrecuenciaenrespuestaladeMóduloH
[ ] [ ] ( )000 Ω⋅=→= ΩΩ Henyenx njnjAutofunción:
[ ] [ ] ( )∑∑ Ω⋅⋅=→⋅= ΩΩ
k
njkk
k
njkk kHeanyeanx 0
00
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
32
Sistemas descritos por ecuaciones en diferencias
Si la ROC de H(z) contiene |z| = 1:
∑ ∑= =
−⋅=−⋅+N
k
M
kkk knxbknyany
1 0][][][
∑∑=
−
=
− ⋅⋅=⋅⋅+M
k
kk
N
k
kk zXzbzYzazY
01)()()(
adicionalnInformacióROCza
zb
zXzYzH N
k
kk
M
k
kk
∑
∑
=
−
=
−
+==
1
0
1)()()(
∑
∑
=
Ω−
=
Ω−
=
⋅+
⋅==Ω Ω N
k
kjk
M
k
kjk
ezea
ebzHH j
1
0
1)()(
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
33
Relación Sistemas Continuos – Sistemas Discretos
( )( )
⎪⎪⎩
⎪⎪⎨
⎧
ω>ω
π>ω
ω<ω
π<ωΩ
=ωω=Ω
2;0
2;
s
s
s
sT
effó
T
óT
HH
s
( ) ( ) π<Ω⎟⎟⎠
⎞⎜⎜⎝
⎛ Ω=ω=Ω Ω
=ω;
seff
Teff T
HHHs
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
34
Relación Sistemas Continuos – Sistemas Discretos
( ) ( ) ( ) ( ) ( )∑∞
−∞=
−⋅=⋅=n
sccs nTttxtstxtx δ ( ) ( )∑∞
−∞=
−⋅=⎯→←k
scs
sTF kX
TX ωωω 1
( ) ( ) ( )∑∞
−∞=
−δ⋅=n
sscs nTtnTxtx ( ) ( )∑∞
−∞=
−⋅=⎯→←n
nTjscs
TF senTxX ωω
[ ] ( ) [ ]∑∞
−∞=
Ω−⋅=Ω⎯→←n
njTF enxXnx ( ) ( ) ( )∑∞
−∞=
−⋅=⎯→←n
nTjscs
TFs
senTxXtx ωω
( ) ( ) ( ) ∑∑∞
−∞=
∞
−∞=⎟⎟⎠
⎞⎜⎜⎝
⎛−
Ω=
Ω=−⋅=Ω==Ω
k ssc
ksc
ss T
kT
X
sT
kXTsT
XX π
ωωωωω 21
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
35
Relación Sistemas Continuos – Sistemas Discretos
[ ]∑∞
−∞=
Ω−⋅=Ωn
njenyY )(
[ ]∑∑∞
−∞=
ω−∞
−∞=
ω− ⋅=⋅=ωn
nTj
n
nTjsss ss enyenTyY )()(
sTs YY ω=ΩΩ=ω )()(
( ) ( )sTrrsc YHHYY ω=ΩΩ⋅ω=ω⋅ω=ω )()()(
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
36
Relación Sistemas Continuos – Sistemas Discretos( ) ∑
∞
−∞=⎟⎟⎠
⎞⎜⎜⎝
⎛ π−
Ω⋅⋅Ω=Ω⋅Ω=Ωk ss
cs T
kT
XT
HXHY 21)()()(
( )∑∞
−∞=ω−ω⋅⋅Ω=Ω=ω ω=Ωω=Ω
ksc
ss kX
THYY
sTsT1)()()(
( ) ( ) ( ) ( ) ( )∑∞
−∞=ω−ω⋅⋅Ω⋅ω=ω⋅ω=ω ω=Ω
ksc
srsrc kX
THHYHY
sT1)(
( )( ) ( )
⎪⎪⎩
⎪⎪⎨
⎧
ω>ω
π>ω
ω<ω
π<ωΩ⋅ω
=ωω=Ω
2;0
2;
ss
ssTc
có
T
óT
HXY
s( ) ( ) ( )ω⋅ω=ω ceffc XHY
( )( )
⎪⎪⎩
⎪⎪⎨
⎧
ω>ω
π>ω
ω<ω
π<ωΩ
=ωω=Ω
2;0
2;
ss
s
sT
effó
T
óT
HH
s
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
37
0 5 10 15 20 25 30 35 400
0.2
0.4
0.6
0.8
1
n
x[n]
( ) ( ) ( ) ( ) ( ) ( )sn
nTs
ns
nTs
tc nTtenTtnTuetxtuetx ss −δ⋅=−δ⋅⋅=⇒⋅= ∑∑
∞
=
−∞
−∞=
−−
0
25,025,025,0
Relación Sistemas Continuos – Sistemas Discretos
[ ] ( )sc nTxnx =
0 2 4 6 8 100
0.2
0.4
0.6
0.8
1
t
x c(t)
y x s(t
)
xc(t)
xs(t)
Ts=0,25
Análisis de Fourier para Señales y Sistemas de Tiempo Discreto
38
Relación Sistemas Continuos – Sistemas Discretos
( ) ( )∑∞
−∞=
ω−ω⋅=ωk
scs
s kXT
X 1
-4 -3 -2 -1 0 1 2 3 40
0.5
1
1.5
2
2.5
3
3.5
4
ω/π
|Xc(ω)|
-20 -15 -10 -5 0 5 10 15 200
2
4
6
8
10
12
14
16
18
ω/π
|Xs(ω)|
( ) ( )sT
XX s Ω=ωω=Ω
-4 -3 -2 -1 0 1 2 3 40
2
4
6
8
10
12
14
16
18
Ω /π
|X(Ω )|