UNIVERSIDAD NACIONAL
JOSE FAUSTINO SANCHEZ CARRION
FACULTAD DE INGENIERIA INDUSTRIAL
SISTEMAS E INFORMATICA
ESCUELA DE INGENIERIA ELECTRONICA
CURSO DE PROCESAMIENTO DIGITAL DE SEÑALES, PDS,
2023-II
EVALUACIÓN ESCRITA – MÓDULO II
(30/10/2023)
1. a) (8 puntos) Desarrolle la Transformada de Fourier Continua de x(t)
de la figura que se muestra. Muestre su grafico X(w) y comentar
resultados.
Para la gráfica usamos Matlab:
% Parámetros de la señal
A = 2;
T = 2;
t0 = [-4, -2, 0, 2, 4];
% Rango de frecuencias
w = -10*pi:0.01:10*pi;
% Cálculo de la transformada de Fourier
X = zeros(size(w));
for k = 1:length(t0)
X = X + A*T*sinc(w*T/(2*pi)).*exp(1j*w*t0(k));
end
% Graficar
plot(w, real(X), 'b', w, imag(X), 'r');
xlabel('\omega (rad/s)');
ylabel('X(\omega)');
legend('Parte real', 'Parte imaginaria');
title('Transformada de Fourier de x(t)');
grid on;
Comentario:
En este gráfico se puede observar que la función X(ω) es una función compleja,
que tiene una parte real y una parte imaginaria. La parte real es una función
periódica, que tiene máximos y mínimos en múltiplos de π. La parte imaginaria es
una función que tiene un salto en ω=0, y que tiende a cero cuando ω se aleja de
cero. Estas características se deben a la presencia de la función seno y del factor
exponencial en la expresión de X(ω).
b) (12 puntos) Calcule la Transformada de Fourier Discreta de la anterior
figura y para ello emplee la FFT (Fast Fourier Transform) con N igual a
256 muestras por periodo. Emplee la frecuencia de muestreo que crea
conveniente.
Si dispone de 256 muestras, solo como un ejercicio de entrada
antes de aplicar la FFT, ordene el ingreso de las muestras para
este primer cálculo. Emplee el algoritmo de Inversión de Bits.
Cuando se aplica la FFT de Matlab, el algoritmo de Inversión
de Bits se aplica en forma automática antes de su ejecución.
Grafique la Magnitud de la Amplitud vs la Frecuencia. Emplee
Matlab. Comente resultados.
Grafique la Potencia de la señal vs la Frecuencia. Emplee Matlab.
Comente resultados.
% Parámetros de la señal
f = 10;
d = 0.5;
a = 2;
% Parámetros de la FFT
fs = 100;
n = 256;
T = 1/f;
dt = T/n;
% Generación de la secuencia de datos
t = linspace(0, T-dt, n);
x = a*square(2*pi*f*t, d*100);
% Cálculo de la DFT
X = fft(x);
% Normalización y escalado de la DFT
X = X/n;
X = 2*X;
Xmag = abs(X);
Xpow = Xmag.^2;
% Generación del vector de frecuencias
df = fs/n;
f = linspace(0, fs-df, n);
% Graficación de la magnitud y la potencia
figure(1)
subplot(2,1,1)
plot(f(1:n/2), Xmag(1:n/2))
xlabel('Frecuencia (Hz)')
ylabel('Magnitud')
title('Espectro de magnitud de la señal')
grid on
subplot(2,1,2)
stem(f(1:n/2), Xpow(1:n/2))
xlabel('Frecuencia (Hz)')
ylabel('Potencia')
title('Espectro de potencia de la señal')
grid on
COMENTARIO;
La magnitud de la señal tiene un pico principal en la frecuencia de la onda
cuadrada, que es 10 Hz, y picos secundarios en los múltiplos impares de esa
frecuencia, que son los armónicos de la onda cuadrada. La magnitud de los
picos disminuye a medida que aumenta la frecuencia, siguiendo una relación
inversa proporcional. Esto se debe a que la onda cuadrada se puede aproximar
por una serie de Fourier de senos y cosenos de frecuencias múltiples de la
fundamental, con coeficientes que dependen del ciclo de trabajo y de la amplitud
de la onda cuadrada.
La potencia de la señal tiene un comportamiento similar al de la magnitud, pero
con valores más altos, ya que la potencia es proporcional al cuadrado de la
magnitud. La potencia de la señal representa la energía que contiene la señal en
cada frecuencia, y se puede ver que la mayor parte de la energía está
concentrada en la frecuencia fundamental y en los primeros armónicos.
Jorge Alberto Del Carpio Salinas, Dr. Ing.
Prof. Procesamiento Digital de Señales, PDS, 2023-II
E-Mail:
[email protected]
