UNIVERSIDAD TÉCNICA ESTATAL DE

QUEVEDO

FACULTAD DE CIENCIAS DE LA INGENIERÍA

INGENIERÍA EN ELECTRICIDAD (REDISEÑO)

ANÁLISIS DE SEÑALES Y SISTEMAS
2020 - 2021 SPA
 ANÁLISIS DE SISTEMAS DESCRITOS
POR VARIABLES DE ESTADO
• INTRODUCCIÓN.

• TEOREMA DE CAYLEY - HAMILTON.

• ESTABILIDAD DE SISTEMAS CONTINUOS.

• REALIZACIÓN Y REPRESENTACIÓN DE SISTEMAS DISCRETOS.

• ESTABILIDAD DE SISTEMAS DISCRETOS.

 INTRODUCCIÓN
Las variables de estado o espacio de estados son la representación de cualquier sistema o proceso
empleados por la teoría del control moderno. Este tipo de representación en variables de estado
brinda mucha más información dinámica del sistema, está es una razón del porque usar variables de
estado en control.

Como concepto básico, podemos ver que la representación en espacio de estados es representado
matricialmente por 4 elementos:

{x˙(t)=Ax(t)+Bu(t)
{ y(t)=Cx(t)+Du(t)
o A= Matriz dinámica
o B= Matriz de control
o C= Matriz de lectura
o D= Matriz de paso
 INTRODUCCIÓN
Cuando se aborda el control de procesos físicos se tienen que realizar básicamente tres etapas:

a) obtener un modelo matemático que proporcione un comportamiento lo más parecido posible al

proceso a controlar.
b) Analizar las propiedades más importantes del proceso utilizando el modelo que se acaba de
obtener.
c) Una vez comprobado las propiedades y características más importantes del sistema, calcular un
esquema de control que proporcione unas determinadas especificaciones de diseño.

El modelo se puede plantear acorde con los dos grandes grupos en que se dividen las técnicas de
control:

• Técnicas basadas en la representación externa.

• Técnicas basadas en la representación interna.
 INTRODUCCIÓN
Las técnicas de la representación externa se basan en el concepto de función de transferencia, y se
pueden destacar las siguientes características generales:

• Son técnicas que se basan exclusivamente en las entradas y salidas del sistema.
• Se pueden aplicar a sistemas lineales e invariantes en el tiempo.
• Se tiene que asumir que el sistema parte siempre de condiciones iniciales nulas.
• Son técnicas que, por las características que tienen, se pueden aplicar de una forma satisfactoria a
sistemas SISO (sistemas con una única entrada y una única salida), no siendo tan adecuadas para
sistemas MIMO (sistemas con múltiples entradas y múltiples salidas).

Al ser sistemas lineales e invariantes se pueden utilizar ecuaciones lineales diferenciales para sistema
continuos o ecuaciones discretas para sistemas muestreados o discretos. De esta forma, y considerando
condiciones iniciales nulas, se puede obtener la función de transferencia del proceso, y a partir de esta
función de transferencia establecer el análisis del sistema utilizando métodos como el lugar de las
raíces en el dominio temporal o los diagramas de Bode o Nyquist en el dominio frecuencial.
 TEOREMA DE CAYLEY - HAMILTON
El teorema de Cayley-Hamilton asegura que todo endomorfismo de un espacio vectorial de dimensión
finita sobre un cuerpo cualquiera anula su propio polinomio característico.
 ESTABILIDAD DE SISTEMAS CONTINUOS
Cuando un componente continuo forma parte de un sistema de control discreto, resulta importante
poder calcular su respuesta a señales muestreadas y asimismo analizar su influencia sobre la
estabilidad global del sistema. Si se cuenta con la descripción analítica del elemento continuo bajo la
forma de una ecuación diferencial ordinaria lineal, resulta posible discretizarla, es decir convertirla en
una ecuación de diferencias.

Análisis de estabilidad
Definiciones y condiciones generales de estabilidad..- Al igual que en el caso continuo, un sistema
discreto es estable si, sometido a una señal de entrada de amplitud limitada, responde con una señal
de salida también limitada.

Condiciones numéricas de estabilidad.

Transformación bilineal.
 ESTABILIDAD DE SISTEMAS CONTINUOS
Condiciones necesarias.- Para evitar cálculo innecesarios, es siempre conveniente conocer condiciones
simples, ya sean necesarias o solamente suficientes para asegurar la estabilidad de un sistema discreto
lineal. Existen multitud de tales condiciones, de las cuales son realmente útiles aquéllas que puedan
verificarse con facilidad.
 REALIZACIÓN Y REPRESENTACIÓN DE SISTEMAS DISCRETOS
Controlabilidad y Observabilidad

Controlabilidad
 REALIZACIÓN Y REPRESENTACIÓN DE SISTEMAS DISCRETOS
Controlabilidad
 REALIZACIÓN Y REPRESENTACIÓN DE SISTEMAS DISCRETOS
Observabilidad
 REALIZACIÓN Y REPRESENTACIÓN DE SISTEMAS DISCRETOS
Observabilidad
 REALIZACIÓN Y REPRESENTACIÓN DE SISTEMAS DISCRETOS
Dualidad
ESTABILIDAD DE SISTEMAS DISCRETOS
ESTABILIDAD DE SISTEMAS DISCRETOS
ESTABILIDAD DE SISTEMAS DISCRETOS
ESTABILIDAD DE SISTEMAS DISCRETOS
ESTABILIDAD DE SISTEMAS DISCRETOS
ESTABILIDAD DE SISTEMAS DISCRETOS
Estos son malos tiempos. Los hijos han dejado de obedecer a sus
padres y todo el mundo escribe libros.
Cicerón (106 AC-43 AC) Escritor, orador y político romano.
SISTEMAS DISCRETOS DE PRIMER ORDEN

x(t) y(t)
Sistema contínuo
x(t)

y(t)

Régimen Régimen estacionario:

transitorio salida acotada en un pequeño margen
(t→ 0) (t→ ∞)

Régimen transitorio – régimen estacionario

x(t) x(t)

t t

y(t) y(t)

t t

Estable Estable

x(t) x(t)

t t

y(t) y(t)

t t

Críticamente estable Inestable

Grados de estabilidad: estabilidad relativa

1
SISTEMAS DISCRETOS DE PRIMER ORDEN

x(t)

y(t)
Sobreoscilación
Respuesta B
1,05K
K
0,95K
Error de
Respuesta A posición

Tiempo de establecimiento Régimen

Régimen transitorio estacionario

B es más estable que A

Especificaciones de funcionamiento para la salida

Im(s) Im(z)

1
Re(s) |z| Re(z)

Zona donde deben estar los

polos de la función
transferencia de un sistema
para que sea estable
s = α ± β·j ∈C z = a ± b·j ∈C

Estabilidad en el plano z (transformada Z para sistemas discretos)

en relación con el plano s (transformada de Laplace para sistemas continuos)

2
SISTEMAS DISCRETOS DE PRIMER ORDEN

x(k) y(k) X(z) b· z Y(z)

yk = a·yk-1 + b·xk G( z) =
z−a

Sistema de primer orden

g(k)
a2
Im(z)
b
a1
a1 a2 Re(z) 0 1 2 3 4 5 6 7 8 k
1
y(k)
a1
b
1 − a

b
0 1 2 3 4 5 6 7 8 k

Polos y respuestas del sistema cuando a>0

g(k)

Im(z) b a3 k

-b
a4 a3 Re(z) a4
1 0 1 2 3 4 5 6 7 8

g(k)
a3
b
b/(1-a)
k
0 1 2 3 4 5 6 7 8

Polos y respuestas del sistema cuando a<0

3
SISTEMAS CONTINUOS DE SEGUNDO ORDEN

K ·ωn2 K ·ωn2
G( s) = =
s 2 + 2·ζ ·ωn ·s + ωn2 ( s + σ − ωd j )( s + σ + ωd j )
x(t) y(t)
G(s) s 2 + 2·ζ ·ωn ·s + ωn2 = 0 → s1,2 = −ζ ·ωn ± ωn · 1 − ζ 2 j
X(s) Y(s)
σ = ζ ·ωn ⎫⎪
⎬ → s1,2 = −σ ± ωd j
ωd = ωn · 1 − ζ 2 ⎪⎭

Sistema continúo de segundo orden

Im(s)

ωd j
s1 ωn
α
Re(s)
-σ
cos α =ζ
-ωd j
s2

Polos complejos conjugados de un sistema continúo de segundo orden

y(t)
π −α
yp Mp tr =
ωd
1,05K
K π
0,95K tp =
0,9K ωd
π
ts ≈
σ
yp − K
Mp = ·100 =
0,1K t K
σ ·π
−
tr ωd
=e ·100
tp
ts

Respuesta temporal a un escalón del sistema continúo de segundo orden

4
SISTEMAS DISCRETOS DE SEGUNDO ORDEN

yk + a· yk −1 + b· yk − 2 = c· xk
x(k) y(k)
G(s) c· z 2
X(z) Y(z) G( z) =
z 2 + a·z + b
Sistema discreto de segundo orden

Im(z)
Polo de G(z) en notación polar:
p1
Im(p1) p1 = e −σ⎫ −σ θ j
/p1-1/ ⎬ → p1 = e ·e
θj
/p1/ ∠p1 = θ = e ⎭
θ γ
Re(p1) 1 Re(z)

p2

Polos complejos conjugados de un sistema discreto de segundo orden

⎧ A A
⎪ + e− k ·σ sen(k ·θ − γ ) k ≥ 1
y (k ) = ⎨1 − 2e −σ cos θ + e−2σ p1 − 1 e−σ sen θ
⎪
⎩ 0 k≤0

y(k)

Mp
1,05K
ys
0,95K

k
kr kp ks

Respuesta temporal a una secuencia escalón del sistema discreto de segundo orden

5
SISTEMAS DISCRETOS DE SEGUNDO ORDEN

Im(s) Im(z)
p1
ωd j Im(p1)
s1 ωn /p1/
α
cos α =ζ Re(s) θ Re(z)
-σ Re(p1)
Z = eT·s
s2 -ωd j p2

z1,2 = eT ·s = e (
T −σ ±ωd j )
= e −Tσ e±T ·ωd j
s1,2 = −ζ ·ωn ± ωn · 1 − ζ 2 j = −σ ± ωd j
z1 = e −Tσ = Re( z1 ) + Im( z1 )
2 2

Im( z1 )
∠z1 = θ = T ·ωd = arctg
Re( z1 )

Relación entre los polos de un sistema continúo de segundo orden y uno discreto

Im(s) Im(z)

Estabilidad
Re(s) 1 Re(z)

Im(s) Im(z)

ωd1
Valores de ωd ωd1·T
ωd2 constantes
Re(s) ωd2·T Re(z)

ωd3 ωd3·T

Correspondencia entre un sistema continúo de segundo orden y uno discreto (I)

6
SISTEMAS DISCRETOS DE SEGUNDO ORDEN

Im(s) Im(z)

Valores de σ e σ2·T
constantes 1
Re(s) Re(z)
σ1 σ2
e σ1·T

Im(s) Im(z)
ζ1

ζ2 α1 Valores de ζ
α2 constantes ζ1
Re(s) ζ2 Re(z)
1
cos αi =ζ i
ζ2 > ζ1

Im(s) Im(z)

ωn1 Valores de ωn ωn2

ωn1
ωn2 constantes
Re(s) Re(z)

Correspondencia entre un sistema continúo de segundo orden y uno discreto (II)

7
SISTEMAS DISCRETOS DE SEGUNDO ORDEN

Correspondencia entre un sistema continúo de segundo orden y uno discreto (III)

8
SISTEMAS DISCRETOS DE SEGUNDO ORDEN

r(k) e(k) u(k) u(t) y(t)

R(z) E(z)
Gc(z) U(z)
H(s) U(s)
G(s) Y(s)

Controlador Bloqueador Planta

(D/A)
y(k)
Y(z) T

A/D Ge(z)

Ge ( z ) = Ζ {L −1
{H (s)·G(s)}}

Sistema de control digital directo

r(k) e(k) y(k)

R(z) E(z)
G(z)=Gc(z)·Ge(z) Y(z)

F.T. de bucle abierto

Sistema de control digital directo simplificado (con realimentación unitaria)

1
E( z) = R( z )
1 + G( z)
(
e∞ = lim e(k ) = lim 1 − z −1 E ( z )
k →∞ z →1
)
(
e∞ = lim 1 − z −1
z →1
) 1 + G1 ( z) R( z)
⎧ 1 z
⎪ Secuencia escalón Z ⎡
⎣{1,1,1,1,...} ⎤
⎦ = =
⎪ 1-z −1 z − 1
R( z ) = ⎨
T ·z
⎪ Secuencia rampa Z ⎡⎣{0, T , 2T ,3T ,...}⎤⎦ =
⎪⎩ ( z − 1)2
Cálculo del error en régimen estacionario con el teorema del valor final

9
SISTEMAS DISCRETOS DE SEGUNDO ORDEN

y(k)
1
e∞ = e p =
1+ Kp
ep
K p = lim G( z )
z →1
r(k)

kT

Error cuando la entrada es la secuencia escalón o “error de posición”

en un sistema de tipo 10

T ev
e∞ = ev =
Kv
r(k)
Kv = lim ( z − 1) G( z )
z →1
y(k)

kT

Error cuando la entrada es la secuencia rampa o “error de velocidad”

en un sistema de tipo 1

Tipo ep ev
1
0 ∞
1+ Kp
T
1 0
Kv
2 0 0
3 0 0
… 0 0

Tabla resumen de los errores para cada tipo de sistema

10
 UNIVERSIDAD TÉCNICA ESTATAL DE
QUEVEDO

FACULTAD DE CIENCIAS DE LA INGENIERÍA

INGENIERÍA EN ELECTRICIDAD (REDISEÑO)

ANÁLISIS DE SEÑALES Y SISTEMAS
2020 - 2021 SPA
 REPRESENTACIÓN DE SEÑALES
PERIÓDICAS CONTINUAS Y DISCRETAS
EN SERIES DE FOURIER
• REPRESENTACIÓN DE SEÑALES CONTINUAS EN TÉRMINOS DE IMPULSOS UNITARIOS CONTINUOS Y
EXPONENCIALES COMPLEJAS.

• EXPONENCIAL COMPLEJA, FORMA TRIGONOMÉTRICA, FORMA ARMÓNICA (IDENTIDAD DE EULER).

• ESPECTRO DE AMPLITUD Y DE FASE DE UNA SEÑAL PERIÓDICA.

 INTRODUCCIÓN
Una serie de Fourier es una serie infinita que converge puntualmente a una función periódica y continua
a trozos (o por partes). Las series de Fourier constituyen la herramienta matemática básica del análisis
de Fourier empleado para analizar funciones periódicas a través de la descomposición de dicha
función en una suma infinita de funciones sinusoidales mucho más simples (como combinación de senos y
cosenos con frecuencias enteras).
 REPRESENTACIÓN DE SEÑALES CONTINUAS EN TÉRMINOS DE
IMPULSOS UNITARIOS CONTINUOS Y EXPONENCIALES COMPLEJAS
 REPRESENTACIÓN DE SEÑALES CONTINUAS EN TÉRMINOS DE
IMPULSOS UNITARIOS CONTINUOS Y EXPONENCIALES COMPLEJAS
 REPRESENTACIÓN DE SEÑALES CONTINUAS EN TÉRMINOS DE
IMPULSOS UNITARIOS CONTINUOS Y EXPONENCIALES COMPLEJAS
 REPRESENTACIÓN DE SEÑALES CONTINUAS EN TÉRMINOS DE
IMPULSOS UNITARIOS CONTINUOS Y EXPONENCIALES COMPLEJAS
 REPRESENTACIÓN DE SEÑALES CONTINUAS EN TÉRMINOS DE
IMPULSOS UNITARIOS CONTINUOS Y EXPONENCIALES COMPLEJAS
EXPONENCIAL COMPLEJA, FORMA TRIGONOMÉTRICA, FORMA
ARMÓNICA (IDENTIDAD DE EULER)
EXPONENCIAL COMPLEJA, FORMA TRIGONOMÉTRICA, FORMA
ARMÓNICA (IDENTIDAD DE EULER)
EXPONENCIAL COMPLEJA, FORMA TRIGONOMÉTRICA, FORMA
ARMÓNICA (IDENTIDAD DE EULER)
EXPONENCIAL COMPLEJA, FORMA TRIGONOMÉTRICA, FORMA
ARMÓNICA (IDENTIDAD DE EULER)
EXPONENCIAL COMPLEJA, FORMA TRIGONOMÉTRICA, FORMA
ARMÓNICA (IDENTIDAD DE EULER)
ESPECTRO DE AMPLITUD Y DE FASE DE UNA SEÑAL PERIÓDICA
ESPECTRO DE AMPLITUD Y DE FASE DE UNA SEÑAL PERIÓDICA
La esperanza es el sueño del hombre despierto.
Aristóteles (384 AC-322 AC) Filósofo griego.
 UNIVERSIDAD TÉCNICA ESTATAL DE
QUEVEDO

FACULTAD DE CIENCIAS DE LA INGENIERÍA

INGENIERÍA EN ELECTRICIDAD (REDISEÑO)

ANÁLISIS DE SEÑALES Y SISTEMAS
2020 - 2021 SPA
 REPRESENTACIÓN DE SEÑALES
PERIÓDICAS CONTINUAS Y DISCRETAS
EN SERIES DE FOURIER
• SERIE DE FOURIER DISCRETA Y SU REPRESENTACIÓN.

• CONTENIDO ESPECTRAL DE UNA SEÑAL CONTINUA PERIÓDICA Y SU RELACIÓN CON EL TEOREMA O IDENTIDAD
DE PARSEVAL.

• TEOREMA DE PARSEVAL PARA SECUENCIAS DISCRETAS.

SERIE DE FOURIER DISCRETA Y SU REPRESENTACIÓN
SERIE DE FOURIER DISCRETA Y SU REPRESENTACIÓN
CONTENIDO ESPECTRAL DE UNA SEÑAL CONTINUA PERIÓDICA Y SU
RELACIÓN CON EL TEOREMA O IDENTIDAD DE PARSEVAL
CONTENIDO ESPECTRAL DE UNA SEÑAL CONTINUA PERIÓDICA Y SU
RELACIÓN CON EL TEOREMA O IDENTIDAD DE PARSEVAL
CONTENIDO ESPECTRAL DE UNA SEÑAL CONTINUA PERIÓDICA Y SU
RELACIÓN CON EL TEOREMA O IDENTIDAD DE PARSEVAL
CONTENIDO ESPECTRAL DE UNA SEÑAL CONTINUA PERIÓDICA Y SU
RELACIÓN CON EL TEOREMA O IDENTIDAD DE PARSEVAL
TEOREMA DE PARSEVAL PARA SECUENCIAS DISCRETAS
TEOREMA DE PARSEVAL PARA SECUENCIAS DISCRETAS
TEOREMA DE PARSEVAL PARA SECUENCIAS DISCRETAS
Los animales son de Dios. La bestialidad es humana.
Victor Hugo (1802-1885) Novelista francés.
 Scientia Et Technica
ISSN: 0122-1701
scientia@[Link]
Universidad Tecnológica de Pereira
Colombia

Cortés, Jimmy Alexander; Medina A., Francisco Alejandro; Chaves O., José Andrés
Del análisis de Fourier a las wavelets análisis de Fourier
Scientia Et Technica, vol. XIII, núm. 34, mayo, 2007, pp. 151-156
Universidad Tecnológica de Pereira
Pereira, Colombia

Disponible en: [Link]

Cómo citar el artículo

Número completo
Sistema de Información Científica
Más información del artículo Red de Revistas Científicas de América Latina, el Caribe, España y Portugal
Página de la revista en [Link] Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
Scientia et Technica Año XIII, No 34, Mayo de 2007. Universidad Tecnológica de Pereira. ISSN 0122-1701 151

DEL ANÁLISIS DE FOURIER A LAS WAVELETS

ANÁLISIS DE FOURIER

RESUMEN JIMMY ALEXANDER CORTÉS O.

Durante los últimos 200 años se han desarrollado distintos métodos Ingeniero Electricista.
y técnicas de procesamiento digital, para la detección y evaluación Universidad Tecnológica de Pereira.
de funciones que posteriormente se aplicaron al tratamiento de Candidato a Magíster en Instrumentación Física.
señales. El análisis espectral de una señal pretende analizar en Universidad Tecnológica de Pereira.
detalle el comportamiento y aporte de sus componentes armónicas Profesor Asistente.
en el dominio de la frecuencia. Para determinar el espectro más Universidad Tecnológica de Pereira.
simple de una función se puede recurrir a la Transformada de jcortes@[Link]
Fourier (FT), con sus limitaciones para ofrecer información en el
tiempo; es decir no indica los instantes en los que ocurren ciertos FRANCISCO ALEJANDRO MEDINA A.
eventos importantes para la señal. Para tener una localización Ingeniero de Sistemas.
temporal de las componentes espectrales se requiere la utilización Universidad Antonio Nariño.
de otras transformadas, que proporcionen una representación Candidato a Magíster en Instrumentación Física.
tiempo-frecuencia de la señal no estacionaria. La Transformada Universidad Tecnológica de Pereira.
Corta de Fourier STFT y la Transformada Wavelet WT permiten Profesor Auxiliar.
dicho análisis en tiempo frecuencia. La Transformada Wavelet Universidad Cooperativa.
permite observar el comportamiento de diferentes eventos de la Francisco_medina@[Link]
señal (tales como ruido y spikes) al descomponerla en funciones
elementales derivadas de la misma señal, que pueden ser JOSÉ ANDRÉS CHAVES O.
seleccionadas hasta el nivel deseado de detalle. La WT también Ingeniero Electricista.
proporciona de manera simultánea información sobre el tiempo y la Universidad Tecnológica de Pereira.
frecuencia. A diferencia de la STFT, la Transformada Wavelet Especialista en Pedagogía.
analiza la señal con distintas resoluciones para las diferentes Universidad Nacional Abierta y a Distancia.
frecuencias. Este documento presenta de manera sencilla las Candidato a Magíster en Instrumentación Física.
características básicas de cada procedimiento de análisis de señales, Universidad Tecnológica de Pereira.
al igual que ilustra, a través de Matlab 7.0, algunos ejemplos básicos Profesor Asistente.
de sus implementaciones. Universidad Tecnológica de Pereira.
jachaves@[Link]
PALABRAS CLAVES: wavelet, Fourier, FT, DFT, STFT, FFT,
WT, transformada, matlab, señal, análisis

ABSTRACT
During the last the 200 years different methods and techniques for
digital processing have been developed for the detection and
evaluation of signals. Among these methods is the study of the
distributions time-frequency such as short-time Fourier transform
(STFT), or Wavelet Transform (WT). This document introduces, in a
simple way, the basic characteristics of each procedure of analysis
of signals, like it illustrates, by means of Matlab 7, some basic
examples of its implementations are shown.

KEYWORDS: wavelet, Fourier, FT, DFT, STFT, FFT, WT,

transform, Matlab, signal, analysis

1. INTRODUCCIÓN vez que los científicos y los ingenieros hacen modelos de

En las ciencias y la ingeniería es cada vez más importante sistemas o sus predicciones se hace uso del Análisis de
la forma en que se realiza el tratamiento de las señales a Fourier. Los conceptos de Fourier se utilizan en la
fin de lograr adecuados procesos de transmisión, programación lineal y en el estudio de ondas del espectro
compresión y reconstrucción de la información. electromagnético entre otras aplicaciones. La
Alrededor de 150 años después de Isaac Newton (1642- transformada de Fourier es “El prisma matemático que
1727), Jean Baptiste Joseph Fourier (1768-1830) brindó descompone una función en las frecuencias que le
un análisis matemático para mostrar el mundo desde una forman” de la misma forma que lo hace un prisma de
perspectiva diferente a la del tiempo. Virtualmente cada cristal con la luz. Sin embargo, el análisis de Fourier
Fecha de Recepción: 17 Marzo de 2006
Fecha de Aceptación: 02 Marzo de 2007
152 Scientia et Technica Año XIII, No 34, Mayo de 2007. Universidad Tecnológica de Pereira

presenta un gran problema al pretender determinar el a2cos(2*2πt), a3*cos(3*2πt), … y los coeficientes b1,
instante en que ocurre un evento en particular, por lo que b2, b3 expresan la proporción de la función sen(1*2πt),
se hizo necesaria la implementación o el mejoramiento de sen(2*2πt), sen(3*2πt), … A partir de la ecuación de
los procesos de análisis vigentes1. En esta búsqueda Euler, es más adecuado expresar la serie como:
aparece, en 1946, Denis Gabor quien adapta la
transformada de Fourier para permitir el análisis en el
tiempo aplicando la misma transforma de Fourier a
pequeñas secciones de la señal; desarrollando una técnica
conocida como el ventaneado. Este procedimiento no Ecuación 2. Serie de Fourier
resuelve todas las dificultades por lo que en algunas
ocasiones se tiene la necesidad de efectuar análisis más
detallados, debido a que la misma ventana se aplica para
todas las frecuencias. Posteriormente, el análisis Wavelet
ha permitido resolver esta dificultad haciendo uso de Ecuación 3. Coeficientes de la Serie de Fourier.
intervalos de tiempo largos donde se requiere mejor
información de baja frecuencia y regiones más cortas Nótese que el coeficiente Cn generaliza los coeficientes a
para altas frecuencias. El uso popular de las Wavelets se y b respectivamente para la identidad de Euler.
produce por un artículo publicado conjuntamente por
Morlet y Grossmann quienes introdujeron por primera
vez el término "wavelet" en el lenguaje matemático en el Ecuación 4. Identidad de Euler.
año 1984. En la actualidad se considera a las Wavelets la
herramienta más poderosa para el análisis de señales, ya Fourier demostró que prácticamente cualquier función
que ofrecen conocimiento del espectro tanto en la periódica se puede representar como una suma de Senos
frecuencia como en el tiempo; así como también brindan y Cosenos asignándole a cada uno un coeficiente de
grandes aportes en los procesos de compresión y ponderación. Como ejemplo, se ha implementado una
reconstrucción de las señales. función cuadrada de periodo 2П y amplitud 1 con tres
términos y seis coeficientes, cuya función se analiza a
2. FOURIER continuación: Los coeficientes de la función periódica
La transformada de Fourier es el procedimiento son 1, 0, 1/3, 0, 1/5, 0,1/7 generando la siguiente f(t):
matemático que descompone una función en las
frecuencias que le forman de la misma manera que un 1 1 1
prima descompone la luz en los diferentes colores y f (t ) = sin(t ) + sin(3t ) + sin(5t ) + sin(7t )
longitudes de onda. La función que inicialmente se define 3 5 7
en el tiempo f(t) es la transformada al dominio de la Ecuación 5. f(t) aproximada de señal Cuadrada de
frecuencia F(w). Esta nueva función F(w) se llama la Periodo 2П
Transformada de Fourier o Serie de Fourier cuando la
función es Periódica. Fourier determinó que era posible A continuación se incluyen líneas que representan el
expresar una función coma la suma de Senos y Cósenos código en Matlab que permitió la generación de la serie a
de diferentes frecuencias y amplitudes hasta lograr través de la función f(t), que se muestra en la Figura 1:
determinar la función original. Este procedimiento fue function [xt]=cuadradaf(p,t,m)
implementado inicialmente para funciones periódicas, %Esta funcion permite calcular la Funcion Cuadrada
pero se puede extender a funciones no periódicas %Simetrica a partir de
haciendo tender a infinito su período T. %las series de Fourier para los elementos de (x) de una
%señal de periodo (p) con (m) armonicos:
2.1 Series de Fourier %[xt]=cuadradaf(p,x,m)
La serie de Fourier de una función periódica se escribe %(m) numero de armónicos hace más exacta la función,
frecuentemente como: %pero prolonga su ejecución.
f=1/p ; %frecuencia
w=2*pi*f; %velocidad angular
c=4/pi ; %factor cuadrada
gt=0 ; %Inicializacion
gtnew=0 ; %Inicializacion
Ecuación 1. Serie de Fourier for i=1:m;
Los coeficientes a1, a2, a3,… indican cuanto se aplica de n=2*i-1;
gt=sin(n*w*t)/n;
las funciones trigonométricas a1*cos(1*2πt),
gtnew=gt+gtnew;
end;
xt=c*gtnew;
1
The Word According The Wavelets pág 10 end;
Scientia et Technica Año XIII, No 34, Mayo de 2007. Universidad Tecnológica de Pereira 153

La forma más sencilla de utilizar esta función, se describe todo tipo de instrumentación científica que se use para el
a continuación: análisis y presentación de datos.
periodo=pi;
armonicos=3;
t=[0:0.1:3*pi]
y=cuadradaf(periodo,t,armonicos)
plot(t,y) Ecuación 7. Transformada de Fourier
grid;

Los coeficientes cero (0) corresponden a los términos con

aporte coseno.

Figura 2. Paso del Dominio en el Tiempo a amplitud en

Frecuencia TF

Considere la función y determine su transformada:

Figura 1. Señal Cuadrada con seis coeficientes

Cabe recordar que si los coeficientes de la serie no se

hacen pequeños lo suficientemente rápido, la serie de Ecuación 8. Ejemplo de función en el dominio del tiempo
Fourier diverge y por tanto no representa una función.
Aplicando la definición:
2.2 La Transformada de Fourier
Si se hace que el período de la función a transformar
tienda a infinito, entonces se obtiene la transformada de
Fourier de la función.

Ecuación 9. Transformada de Fourier

Ecuación 6. Coeficientes de Fourier De igual forma, se propone la transformada inversa de

Fourier para todo t:
La integral impropia que aparece en estos coeficientes
(conocida como la transformada de Fourier), resulta ser
de gran importancia en el análisis de Fourier y en muchas
otras aplicaciones. La transformada de Fourier, como se
aprecia en la Figura 2 se utiliza en el estudio de señales y
sistemas, así como en óptica; aparece en los equipos más
modernos y sofisticados como los usados para realizar Ecuación 10. Transformada Inversa de Fourier
una tomografía, también surge en técnicas analíticas
como la resonancia magnética nuclear, y en general, en
154 Scientia et Technica Año XIII, No 34, Mayo de 2007. Universidad Tecnológica de Pereira

2.3 Transformada Discreta de Fourier End

Análogo a la serie, la transformada de Fourier X(k+1)=Xnacu;
descompone la señal en senos y cosenos de diferentes End
frecuencias y amplitudes. Es de destacar que el uso de End
esta transformada implica la solución de integrales que
hacen el análisis continuo para todo tiempo. En la Aplicando la anterior función al vector
práctica, no siempre es posible por el consumo de tiempo x[n]={1,2,1,0} :
o el desconocimiento de la función original, puesto que v=[1 2 1 0]
solo se poseen datos discretos resultantes de una captura. dft(v)
En las aplicaciones de ingeniería y tratamiento de ans = 4.0000 0.0000 - 2.0000i 0 -0.0000 + 2.0000i
señales, resulta más útil considerar el proceso de manera
discreta y no continua, ya que los sistemas de adquisición Es de notar que el número de operaciones efectuadas por
de datos no pueden obtener ni analizar la totalidad de la la DFT puede resultar altamente demandante en tiempo y
información. recursos del sistema, por lo que se hace necesaria la
implementación de un algoritmo recursivo que disminuya
de manera exponencial el número de operaciones
efectuadas por la DFT.

2.4 La Transformada Rápida de Fourier FFT

La evaluación directa de la DFT requiere (n²)
operaciones aritméticas. Mediante un algoritmo FFT se
puede obtener el mismo resultado con sólo (n log n)
operaciones. La FFT es el algoritmo que se utiliza para
Ecuación 11. Transformada de Fourier en Tiempo discreto realizar la DFT de una forma eficiente y rápida. Lo que
DTFT se consigue con este algoritmo es simplificar
enormemente el cálculo de la DFT introduciendo “atajos”
N −1
matemáticos para reducir drásticamente el número de
X[k ] = ∑ x[n]e( − j 2π ( k )( n ) / N ) operaciones. La idea que permite esta optimización es la
n=0
descomposición de la transformada a tratar en otras más
N = Número de Muestras simples y así sucesivamente hasta llegar a transformadas
n = Enésima muestra original de 2 elementos donde k puede tomar los valores 0 y 1.
k = késimo termino de la DTF Una vez resueltas las transformadas más simples se
Ecuación 12. Transformada Discreta de Fourier DFT
agrupan en otras de nivel superior que deben resolverse
de nuevo y así sucesivamente hasta llegar al nivel más
El cálculo de la DFT requiere la suma compleja de N alto. Al final de este proceso se ordenan los resultados
multiplicaciones complejas para cada una de las salidas. obtenidos. Dado que la transformada discreta de Fourier
En total, N2 multiplicaciones complejas y N(N-1) sumas inversa es análoga a la transformada discreta de Fourier,
complejas para realizar un DFT de N puntos. con distinto signo en el exponente y un factor 1/n,
x[n]={1,2,1,0}
cualquier algoritmo FFT se puede adaptar fácilmente
4 −1 para el cálculo de la transformada inversa. En la Figura 3
k=0 X t [0] = ∑ x[n]e( − j 2π (0) n / 4) = 1e( − j 2π (0)(0) / 4) + 2e( − j 2π (0)(1) / 4) + 1e( − j 2π (0)(2) / 4) + 0e( − j 2π (0)(3) / 4) = 4
n=0 se observa un ejemplo de aplicación de este algoritmo.
4 −1
k=1 X t [1] = ∑ x[n]e( − j 2π (1) n / 4) = 1e( − j 2π (1)(0) / 4) + 2e( − j 2π (1)(1) / 4) + e( − j 2π (1)(2) / 4) + 0e( − j 2π (1)(3) / 4) = −2 j
n=0
4 −1
k=2 X t [2] = ∑ x[n]e( − j 2π (2) n / 4) = 1e( − j 2π (2)(0) / 4) + 2e( − j 2π (2)(1) / 4) + e( − j 2π (2)(2) / 4) + 0e ( − j 2π (2)(3) / 4) = 0
n=0
4 −1
k=3 X t [3] = ∑ x[ n]e( − j 2π (3)3n / 4) = 1e( − j 2π (3)(0) / 4) + 2e( − j 2π (3)(1) / 4) + e( − j 2π (3)(2 ) / 4) + 0e( − j 2π (3)(3) / 4) = 2 j
n=0

Por lo tanto la DFT de x[n] es Xt[k] ={4,-2j,0,2j} para k= 0,1,2,3

Ecuación 13. Ejemplo de Cálculo manual de la DFT

No es difícil implementar la DFT en Matlab desde el

punto de vista algorítmico; a continuación se ilustra dicha
implementación: Figura 3. Diagrama Mariposa del Algoritmo de 4 puntos
function [X]=dft(xn)
N=size(xn,2) ; %Numero de Elementos de xn Matlab ,dentro de su toolbox de signal processing, posee
X=zeros(1,N) ; %Inicializa DFT la FFT de manera apropiada y recurrente, pero desde el
for k=0:N-1; punto de vista académico se presenta una versión
Xnacu=0; modesta del código desarrollado en Matlab para su
for n=0:N-1; evaluación y estudio.
Xnacu=xn(n+1)*exp((-j*2*pi*k*n)/N)+Xnacu;
Scientia et Technica Año XIII, No 34, Mayo de 2007. Universidad Tecnológica de Pereira 155

function y = fftx(x)
%FFTX Tansformada rapida de Fourier.
% N -> cantidad de terminos que tiene el vector Ecuación 14. Definición de la Trasformada corta de Fourier
x = x';
N = length(x);
omega = exp(-2*pi*i/N);
if rem(N,2) == 0
% Division Recursiva
k = (0:N/2-1)';
w = omega.^k;
u = fftx(x(1:2:N-1));
v = w.*fftx(x(2:2:N));
y = [u+v; u-v];
else
% La Matriz de Fourier.
j = 0:N-1;
k = j';
F = omega.^(k*j);
yv = F*x; Figura 4. Paso del Dominio del Tiempo al tiempo Frecuencia
y=yv'; STFT
end
Si se aplica la función fftx al cálculo de la FFT para un En el caso del tiempo continuo, la función a ser
vector x[n]={1,2,1,0} se obtiene: transformada es multiplicada por una función ventana, la
v=[1 2 1 0] cual es diferente de cero por un corto instante. La
fftx(v) transformada de fourier de una señal resultante se mueve
ans = 4.0000 0.0000 - 2.0000i 0 -0.0000 + 2.0000i simultáneamente con la ventana que recorre el eje del
Donde se puede apreciar que los resultados de la DFT y tiempo (eje x), dando como resultado una representación
la FFT son idénticos, la diferencia sólo radica en el en dos dimensiones tiempo y frecuencia, como se aprecia
tiempo de evaluación que para este caso no es en la Figura 4.
considerable, pero al tomar algunos cientos de muestras y
cada fracción de segundo si resulta apreciable el consumo
en tiempo.
>> X = fft(x)
La FFT de Matlab del vector x genera un nuevo vector
“X” de números complejos ordenados desde k=0...N-1.
Se recomienda que la longitud del vector x sea una
potencia de 2. Otra opción de la FFT es especificar el
número de puntos con el que se quiere hacer la FFT.
>> X = fft(x,N)
Si la longitud de x es menor que N, el vector se rellena
con ceros. Si es mayor, el vector se trunca.

2.5 La Transformada Corta de Fourier

La Transformada de Fourier ventaneada también se
conoce como Transformada de Fourier de Tiempo Corto
(STFT: Short Time Fourier Transform). La STFT recorre
la señal en función de las variables tiempo y frecuencia.
La STFT divide la señal en pequeños segmentos, y
calcula la FT de cada segmento por separado; de esta
forma, se logra una representación tiempo-frecuencia de .
la señal, que permite conocer no sólo el valor de sus Figura 5. Análisis de una señal no estacionaria con FFT.
componentes en frecuencia, sino también su ubicación
temporal; sin embargo, la información de localización Como se observa en la Figura 5, la FFT no puede detectar
tiempo-frecuencia sólo puede obtenerse con una el evento correspondiente al cambio de frecuencia de la
exactitud limitada, determinada por el ancho de la señal no estacionaria, ni la presencia de un spike en dicha
ventana temporal utilizada. señal.
156 Scientia et Technica Año XIII, No 34, Mayo de 2007. Universidad Tecnológica de Pereira

La STFT a través de su análisis espectrográfico, 3. LAS WAVELETS

determina estos eventos de manera gráfica, tal como se Una Wavelet es una forma de onda de duración limitada
muestra en la Figura 6. que tiene un valor promedio cero. A diferencia del
análisis de Fourier con sus funciones seno y coseno las
cuales no son delimitadas en el tiempo extendiéndose
desde menos infinito hasta más infinito, las wavelets
suelen ser irregulares y asimétricas.
El análisis wavelet, análogo al análisis de Fourier,
descompone la señal en versiones escaladas y
desplazadas de la Wavelet original o Madre. La
Transformada Wavelet continua CWT se define como la
suma en el tiempo de la señal Wavelet Madre escalada y
multiplicada.
Debido al alcance definido en este artículo, se debe
recurrir a otro documento a publicar en una próxima
edición de esta revista, donde se ampliará el análisis
wavelet.

4. CONCLUSIONES
Figura 6. Análisis Espectrográfico de la Señal no Estacionaria.
El análisis de Fourier ha cambiado la forma en que la
ciencia y la ingeniería han percibido el mundo, puesto
El código generado para visualizar el espectrograma
que ha facilitado el florecimiento del tratamiento digital
anterior de manera general, se puede implementar con el
de señales con sus amplias aplicaciones en las
ejemplo aquí disponible. Primero, es necesario efectuar
comunicaciones, la compresión de datos y el análisis de
una función que genere el spike en un punto deseado, por
los mismos.
lo que es necesario crear dicha función.
function [x]=spikes(N,H,T)
Debido a su limitación en el análisis tiempo frecuencia,
%Genera un Spike de altura H en la posición T del
su detalle de ruido y los eventos que pudieran
%vector de tamaño N
presentarse como lo son los spikes, el análisis de Fourier
spikes=zeros(0,N);
resulta limitadamente apropiado por lo que se presenta la
spikes(1,T)=H;
aparición natural de nuevas y más sofisticadas
x=spikes;
herramientas como son las Wavelets.

Una vez implementada la función que genera los spikes, 5. BIBLIOGRAFÍA

se debe efectuar el programa de visualización en Matlab.
w0=1; [1] BURKE HUBBARD, Barbara. The world according
w1=3; to wavelets, 261 páginas, Wesllesey masachussetts.
A0=0.4;
A1=1; [2] BOQUETE, Luciano, MARTÍN, José L, MAZO,
phi=0; Manuel, PALAZUELOS, Cira, PROVENCIO,
N=2048; David. Estudio de la transformada de fourier y la
M=900; transformada wavelet como herramienta de análisis y
factor=10; % numero positivo mayor a 2 clasificación de señales eeg, 4 páginas,
wmax=w0; Departamento de Electrónica. Escuela Politécnica.
T=2*pi/(factor*wmax); Universidad de Alcala.
puntospike=400
n1= [0:M-1]; [3] CHAN, Andrew K. Fundamental of wavelets theory,
n0=[M:N-1]; algorithms, and applications, 306 páginas, Texas a &
pico=spikes(N,1,puntospike); m university [Link]-interscience publication.
x0 = A0*cos(w0*n0*T+phi); % muestreada sinusoide
x1= A1*cos(w1*n1*T+phi); % muestreada sinusoide [4] MISITI, Michel, MISITI, Yves, OPPENHEIM,
x=[x0,x1]+pico; Georges, POGGI, Jean Michel .Wavelet Toolbox
plot(x) Computation Visualization Programming User's
grid; Guide Version 1, 626 páginas, MathWorks, Inc.
figure(2);
specgram(x);
 UNIVERSIDAD TÉCNICA ESTATAL DE
QUEVEDO

FACULTAD DE CIENCIAS DE LA INGENIERÍA

INGENIERÍA EN ELECTRICIDAD (REDISEÑO)

ANÁLISIS DE SEÑALES Y SISTEMAS
2020 - 2021 SPA
 SEÑALES Y SISTEMAS CONTINUOS EN
EL DOMINIO DE LA FRECUENCIA
• DE LA SERIE DE FOURIER A LA TRANSFORMADA DE FOURIER, A LA TRANSFORMADA DE FOURIER DISCRETA Y LA TRANSFORMADA DISCRETA DE
FOURIER (DFT).

• RESPUESTA EN FRECUENCIA DE LOS SISTEMAS LTI DE TIEMPO CONTINUO Y DISCRETO ANTE CUALQUIER ENTRADA ARBITRARIA Y SU
APLICACIÓN A LOS SISTEMAS DE COMUNICACIÓN DIGITAL

• REPRESENTACIÓN GRÁFICA DE LA RESPUESTA EN FRECUENCIA DE LOS SISTEMAS LTI: DIAGRAMAS DE BODE.

 SEÑALES Y SISTEMAS CONTINUOS EN EL DOMINIO DE LA FRECUENCIA
Hay multitud de fenómenos que pueden modelarse matemáticamente mediante una señal
senoidal o exponencial como paso previo a su estudio en el dominio de la frecuencia. Incluso
cuando una señal no es de esta naturaleza puede analizarse en términos del dominio de la
frecuencia. La respuesta de un procesador LTI a una entrada senoidal es muy simple puesto que
en régimen permanente el procesador sólo puede modificar la amplitud y la fase pero nunca la
frecuencia. Aplicando el principio de superposición puede obtenerse la respuesta a señales de
entrada ciertamente complejas.

Si una señal de entrada x[n] se caracteriza por su espectro en frecuencia , y el procesador LTI por
su respuesta en frecuencia, el espectro de la señal de salida y[n] se obtiene mediante una simple
multiplicación, lo cual es más fácil que el equivalente en el dominio del tiempo como es la
convolución.

El diseño de sistemas y algoritmos DSP a menudo comienza por una serie de especificaciones en
el dominio de la frecuencia. Por ejemplo el diseño de los filtro digitales de paso bajo, paso bando
y rechazo de banda.
DE LA SERIE DE FOURIER A LA TRANSFORMADA DE FOURIER, A LA
TRANSFORMADA DE FOURIER DISCRETA Y LA TRANSFORMADA
DISCRETA DE FOURIER (DFT)
 RESPUESTA EN FRECUENCIA DE LOS SISTEMAS LTI DE TIEMPO
CONTINUO Y DISCRETO ANTE CUALQUIER ENTRADA ARBITRARIA Y SU
APLICACIÓN A LOS SISTEMAS DE COMUNICACIÓN DIGITAL
 RESPUESTA EN FRECUENCIA DE LOS SISTEMAS LTI DE TIEMPO
CONTINUO Y DISCRETO ANTE CUALQUIER ENTRADA ARBITRARIA Y SU
APLICACIÓN A LOS SISTEMAS DE COMUNICACIÓN DIGITAL
 RESPUESTA EN FRECUENCIA DE LOS SISTEMAS LTI DE TIEMPO
CONTINUO Y DISCRETO ANTE CUALQUIER ENTRADA ARBITRARIA Y SU
APLICACIÓN A LOS SISTEMAS DE COMUNICACIÓN DIGITAL
 RESPUESTA EN FRECUENCIA DE LOS SISTEMAS LTI DE TIEMPO
CONTINUO Y DISCRETO ANTE CUALQUIER ENTRADA ARBITRARIA Y SU
APLICACIÓN A LOS SISTEMAS DE COMUNICACIÓN DIGITAL
 RESPUESTA EN FRECUENCIA DE LOS SISTEMAS LTI DE TIEMPO
CONTINUO Y DISCRETO ANTE CUALQUIER ENTRADA ARBITRARIA Y SU
APLICACIÓN A LOS SISTEMAS DE COMUNICACIÓN DIGITAL
 REPRESENTACIÓN GRÁFICA DE LA RESPUESTA EN FRECUENCIA DE LOS
SISTEMAS LTI: DIAGRAMAS DE BODE
A los trazos logarítmicos se les conoce como diagramas de Bode. Estos son generalmente utilizados para
representar gráficamente la respuesta en frecuencia de la magnitud y la fase de una función de transferencia, sin
embargo, la magnitud suele representarse de manera logarítmica en dB y la fase en grados.

En un diagrama de Bode la gráfica que se realiza es semilogarítmica, utilizando en el eje horizontal la escala
logarítmica para representar las frecuencias y en el eje vertical la escala lineal, en donde se representa la
magnitud o la fase (según corresponda a la representación que se está trabajando).
REPRESENTACIÓN GRÁFICA DE LA RESPUESTA EN FRECUENCIA DE LOS
SISTEMAS LTI: DIAGRAMAS DE BODE
REPRESENTACIÓN GRÁFICA DE LA RESPUESTA EN FRECUENCIA DE LOS
SISTEMAS LTI: DIAGRAMAS DE BODE
REPRESENTACIÓN GRÁFICA DE LA RESPUESTA EN FRECUENCIA DE LOS
SISTEMAS LTI: DIAGRAMAS DE BODE
Un país habrá llegado al máximo de su civismo cuando en él se
puedan celebrar los partidos de fútbol sin árbitros.
José Luis Coll (1931-2007) Humorista español.
 UNIVERSIDAD TÉCNICA ESTATAL DE
QUEVEDO

FACULTAD DE CIENCIAS DE LA INGENIERÍA

INGENIERÍA EN ELECTRICIDAD (REDISEÑO)

ANÁLISIS DE SEÑALES Y SISTEMAS
2020 - 2021 SPA
 LA TRANSFORMADA DE FOURIER

• PROPIEDADES DE LA TRANSFORMADA DE FOURIER DE TIEMPO CONTINUO Y DISCRETO.

• APLICACIÓN DE LA TRANSFORMADA DE FOURIER A: FILTRADO Y ANCHO DE BANDA DE UNA

SEÑAL DIGITAL.
 LA TRANSFORMADA DE FOURIER
La Transformada de Fourier es un instrumento de gran valor para analizar las funciones no
periódicas. Complementa de esta manera a la Serie de Fourier, que permite analizar sistemas donde
están involucradas las funciones periódicas.

Es decir, mediante la Serie de Fourier podemos representar una señal periódica en términos de sus
componentes sinusoidales, cada componente con una frecuencia en particular. La Transformada de
Fourier permite hacer esto mismo con señales no periódicas.

Sea f una función real definida en el dominio continuo, dígase f(t) definida en el dominio t. Entonces, la
Transformada de Fourier (TF) se define como:
PROPIEDADES DE LA TRANSFORMADA DE FOURIER DE TIEMPO
CONTINUO Y DISCRETO
PROPIEDADES DE LA TRANSFORMADA DE FOURIER DE TIEMPO
CONTINUO Y DISCRETO
PROPIEDADES DE LA TRANSFORMADA DE FOURIER DE TIEMPO
CONTINUO Y DISCRETO
PROPIEDADES DE LA TRANSFORMADA DE FOURIER DE TIEMPO
CONTINUO Y DISCRETO
PROPIEDADES DE LA TRANSFORMADA DE FOURIER DE TIEMPO
CONTINUO Y DISCRETO
PROPIEDADES DE LA TRANSFORMADA DE FOURIER DE TIEMPO
CONTINUO Y DISCRETO
PROPIEDADES DE LA TRANSFORMADA DE FOURIER DE TIEMPO
CONTINUO Y DISCRETO
PROPIEDADES DE LA TRANSFORMADA DE FOURIER DE TIEMPO
CONTINUO Y DISCRETO
PROPIEDADES DE LA TRANSFORMADA DE FOURIER DE TIEMPO
CONTINUO Y DISCRETO
 APLICACIÓN DE LA TRANSFORMADA DE FOURIER A: FILTRADO Y
ANCHO DE BANDA DE UNA SEÑAL DIGITAL
La transformada de Fourier es básicamente el espectro de frecuencias de una función. Un buen ejemplo de eso es
lo que hace el oído humano, ya que recibe una onda auditiva y la transforma en una descomposición en distintas
frecuencias (que es lo que finalmente se escucha). El oído humano va percibiendo distintas frecuencias a medida
que pasa el tiempo, sin embargo, la transformada de Fourier contiene todas las frecuencias contenidas en todos
los tiempos en que existió la señal; es decir, en la transformada de Fourier se obtiene un sólo espectro de
frecuencias para toda la función.

El procesamiento digital de imágenes es el conjunto de técnicas que se aplican a las imágenes digitales con el
objetivo de mejorar la calidad o facilitar la búsqueda de información. El proceso de filtrado es el conjunto de
técnicas englobadas dentro del preprocesamiento de imágenes cuyo objetivo fundamental es obtener, a partir de
una imagen origen, otra final cuyo resultado sea más adecuado para una aplicación específica mejorando ciertas
características de la misma que posibilite efectuar operaciones del procesado sobre ella.

Los principales objetivos que se persiguen con la aplicación de filtros son:

• Suavizar la imagen: reducir la cantidad de variaciones de intensidad entre píxeles vecinos.

• Eliminar ruido: eliminar aquellos píxeles cuyo nivel de intensidad es muy diferente al de sus vecinos y cuyo
origen puede estar tanto en el proceso de adquisición de la imagen como en el de transmisión.
• Realzar bordes: destacar los bordes que se localizan en una imagen.
• Detectar bordes: detectar los píxeles donde se produce un cambio brusco en la función intensidad.
 APLICACIÓN DE LA TRANSFORMADA DE FOURIER A: FILTRADO Y
ANCHO DE BANDA DE UNA SEÑAL DIGITAL
Por tanto, se consideran los filtros como operaciones que se aplican a los píxeles de una imagen digital para
optimizarla, enfatizar cierta información o conseguir un efecto especial en ella. El proceso de filtrado puede
llevarse a cabo sobre los dominios de frecuencia y/o espacio.
 APLICACIÓN DE LA TRANSFORMADA DE FOURIER A: FILTRADO Y
ANCHO DE BANDA DE UNA SEÑAL DIGITAL
El análisis de Fourier de una señal permite determinar sus frecuencias, pero a costa de perder la información de
tipo temporal. (No dice cuando aparece cada frecuencia). En el caso de las imágenes, las “señales” corresponden
a los niveles de gris o intensidad de las diferentes filas o columnas de la matriz imagen.
 APLICACIÓN DE LA TRANSFORMADA DE FOURIER A: FILTRADO Y
ANCHO DE BANDA DE UNA SEÑAL DIGITAL
Otras Aplicaciones: La transformada de Fourier se utiliza para pasar al dominio de la frecuencia una señal para
así obtener información que no es evidente en el dominio temporal. Por ejemplo, es más fácil saber sobre qué
ancho de banda se concentra la energía de una señal analizándola en el dominio de la frecuencia. También sirve
para resolver ecuaciones diferenciales con mayor facilidad y, por consiguiente, se usa para el diseño de
controladores clásicos de sistemas realimentados si conocemos la densidad espectral de un sistema y la entrada
podemos conocer la densidad espectral de la salida. Esto es muy útil para el diseño de filtros de radio
transistores.

Ventajas:

• Método simple y sencillo de implementar.

• Fácil asociación del concepto de frecuencia con ciertas características de la imagen; cambios de tonalidad
suaves implican frecuencias bajas y cambios bruscos frecuencias altas.
• Proporciona flexibilidad en el diseño de soluciones de filtrado.
• Rapidez en el filtrado al utilizar el Teorema de la Convolución.

Desventajas:

• Se necesitan conocimientos en varios campos para desarrollar una aplicación para el procesamiento de
imágenes.
• El ruido no puede ser eliminado completamente.
Acusar a los demás de los infortunios propios es un signo de
falta de educación. Acusarse a uno mismo, demuestra que la
educación ha comenzado.
Epicteto de Frigia (55-135) Filósofo grecolatino.
 Transformada de Fourier en procesamiento digital de Imágenes
Funciones de Variable Compleja

Por: Franco Vela

Estudiante de Ingeniería Electrónica

Universidad Nacional del Sur, Avda. Alem 1253, B8000CPB Bahía Blanca, Argentina
[Link]@[Link]
Marzo 2013

Resumen: En el presente trabajo se muestra cómo se utiliza la Transformada de Fourier para el procesamiento digital
de imágenes tal como en los televisores de alta definición y cámaras digitales. En principio se dará una breve
introducción conceptual de a lo que Transformada de Fourier se refiere y luego se profundizará en la aplicación que
se le da en ingeniería. Para poder comprender más fácilmente estos conceptos se usarán tablas y ejemplos.

Palabras clave:Procesamiento de Imágenes, Señales, Transformada de Fourier, Digital.

I. INTRODUCCIÓN

Antes de proceder a la profundización en la aplicación, es necesario tener claro que define a la

Transformada de Fourier.
A principios del siglo XIX, Joseph Fourier indica que toda función periódica puede ser expresada como
una suma infinita de senos y cosenos en distintas frecuencias.
En Funciones de Variable Compleja, la transformada de Fourieres una aplicación que hace
corresponder a una función f, con valorescomplejos y definida en la recta, con otra función g definida de
la manera siguiente:
∞
1 −
( )= ( )
2
−∞
La transformada de Fourier es básicamente el espectro de frecuencias de una función. Un buen ejemplo
de eso es lo que hace el oído humano, ya que recibe una onda auditiva y la transforma en una
descomposición en distintas frecuencias (que es lo que finalmente se escucha). El oído humano va
percibiendo distintas frecuencias a medida que pasa el tiempo, sin embargo, la transformada de Fourier
contiene todas las frecuencias contenidas en todos los tiempos en que existió la señal; es decir, en la
transformada de Fourier se obtiene un sólo espectro de frecuencias para toda la función.

II. DESARROLLO

El procesamiento digital de imágenes es el conjunto de técnicas que se aplican a las imágenes

digitales con el objetivo de mejorar la calidad o facilitar la búsqueda de información.
El proceso de filtrado es el conjunto de técnicas englobadas dentro del pre-procesamiento de imágenes
cuyo objetivo fundamental es obtener, a partir de una imagen origen, otra final cuyo resultado sea más
adecuado para una aplicación específica mejorando ciertas características de la misma que posibilite
efectuar operaciones del procesado sobre ella.

Los principales objetivos que se persiguen con la aplicación de filtros son:

 Suavizar la imagen: reducir la cantidad de variaciones de intensidad entre píxeles vecinos.
 Eliminar ruido: eliminar aquellos píxeles cuyo nivel de intensidad es muy diferente al de sus vecinos
y cuyo origen puede estar tanto en el proceso de adquisición de la imagen como en el de transmisión.
 Realzar bordes: destacar los bordes que se localizan en una imagen.

1
 Detectar bordes: detectar los píxeles donde se produce un cambio brusco en la función intensidad.

Por tanto, se consideran los filtros como operaciones que se aplican a los píxeles de una imagen digital
para optimizarla, enfatizar cierta información o conseguir un efecto especial en ella.
El proceso de filtrado puede llevarse a cabo sobre los dominios de frecuencia y/o espacio.

Los filtros de frecuencia procesan una imagen trabajando sobre el dominio de la frecuencia en
la Transformada de Fourier de la imagen. Para ello, ésta se modifica siguiendo el Teorema de la
Convolución correspondiente:
1. se aplica la Transformada de Fourier,
2. se multiplica posteriormente por la función del filtro que ha sido escogido,
3. para concluir re-transformándola al dominio espacial empleando la Transformada Inversa de
+∞
Fourier, donde tenemos que: ( )= . . ∫−∞ ( )
Teorema de la Convolución (frecuencia): ( , )= ( , )∗ ( , )
F(u,v): transformada de Fourier de la imagen original.

H(u,v): filtro atenuador de frecuencias.

Como la multiplicación en el espacio de Fourier es idéntica a la convolución en el dominio espacial,

todoslos filtros podrían, en teoría, ser implementados como un filtro espacial.

El análisis de Fourier de una señal permite determinar sus frecuencias, pero a costa de perder la
información de tipo temporal. (No dice cuando aparece cada frecuencia)
En el caso de las imágenes, las “señales” corresponden a los niveles de gris o intensidad de las diferentes
filas o columnas de la matriz imagen.

Imagen Original Transformada de Fourier inversa de la convolución

2
Tipos de filtros de frecuencia

Existen básicamente tres tipos distintos de filtros que pueden aplicarse:

 Filtro paso bajo: atenúa las frecuencias altas y mantiene sin variaciones las bajas. El resultado en el
dominio espacial es equivalente al de un filtro de suavizado, donde las altas frecuencias que son
filtradas se corresponden con los cambios fuertes de intensidad. Consigue reducir el ruido
suavizando las transiciones existentes.
 Filtro paso alto: atenúa las frecuencias bajas manteniendo invariables las frecuencias altas. Puesto
que las altas frecuencias corresponden en las imágenes a cambios bruscos de densidad, este tipo de
filtros es usado, porque entre otras ventajas, ofrece mejoras en la detección de bordes en el dominio
espacial, ya que estos contienen gran cantidad de dichas frecuencias. Refuerza los contrastes que se
encuentran en la imagen.
 Filtro paso banda: atenúa frecuencias muy altas o muy bajas manteniendo una banda de rango
medio.

III. Otras Aplicaciones

La transformada de Fourier se utiliza para pasar al dominio de la frecuencia una señal para así
obtener información que no es evidente en el dominio temporal. Por ejemplo, es más fácil saber sobre qué
ancho de banda se concentra la energía de una señal analizándola en el dominio de la frecuencia.
También sirve para resolver ecuaciones diferenciales con mayor facilidad y, por consiguiente, se usa para
el diseño de controladores clásicos de sistemas realimentados si conocemos la densidad espectral de un
sistema y la entrada podemos conocer la densidad espectral de la salida. Esto es muy útil para el diseño de
filtros de radiotransistores.

3
IV. Conclusiones

Luego de la realización del presente trabajo concluyo que la aplicación de la Transformada de Fourier en
el procesamiento digital de imágenes es un método muy efectivo y simple que se puede utilizar en
cualquier programa realizado, corrido en cualquier PC.
Si hacemos un análisis de las ventajas y desventajas de la aplicación de dicho elemento, claramente
podemos observar que son mayores las positivas que lasnegativas:

Ventajas:
 Método simple y sencillo de implementar.
 Fácil asociación del concepto de frecuencia con ciertas características de la imagen; cambios de
tonalidad suaves implican frecuencias bajas y cambios bruscos frecuencias altas.
 Proporciona flexibilidad en el diseño de soluciones de filtrado.
 Rapidez en el filtrado al utilizar el Teorema de la Convolución.

Desventajas:
 Se necesitan conocimientos en varios campos para desarrollar una aplicación para el
procesamiento de imágenes.
 El ruido no puede ser eliminado completamente.

Simplemente con cursar la asignatura de Funciones de Variable Compleja y un curso de pascal

podríamos hacer un programa sencillo que, en gran parte, mejore las tonalidades en las fotos en
blanco y negro.

REFERENCIAS

[1] G. James, “Matemáticas Avanzadas para Ingeniería”, Pearson Educación, 2002.

[2] Prof. Guillermo Calandrini, “Guía de Definiciones y Teoremas estudiados en el curso de Funciones
de Variable Compleja”, pp. 95-99, 2012.
[3] Internet: [Link]
[4] “Wikipedia, La enciclopedialibre” [internet], disponible en:
[Link]

4
 UNIVERSIDAD TÉCNICA ESTATAL DE
QUEVEDO

FACULTAD DE CIENCIAS DE LA INGENIERÍA

INGENIERÍA EN ELECTRICIDAD (REDISEÑO)

ANÁLISIS DE SEÑALES Y SISTEMAS
2020 - 2021 SPA
 LA TRANSFORMADA DE LAPLACE
• REGIÓN DE CONVERGENCIA

• ANÁLISIS Y CARACTERIZACIÓN DE LOS SISTEMAS LTI MEDIANTE LA TRANSFORMADA DE LAPLACE

• TRANSFORMADA UNILATERAL DE LAPLACE

 LA TRANSFORMADA DE LAPLACE
Mediante transformadas de Laplace (por Pierre-Simon Laplace) puede resolverse un tipo de
ecuaciones diferenciales de orden n, son las llamadas ecuaciones diferenciales lineales con coeficientes
constantes, muy comunes en la resolución de circuitos eléctricos:

Las A son constantes y la variable "x" en la práctica suele ser el tiempo.

Para simplificar los cálculos supondremos que nuestras funciones y = f(x) cumplen las siguientes
condiciones:
 REGIÓN DE CONVERGENCIA
Con la transformada de Laplace, el plano - S Entendiendo el ROC Gráficamente
representa un conjunto de señales (exponenciales Talvez la mejor manera del ver la región de
complejos). Para cualquier sistema LTI, alguna de convergencia es el ver el plano –S lo que
estas señales puede causar que la salida del observamos es que para un solo polo, la región
sistema inversa, mientras otras hacen que la salida de convergencia se encuentra a la derecha de las
del sistema diverja (“explote”). El conjunto de las señales causales y a la izquierda de las señales
señales que causa que la salida de los sistemas anticausales.
converja se encuentran en la región de
convergencia (ROC)
 ANÁLISIS Y CARACTERIZACIÓN DE LOS SISTEMAS LTI MEDIANTE LA
TRANSFORMADA DE LAPLACE
Gracias a la propiedad de convolución la acción de un sistema LTI con respuesta al impulso h(t) sobre una entrada
x(t) puede escribirse como:

Donde H(s) es la transferencia del sistema. Muchas propiedades de un sistema LTI se pueden determinar a través
de H(s) y su correspondiente ROC.

Estabilidad: Es claro, que a diferencia de la respuesta en frecuencia, siempre podemos definir la transferencia de
un sistema inestable. Sin embargo, sabemos que para que el sistema sea estable tiene que ser absolutamente
integrable y por ende debe existir su respuesta en frecuencia.

Un sistema LTI es estable si la ROC de su función transferencia contiene a Re {s} = 0 o lo que es lo mismo al eje jω.

Causalidad: Sabemos que un sistema LTI es causal cuando h(t) = 0, ∀t < 0.

Un sistema LTI causal cumplirá que su ROC de su transferencia es un semiplano derecho.
Un sistema LTI cuya función transferencia es racional es causal sí y sólo si su ROC se encuentra a la derecha del
polo ubicado más hacia a la derecha. La caracterización de un sistema LTI anticausal a través de sus función
transferencia es análoga.
 ANÁLISIS Y CARACTERIZACIÓN DE LOS SISTEMAS LTI MEDIANTE LA
TRANSFORMADA DE LAPLACE
Podemos combinar las caracterizaciones de causalidad y estabilidad para sistemas LTI con H(s) racional, siempre y
cuando un sistema causal con H(s) racional es estable si y solo sí su polo más a la derecha se encuentra en el
semiplano izquierdo de C o lo que es lo mismo, todos sus polos se encuentran en el semiplano izquierdo de C
(todos los polos tienen parte real negativa).
 TRANSFORMADA UNILATERAL DE LAPLACE

La expresión describe la transformada

de Laplace unilateral, en donde s
forma parte del argumento de la
función exponencial, y a esa variable S
se le denomina frecuencia compleja.
Es un milagro que la curiosidad sobreviva a la educación
reglada.
Albert Einstein (1879-1955) Científico nacido en Alemania,
nacionalizado estadounidense.
 REVISTA DEL INSTITUTO DE INVESTIGACIÓN, FIGMMG-UNMSM Vol. 19, Nº 38, pp. 43 - 46 Julio - Diciembre 2016

Aplicación de la transformada de Laplace a circuitos

eléctricos
Application of the Laplace transform in electrical circuits
Hugo Lázaro M.1, Gladys Melgarejo2, Edison Montoro3, José Obregón4, Jorge Diego5, Vidal Aramburú R.6

Recibido: 26/07/2016 - Aprobado: 08/09/2016

RESUMEN
En este artículo se presenta una aplicación de la transformada de Laplace en la solución de los circuitos eléctricos, calculando
las corrientes y los voltajes instantáneos que se presentan en diversas partes de un circuito eléctrico dado.
Palabras clave: Leyes de Kirchoffs, circuitos eléctricos, transformada inversa.

ABSTRACT
In this paper we show an application of Kirchoff ’s laws to the electric networks for the use of the Laplace transform.
Keywords: Kirchoff ’s laws, electric networks, inverse transform.

1 UNMSM. Facultad de Ciencias Matemáticas. E-mail: hlazarom@[Link]

2 UNMSM. Facultad de Ciencias Matemáticas. E-mail: gmelgarejoe@[Link]
3 UNI. Facultad de Ingeniería Mecánica. E-mail: pepeobregons@[Link]
4 UNMSM. Facultad de Ciencias Matemáticas. E-mail: emontoroa@[Link]
5 UNMSM. Facultad de Ing. Geológica, Minera, Metalúrgica y Geográfica. E-mail: jdiegoc@[Link]
6 UNMSM. Facultad de Ing. Geológica, Minera, Metalúrgica y Geográfica. E-mail: vidalaramburu@[Link]
Revista del Instituto de Investigación, FIGMMG-UNMSM

I. INTRODUCCIÓN
Los circuitos eléctricos son estructuras eléctricas forma-
das por diversas conexiones entre objetos que tienen ca-
racterísticas definidas de funcionamiento cuando reciben
estímulos de naturaleza electromagnética. Los paráme-
tros característicos de estos objetos son la resistencia (R),
la capacitancia (C) y la inductancia (L) (Da Prata, 1992,
1998).

II. MATERIALES Y MÉTODOS Figura Nº 2. Aplicación ley de KIRCHOFF.

2.1. Cálculo
Para calcular corrientes y voltajes en los circuitos, se uti- Usando la segunda ley de Kirchoff, que establece que el
lizan las leyes de Kirchoff, y con ellas se plantean ecua- voltaje entre dos puntos de un circuito es invariable, re-
ciones en las que intervienen estas variables del circuito, sulta:
generando ecuaciones diferenciales y/o integro diferencia-
les (Rainville, 1966).
Se sabe que los voltajes o las diferencias de potencial a
través de los inductores (L), resistores (R) o capacitores Asimismo en el nodo a se cumple:
(C) están dados por las siguientes fórmulas:

entonces

Por ejemplo, si una fuente de tensión E(t) es aplicada a Por definición:

un circuito en serie que contiene L, R, y C tal como se
muestra; la ecuación que se deduce usando la segunda ley
de Kirchoff es:
reemplazando 2 y 3 en 1 se obtiene:

Ordenando adecuadamente se deduce finalmente:

Figura Nº 1. Circuito en serie. Usando los datos propuestos, en las dos ecuaciones dife-
renciales deducidas, se obtiene:
Usando la transformada de Laplace, resultará una ecua-
ción, a partir del cual puede determinarse I(s)(ℒi (t)Is)
y aplicándole la transformada inversa se calculará i(t)
(Sánchez) Figura Nº 1.

III. RESULTADOS Y DISCUSIONES

3.1. Problema de aplicación
Encuentre la carga en el capacitor cuando f
Aplicando la transformada de Laplace a las ecuaciones
diferenciales:

44 APLICACIÓN DE LA TRANSFORMADA DE LAPLACE A CIRCUITOS ELÉCTRICOS

 Revista del Instituto de Investigación, FIGMMG-UNMSM

Para efectuar la transformada indicada en el segundo 3.2. Interpretación gráfica

miembro; a este se le escribe así: El resultado obtenido significa que la carga instantánea
del capacitor tiene una variación sinusoidal decrecien-
te, determinada por la función exponencial. Una gráfica
aproximada de esta carga instantánea, que es la respues-
ta del circuito al estímulo aplicado como voltaje instan-
táneo, es la que se muestra a continuación (Zill, 2002).
Aplicando el teorema que establece: Figura Nº 3.
Si entonces

La transformada de resultará así:

La primera ecuación diferencial transformada resultará:

La segunda ecuación diferencial ya transformada es:

Figura Nº 3. Respuesta al estimulo aplicado.

De (9) se obtiene:

cuando transcurra un tiempo ilimitado la carga tenderá

a desaparecer, porque:
Reemplazando en la ecuación 8 se tiene:

3.2. Recomendaciones
Simplificando, se tiene • Es fundamental escribir correctamente las ecuacio-
nes diferenciales que ponen de manifiesto el funcio-
namiento de los circuitos.
• Establecer con precisión la dirección de las corrien-
tes eléctricas y la polaridad de los voltajes.
• Aplicar la transformación de Laplace a cada expre-
sión con exactitud, usando convenientemente las
Transformando inversamente en ambos miembros:
condiciones iniciales.
(Kreysgic, 1971).

Para obtener el resultado del segundo miembro, se utiliza

IV. CONCLUSIONES
el siguiente teorema:
• El método de la transformada de Laplace es el más
entonces
completo y preciso para resolver circuitos eléctricos.
En este caso resultará: • Este método permite matematizar todas las expre-
siones eléctricas de cualquier tipo y expresar con el
y
lenguaje matemático apropiado las soluciones.
donde:
V. AGRADECIMIENTOS
A la Universidad Nacional Mayor de San Marcos y al Ins-
Usando finalmente estos resultados, se obtiene: tituto de Investigación IIGEO por su apoyo invalorable.

VI. REFERENCIAS BIBLIOGRÁFICAS

pero: y [1] Da Prato, G. and Zabczyb, J.(1992) Stochastic

Equation in infinite Dimensions. Cambridge: Cam-

HUGO LÁZARO MANRIQUE, GLADYS MELGAREJO, EDISON MONTORO, JOSÉ OBREGÓN, JORGE DIEGO 45
Revista del Instituto de Investigación, FIGMMG-UNMSM

bridge University Press. aplicaciones de modelado MATH Learning,

[2] Da Prato, G. and Zabczyb, J. (1996). Ergodicity for [4] Rainville, E.D.(1996). The Laplace Transform. New
infinite Dimensional Systems. Cambridge: Cambrid- York: The Mac Millan Company.
ge University Press. .
[5] Sánchez, L. M. - Legua, M.P. Ecuaciones Diferencia-
[3] Zill Dennis, G. (2002). Ecuaciones diferenciales con les y Transformada de Laplace con Aplicaciones.
[6] Kreysgic, E. (1971). Matemáticas Avanzadas para
Ingeniería, Vol. I.

46 APLICACIÓN DE LA TRANSFORMADA DE LAPLACE A CIRCUITOS ELÉCTRICOS