TEMA 3: TRANSFORMADA DE FOURIER DE

SEÑALES CONTINUAS

OBJETIVOS
ƒ Aprender a representar señales periódicas mediante su Desarrollo en Serie de
Fourier (DSF).

ƒ Conocer la Transformada de Fourier (TF), su utilidad, propiedades, pares

transformados y su aplicación a los sistemas lineales.

1
Índice

1. Introducción 3

2. Respuesta de un sistema LTI a exponenciales complejas 3

3. Representación en Series de Fourier de señales periódicas 4

3.1. Combinaciones lineales de exponenciales complejas relacionadas armónica-

mente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

3.2. Representación de una señal mediante Series de Fourier (DSF) . . . . . 5

3.3. Convergencia de Series de Fourier . . . . . . . . . . . . . . . . . . . . . 7

3.4. Relación de Parseval . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

4. Transformada de Fourier 9

4.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

4.2. Representación de señales aperiódicas mediante TF . . . . . . . . . . . 9

4.3. Convergencia de TF . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

4.4. TF de señales periódicas . . . . . . . . . . . . . . . . . . . . . . . . . . 11

4.5. Propiedades de TF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

4.6. Teorema de Parseval . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

4.7. Convolución y Sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

4.8. Asociación de sistemas LTI . . . . . . . . . . . . . . . . . . . . . . . . . 15

4.9. Distorsión de señales en transmisión . . . . . . . . . . . . . . . . . . . . 17

4.10. Correlación y densidad espectral . . . . . . . . . . . . . . . . . . . . . . 18

4.10.1. Relaciones de correlación en sistemas LTI . . . . . . . . . . . . . 19

4.11. Tipos de filtros básicos . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

2
1. Introducción

La representación y el análisis de sistemas LTI en el dominio del tiempo (medi-

ante la convolución), se basa en la representación de señales como una combinación
lineal de impulsos [Link] alternativa se va a desarrollar una nueva repre-
sentación de señales como combinación lineal, ahora, de un conjunto de señales básicas
que serán exponenciales complejas; estas representaciones se conocen como SERIE y
TRANSFORMADA de FOURIER de tiempo continuo.

Como veı́amos en el tema 2, debido a la propiedad de superposición, la respues-

ta de un sistema LTI a cualquier entrada que sea una combinación lineal de señales
básicas, será una combinación lineal de las respuesta individuales a cada una de estas
señales básicas. Antes veı́amos que la respuesta de un sistema LTI eran las respuestas
a versiones desplazadas de impulsos. Ahora vamos a encontrar cuál será la respuesta
del sistema LTI a la exponencial compleja (como señal básica) y cuál es su utilidad.

Serie de Fourier → señales periódicas (definidas en potencia).

Transformada de Fourier → señales aperiódicas (definidas en energı́a).

Ambas representaciones son herramientas potentes para el análisis y diseño de

señales y sistemas LTI.

2. Respuesta de un sistema LTI a exponenciales

complejas

Supongamos una señal de entrada a un sistema x(t) = est ; la señal de salida será:
Z ∞ Z ∞ Z ∞
y(t) = h(τ )x(t − τ )dτ = h(τ )es(t−τ )
dτ = est
h(τ )e−sτ dτ
−∞ −∞ −∞

y(t) = est · H(s) = H(s) · x(t)

Z ∞
H(s) = h(τ )e−sτ dτ
−∞

Como podemos observar, la señal de salida del sistema es la misma señal de entrada
pero multiplicada por una constante compleja (en general H(s)).

3
 Para el análisis de sistemas LTI es útil descomponer la señal de entrada como
combinación lineal de exponenciales complejas; veamos un ejemplo con tres de ellas :
x(t) = a1 es1 t + a2 es2 t + a3 es3 t
a1 es1 t → a1 H(s1 )es1 t
a2 es2 t → a2 H(s2 )es2 t
a3 es3 t → a3 H(s3 )es3 t
De forma que la señal de salida será la superposición de todas estas señales:
y(t) = a1 H(s1 )es1 t + a2 H(s2 )es2 t + a3 H(s3 )es3 t

En general para k señales:

X X
x(t) = ak esk t → y(t) = ak H(sk )esk t
k k

consiste en realizar un producto, que en la mayorı́a de los casos es mas sencillo que
realizar la convolución (integral) siempre que conozcamos H(s). En general, s será un
número complejo arbitrario, pero para el análisis de Fourier será un imaginario puro
(s = jw).

3. Representación en Series de Fourier de señales

periódicas

3.1. Combinaciones lineales de exponenciales complejas rela-

cionadas armónicamente

Sea una señal periódica x(t) = x(t + T0 ) donde T0 es el periodo, f0 es la frecuencia

fundamental (f0 = 1/T0 ) y w0 es la pulsación fundamental (w0 = 2πf0 ).

Sea un conjunto de exponenciales complejas relacionadas armónicamente:

Φk (t) = ejkw0 t k = 0, ±1, ±2, ±3..
Cada una de estas funciones tiene como frecuencia fundamental un múltiplo de f0 y
es periódica con periodo T0 (o un submúltiplo de él). Una combinación lineal de estas
funciones es: ∞
X
x(t) = ak ejkw0 t
−∞

4
Esta expresión es conocida como la representación en SERIE DE FOURIER de la señal
x(t) y también es periódica de periodo T0 . Los distintos términos que la constituyen
son:

Término k = 0 es la componente continua de la señal.

Término k = ±1 son las componentes fundamentales o primeros armónicos de la

señal, de periodo T0 y frecuencia f0 .

Término k = ±2 son los segundos armónicos de la señal, de periodo T0 /2 y

frecuencia 2f0 .

Término k = ±N son los armónicos N-ésimos de la señal, de periodo T0 /N y

frecuencia N f0 .

En general los coeficientes del DSF de una señal pueden ser números complejos:

ak = Ak · ejΘk = Bk + j · Ck

Utilizando la anterior relación obtenemos expresiones análogas para las Series de Fouri-
er en términos de funciones sinusoidales en lugar de exponenciales:
∞
X
x(t) = a0 + 2 Ak cos(kw0 t + Θk )
k=1

∞
X
x(t) = a0 + 2 [Bk cos(kw0 t) − Ck sin(kw0 t)]
k=1

3.2. Representación de una señal mediante Series de Fourier

(DSF)

En la sección anterior hemos obtenido la expresión del desarrollo en serie de Fourier

para señales periódicas, que en general es:
∞
X
x(t) = ak ejkw0 t
k=−∞

Pero ¿cuáles son esos coeficientes ak ? ¿Cómo podemos obtenerlos? Para ello vamos a
manipular matemáticamente la expresión anterior:
∞
X
−jnw0 t
x(t) · e = ak ejkw0 t · e−jnw0 t
k=−∞

5
 Z T0 Z T0 ∞
X
−jnw0 t
x(t) · e dt = ak ejkw0 t · e−jnw0 t dt
0 0 k=−∞
Z T0 ∞
X Z T0
−jnw0 t
x(t) · e dt = ak ej(k−n)w0 t dt
0 k=−∞ 0

Analicemos mas profundamente el término de la derecha de la igualdad:

Z T0 Z T0 Z T0
j(k−n)w0 t
e dt = cos(k − n)w0 tdt + j sin(k − n)w0 tdt
0 0 0

Estamos integrando en un intervalo de longitud igual al periodo. Si k 6= n ambas

integrales se anularán (al integrar estamos calculando áreas).
Z T0 (
T0 k = n
ej(k−n)w0 t dt =
0 0 k 6= n

Ya podemos despejar los coeficientes del desarrollo en Serie de Fourier:

Z T0
1
an = x(t) · e−jnw0 t dt
T0 0
Por tanto el par de ecuaciones que define la Serie de Fourier son:
∞
X
x(t) = ak ejkw0 t → Ecuación de SÍNTESIS
−∞

Z T0
1
an = x(t) · e−jnw0 t dt → Ecuación de ANÁLISIS
T0 0

Siendo:
w0 = 2πf0
1
f0 =
T0
Z
1
a0 = x(t)dt
T0 T0
donde a0 (la componente continua) es el valor promedio de la señal x(t) sobre un
periodo.

6
3.3. Convergencia de Series de Fourier

Hemos obtenido la expresión para las series de Fourier de señales periódicas, ası́ co-
mo de sus coeficientes, sin embargo, en algunos casos el valor de ak puede ser infinito, la
integral divergir o incluso que aunque los coeficientes sean finitos, al ser substituidos en
la ecuación de sı́ntesis, la serie infinita resultante no converja a la señal original x(t).
En general no existen problemas de convergencia para una gran mayorı́a de señales
periódicas, pero veamos unas condiciones que se deben cumplir para que la señal x(t)
se pueda representar mediante su Desarrollo en Serie de Fourier:

Condiciones de DIRICHLET:

1. La señal x(t) debe ser absolutamente integrable en un periodo, es decir, debe ser
de energı́a finita en un periodo:
Z
|x(t)|dt < ∞
T0

2. En cualquier intervalo finito de tiempo, la señal x(t) debe ser de variación limi-
tada, es decir, debe tener un número de máximos y mı́nimos finito.
3. En cualquier intervalo finito de tiempo, puede haber sólo un número finito de
discontinuidades y éstas deben ser finitas.

Si se cumplen estas tres condiciones, la señal original x(t) es igual a la serie de Fourier
(DSF) para cada instante, excepto cuando existan discontinuidades, en las que la serie
converge al valor medio de la discontinuidad.

EL FENÓMENO DE GIBBS

Tratamos el caso especial que tiene lugar en la convergencia de una señal cuadrada
que se muestra en la figura 3.1 :

-2T0 -T0 -T1 0 T1 T0 2T0

Figura 3.1

Vamos a aproximar la serie por N términos xN (t). Cuanto mayor sea N tendremos una
mejor aproximación. Como esta señal cumple las condiciones de Dirichlet, su DSF en
la discontinuidad debe ser el valor medio (como se ve en la figura 3.2 ).

7
 En la proximidad de la discontinuidad aparece un rizado cuyo pico NO disminuye
cuando N aumenta y que tiene un valor de aproximadamente el 9 % de la amplitud del
pulso.

1.2

0.8

0.6

0.4

0.2

−0.2
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1

Figura 3.2

Cuando N aumenta mucho el rizado se comprime hacia las discontinuidades mientras

que la amplitud de los picos se mantiene constante (FENÓMENO DE GIBBS).

3.4. Relación de Parseval

Dada una señal periódica que podemos expresar mediante su DSF, podemos calcular
su potencia total como la suma de la potencia de todas sus componentes:
Z ∞
1 2
X
PT = |x(t)| dt = |ak |2
T0 T0 k=−∞

8
4. Transformada de Fourier

4.1. Introducción

Las Series de Fourier se aplicaban a señales periódicas y eran útiles para represen-
tarlas mediante una combinación de exponenciales complejas relacionadas armónica-
mente. La Transformada de Fourier (TF) se aplica en principio, a señales aperiódicas,
aunque luego vamos a extender su uso también a señales periódicas; esta representación
en términos de combinación lineal adopta la forma de una integral (en lugar de una
suma) de exponenciales complejas que están infinitesimalmente cercanas en frecuencia.

¿Cómo podemos hacer esta extensión y calcular la TF de señales periódicas? Una

señal aperiódica puede considerarse una señal periódica de periodo T0 → ∞. Cuando
calculamos el DSF, si el periodo aumenta mucho y por tanto la frecuencia disminuye,
las componentes relacionadas armónicamente se van aproximando cada vez mas en
frecuencia; si hipotéticamente T0 → ∞ se va a formar una señal continua y el sumatorio
presente en el DSF se convierte en una integral en la TF.

La Transformada de Fourier X(f ) representa los pesos (ak ) de las exponenciales

complejas, que sirven para sintetizar la señal x(t) y es una función continua con la
frecuencia. X(f ) es el ESPECTRO de x(t) e informa sobre la composición de x(t) en
términos de señales sinusoidales de diferentes frecuencias.

4.2. Representación de señales aperiódicas mediante TF

Las señales de duración limitada se pueden representar como suma de exponen-

ciales complejas de cualquier frecuencia. Por tanto, análogamente al DSF, para señales
periódicas tenemos las siguientes expresiones:

Z ∞
x(t) = X(f )ej2πf t df → Ecuación de Sı́ntesis o TF inversa
−∞
Z ∞
X(f ) = x(t)e−j2πf t dt → Ecuación de Análisis o TF directa
−∞

DSF → T F :

Dada la señal x(t) de duración limitada, vamos a hacerla periódica, repitiéndola

con periodo T0 .

9
 x(t)

t
-T1 0 T1

x(t)

t
-2T0 -T0 -T1 0 T1 T0 2T0

Figura 3.3

∞
X
x(t)
g= ak ejkw0 t
k=−∞
Z T0 /2 Z ∞
1 g −jkw0 t dt = 1
ak = x(t)e x(t)e−jkw0 t dt
T0 −T0 /2 T0 −∞

Cuando T0 → ∞, las posiciones de los ak en las frecuencias kf0 , cada vez se aprox-
iman mas y tienden a una variable continua f mientras que T10 → df , es decir, es
como si se formara una función de variable continua que es la envolvente de todos esos
coeficientes: Z ∞
ak = x(t)e−j2πf t dt df
−∞

Si T0 → ∞ entonces se cumple que x(t)

g → x(t) y el sumatorio se convierte en una
integral:
X∞ Z ∞Z ∞
x(t) = ak ejkw0 t
= x(t)e−j2πf t dt ej2πf t df
k=−∞ −∞ −∞
Z ∞
x(t) = X(f )ej2πf t df → Ecuación de Sı́ntesis o TF inversa
Z−∞
∞
X(f ) = x(t)e−j2πf t dt → Ecuación de Análisis o TF directa
−∞

Además, la relación que existe entre los coeficientes del Desarrollo en Serie de Fourier
y la Transformada de Fourier es:
1
ak = X(kf0 )
T0

10
4.3. Convergencia de TF

La Transformada de Fourier debe cumplir las tres condiciones de Dirichlet (igual

que ocurrı́a con DSF):

1. La señal x(t) debe ser absolutamente integrable:

Z ∞
|x(t)|dt < ∞
−∞

2. En un intervalo finito de tiempo, la señal x(t) debe ser de variación limitada, es

decir, debe tener un número de máximos y mı́nimos finito.

3. En un intervalo finito de tiempo, sólo puede haber un número finito de discon-

tinuidades y deben ser finitas.

4.4. TF de señales periódicas

Hemos utilizado la Transformada de Fourier como herramienta para analizar señales

definidas en energı́a y el Desarrollo en Series de Fourier para señales definidas en
potencia. Serı́a interesante disponer de una única herramienta de trabajo para todo
tipo de señales, es decir, no queremos hacer distinción entre señales periódicas (DSF) y
aperiódicas (TF), queremos utilizar una única herramienta para todo tipo de señales.

La herramienta que vamos utilizar será la Transformada de Fourier. El problema

se presenta cuando intentamos calcular la TF de una señal periódica, ya que no es
absolutamente integrable y por tanto no cumple la primera condición de Dirichlet.

Vamos a obtener la expresión analı́tica de la TF de una señal periódica utilizando la

función delta en el dominio de la frecuencia. Sea una señal x(t) en principio desconocida
y cuya transformada de Fourier vale:

X(f ) = δ(f − f0 )

Si calculamos la TF inversa obtenemos, por propiedades de la delta:

Z ∞
x(t) = δ(f − f0 )ej2πf t df = ej2πf0 t
−∞

Si en lugar de una única delta tenemos un tren de deltas de la forma:

∞
X
X(f ) = ak δ(f − kf0 )
k=−∞

11
entonces la señal x(t) será:
∞
X
x(t) = ak ej2πkf0 t
k=−∞

que coincide con el DSF de una señal periódica; por tanto podemos afirmar que:

La Transformada de Fourier de una señal periódica, es un tren de impulsos local-

izados en sus armónicos y cuya área en el armónico k-ésimo (kf0 ) es el coeficiente ak
del Desarrollo en Serie de Fourier.

4.5. Propiedades de TF

Usaremos la siguiente notación para los pares transformados:

x(t) ↔ X(f )
Las principales propiedades de la Transformada de Fourier son:

1. LINEALIDAD:
x1 (t) ↔ X1 (f )
x2 (t) ↔ X2 (f )
a · x1 (t) + b · x2 (t) ↔ a · X1 (f ) + b · X2 (f )

2. SIMETRIA:
x(t) real y par ↔ X(f ) real y par
x(t) real e impar ↔ X(f ) imaginaria pura e impar
Una señal real puede descomponerse en parte par e impar:
x(t) = xp (t) + xi (t)

x(t) ↔ X(f )
xp (t) ↔ < (X(f ))
xi (t) ↔ j= (X(f ))

3. DESPLAZAMIENTO TEMPORAL:
x(t) ↔ X(f )
x(t − t0 ) ↔ X(f ) e−jwt0
Una señal desplazada en el tiempo, no sufre modificaciones en el módulo de su
espectro, sólo en la fase.

12
4. DIFERENCIACIÓN:

x(t) ↔ X(f )
dx(t)
↔ (j2πf ) X(f )
dt
dn x(t)
n
↔ (j2πf )n X(f )
dt
La diferenciación realza las altas frecuencias.

5. INTEGRACIÓN:

x(t) ↔ X(f )
Z t
1 1
x(τ )dτ ↔ X(f ) + X(0) δ(f )
−∞ j2πf 2

La integración suprime las altas frecuencias.

6. CAMBIO DE ESCALA:

x(t) ↔ X(f )
 
1 f
x(at) ↔ X
|a| a

Comprimir una señal en el tiempo implica expandir su espectro.

7. DUALIDAD:

x(t) ↔ X(f )
X(t) ↔ x(−f )

8. DESPLAZAMIENTO EN FRECUENCIA O MODULACIÓN:

x(t) ↔ X(f )
j2πf0 t
x(t) e ↔ X(f − f0 )

9. CONJUGACIÓN:

x(t) ↔ X(f )
x∗ (t) ↔ X ∗ (−f )

13
4.6. Teorema de Parseval

El teorema de Parseval (también llamado de Rayleigh) nos indica como calcular la

energı́a de una señal:
Z ∞ Z ∞
2
Ex = |x(t)| dt = |X(f )|2 df
−∞ −∞

Siendo
Sx (f ) = |X(f )|2 → Densidad Espectral de Energı́a

Demostración:
Z ∞ Z ∞ Z ∞ Z ∞ 
2 ∗ ∗ −j2πf t
|x(t)| dt = x(t)x (t)dt = x(t) X (f )e df dt
−∞ −∞ −∞ −∞
Z ∞ Z ∞ Z ∞
∗ −j2πf t
= X (f ) x(t)e dtdf = X ∗ (f )X(f )df
Z−∞
∞
−∞ −∞

= |X(f )|2 df
−∞

donde |x(t)|2 representa energı́a de la señal por unidad de tiempo y |X(f )|2 repre-
senta energı́a por unidad de frecuencia.

4.7. Convolución y Sistemas

Dado el sistema genérico que se muestra en la figura 3.4, a la entrada del mismo
tenemos una señal x(t) cuyo espectro es X(f ) y el sistema está caracterizado por una
respuesta al impulso h(t) cuyo espectro es H(f ).

Sistema
x(t) h(t) y(t)
X(f) H(f) Y(f)

Figura 3.4

La señal de salida en el dominio del tiempo se calculará (como ya hemos visto en el

tema anterior) realizando la convolución de la señal de entrada y la respuesta al impulso
del filtro :
y(t) = x(t) ∗ h(t)

14
Si esta expresión la trasladamos al dominio de la frecuencia y calculamos el espectro
de la señal de salida obtenemos:

Y (f ) = X(f ) · H(f )

El espectro de la señal de salida del sistema es el producto de los espectros de la señal

de entrada y de la respuesta al impulso del sistema. H(f ) se conoce también como
respuesta en frecuencia del sistema.

En general, la Transformada de Fourier de una señal es un número complejo que

tendrá su módulo y su fase:
Y (f ) = |Y (f )|ej∠Y (f )

Y (f ) = H(f ) · X(f )
|Y (f )| = |H(f )| · |X(f )|
∠Y (f ) = ∠H(f ) + ∠X(f )

Si multiplicamos esta expresión por su conjugado:

Y ∗ (f ) = H ∗ (f ) · X ∗ (f )

Obtenemos:
|Y (f )|2 = |H(f )|2 · |X(f )|2
donde |Y (f )|2 es la densidad espectral de energı́a de la señal y(t) y |X(f )|2 es la
densidad espectral de energı́a de la señal x(t).

En el dominio transformado podemos obtener fácilmente la expresión del sistema

inverso (en el dominio del tiempo es mas complicado):

h(t) ∗ hi (t) = δ(t)

H(f ) · Hi (f ) = 1
1
Hi (f ) =
H(f )

4.8. Asociación de sistemas LTI

Vamos a analizar los tipos de sistemas ya vistos pero ahora en el dominio de la

frecuencia:

15
CASCADA:

H(f) h(t)

Sistema Sistema
x(t) h2(t) y(t)
h1(t)

X(f) H1(f) H2(f) Y(f)

Figura 3.5

El sistema global estará caracterizado por:

h(t) = h1 (t) ∗ h2 (t)

H(f ) = H1 (f ) · H2 (f )

La señal de salida del sistema será:

y(t) = x(t) ∗ h1 (t) ∗ h2 (t)

Y (f ) = H(f ) · X(f )

PARALELO:

H1(f)
Sistema
h1(t)
x(t) + y(t)

X(f) Sistema Y(f)

h2(t)
H2(f)
H(f)
h(t)
Figura 3.6

El sistema global estará caracterizado por:

h(t) = h1 (t) + h2 (t)

H(f ) = H1 (f ) + H2 (f )

La señal de salida del sistema será:

y(t) = x(t) ∗ h1 (t) + x(t) ∗ h2 (t)

Y (f ) = H(f ) · X(f )

16
 REALIMENTACIÓN:

H1(f)
Sistema y(t)
x(t) + h1(t)
-
X(f) Y(f)

Sistema
z(t) h2(t)
H2(f)
H(f)
h(t)
Figura 3.7

z(t) = y(t) ∗ h2 (t)

y(t) = (x(t) − z(t)) ∗ h1 (t) = (x(t) − y(t) ∗ h2 (t)) ∗ h1 (t)
En el dominio de la frecuencia, las anteriores ecuaciones se convierten en:
Y (f ) = (X(f ) − Y (f ) · H2 (f )) H1 (f )
Y (f ) (1 + H1 (f ) · H2 (f )) = H1 (f )X(f )
Y (f ) H1 (f )
H(f ) = =
X(f ) 1 + H1 (f ) · H2 (f )

4.9. Distorsión de señales en transmisión

Lo deseado en un canal de transmisión es que la señal de salida sea lo mas parecida

posible a la señal de entrada del mismo; las únicas modificaciones posibles deben ser
que la señal sea amplificada o atenuada y retardada; en este caso podemos decir que
no existe distorsión en el canal de transmisión.
y(t) = kx(t − t0 )
Y (f ) = kX(f )e−jwt0
La respuesta en frecuencia del canal será de la forma:
H(f ) = ke−jwt0
La respuesta en frecuencia del canal H(f ) debe tener un módulo constante con la
frecuencia, si esto no ocurre ası́ tendremos DISTORSIÓN DE AMPLITUD; y su fase
debe ser lineal con la frecuencia, si esto no ocurre ası́ tendremos DISTORSIÓN DE
FASE.

Las distorsiones de amplitud y fase pueden compensarse colocando ecualizadores

en cascada en el canal de transmisión:

17
 CANAL ECUALIZADOR

x(t) HC(f) Heq(f) y(t)

Figura 3.8

El ecualizador se diseñará de manera que compense esta distorsión:

H(f ) = Hc (f ) · Heq (f )
H(f ) = ke−jwt0

ke−jwt0
Heq =
Hc (f )

4.10. Correlación y densidad espectral

La función de autocorrelación para señales definidas en energı́a es conocida:

Rx (τ ) = x(τ ) ∗ x∗ (−τ )
Z ∞
Rx (τ ) = x(t + τ )x∗ (t)dt
−∞

Si calculamos su transformada de Fourier:

T F (Rx (τ )) = X(f )X ∗ (f ) = |X(f )|2 = Sx (f )

La función de autocorrelación de una señal y densidad espectral de energı́a son pares

transformados:

x(t) ↔ X(f )
Rx (τ ) ↔ Sx (f )

Análogamente, para señales definidas en potencia, la equivalencia es con la densidad

espectral de potencia:
ρx (τ ) ↔ Gx (f )
En el caso de la correlación cruzada NO TIENE SENTIDO FÍSICO, únicamente sirve
para comprobar si dos señales están incorreladas:

Sxy (f ) = 0 → Rxy (τ ) = 0 → x(t) e y(t) INCORRELADAS

18
4.10.1. Relaciones de correlación en sistemas LTI

Dado el sistema de la figura 3.9 tendremos las siguientes relaciones de correlación:

Sistema
x(t) h(t) y(t)
X(f) H(f) Y(f)

Figura 3.9

Señales definidas en ENERGÍA:

Ryx (τ ) = Rx (τ ) ∗ h(τ )
Rxy (τ ) = Rx (τ ) ∗ h(−τ )
Ry (τ ) = Rx (τ ) ∗ h(τ ) ∗ h(−τ )
En el dominio de la frecuencia:
Syx (f ) = Sx (f )H(f )
Sxy (f ) = Sx (f )H ∗ (f )
Sy (f ) = Sx (f )|H(f )|2

Señales definidas en POTENCIA:

ρyx (τ ) = ρx (τ ) ∗ h(τ )
ρxy (τ ) = ρx (τ ) ∗ h(−τ )
ρy (τ ) = ρx (τ ) ∗ h(τ ) ∗ h(−τ )
En el dominio de la frecuencia:
Gyx (f ) = Gx (f )H(f )
Gxy (f ) = Gx (f )H ∗ (f )
Gy (f ) = Gx (f )|H(f )|2

4.11. Tipos de filtros básicos

Un filtro es un sistema que realiza una selección de determinadas componentes

frecuenciales de la señal de entrada permitiendo su paso y eliminando (filtrando) el

19
resto. El espectro de la señal de entrada X(f ) se va a ver modificado según el tipo de
filtro que utilicemos.

Existen diversos tipos de filtros, los mas comunes están representados en la figura
3.10.

Tipos de filtros:

El FILTRO PASO BAJO deja pasar las frecuencias comprendidas entre 0 y fc

eliminando el resto. Deja pasar las bajas frecuencias.

El FILTRO PASO ALTO deja pasar las frecuencias comprendidas entre fc e ∞

eliminando el resto. Deja pasar las altas frecuencias.

El FILTRO PASO BANDA deja pasar las frecuencias comprendidas entre f1 y

f2 eliminando el resto. Sólo deja pasar esa banda de frecuencias.

El FILTRO ELIMINA BANDA elimina las frecuencias comprendidas entre f1 y

f2 dejando pasar el resto. Sólo elimina esa banda de frecuencias.

El FILTRO PASO TODO deja pasar todas las frecuencias. Presenta sólo selec-
tividad en fase, el módulo no se ve afectado.

El FILTRO PEINE deja pasar un margen de frecuencias centrado en 0, ±f0 , ±2f0 .....

20
 |H(f)| |H(f)|

1 1

f f
- fc 0 fc - fc 0 fc
(b)
(a)

|H(f)| |H(f)|

1 1

f f
- f2 - f1 0 f1 f2 - f2 - f1 0 f1 f2

(c) (d)

|H(f)|

f
(e)

|H(f)|

-2f0 -f0 0 2f0

f
f0
(f)

(a) FILTRO PASO BAJO

(b) FILTRO PASO ALTO
(c) FILTRO PASO BANDA
(d) FILTRO ELIMINA BANDA
(e) FILTRO PASO TODO
(f) FILTRO PEINE

Figura 3.10

21