TEMA 6: TRANSFORMADA DE FOURIER EN
TIEMPO DISCRETO
OBJETIVOS
Ser capaz de expresar las secuencias en el dominio de la frecuencia.
Conocer la Transformada de Fourier en tiempo discreto, así como sus
propiedades.
Ser capaz de analizar sistemas en tiempo discreto en el dominio de la frecuencia.
1
Índice
1. Señales de tiempo discreto en el dominio de la frecuencia. 3
1.1. Desarrollo en serie de Fourier discreto. . . . . . . . . . . . . . . . . . . 3
1.2. Transformada de Fourier en tiempo discreto. . . . . . . . . . . . . . . . 4
1.2.1. Condición de existencia de la transformada de Fourier en tiempo
discreto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3. Propiedades de la transformada de Fourier de secuencias. . . . . . . . 5
1.4. Cálculo de transformadas. . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4.1. Uso de la delta de Dirac: transformadas en el lı́mite. . . . . . . . 8
1.4.2. Espectros de algunas secuencias básicas. . . . . . . . . . . . . . 9
2. Sistemas discretos LTI en el dominio de la frecuencia. Función de
transferencia. 14
2.1. Relaciones de energı́a y potencia en un sistema LTI. . . . . . . . . . . . 15
2.2. Agrupaciones de sistemas en el dominio de la frecuencia. . . . . . . . . 16
2.3. Funciones de transferencia de los filtros ideales. . . . . . . . . . . . . . 17
2.4. Funciones de transferencia de los sistemas LTI descritos por ecuaciones
en diferencias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2
1. Señales de tiempo discreto en el dominio de la
frecuencia.
La representación de las señales discretas en el dominio de la frecuencia no es más
que su descripción como una combinación lineal de señales sinusoidales complejas. Cada
señal sinusoidal componente de una secuencia x[n] tendrá una amplitud y una fase.
¿Cómo es posible hallar el peso de cada componente frecuencial en x[n]?
En el caso de señales discretas periódicas, se emplea el análisis del desarrollo en
serie de Fourier discreto. En una señal de periodo N0 sólo habrá hasta N0 sinusoides
distintas, y todas ellas tendrán una frecuencia discreta múltiplo de la inversa del periodo
(sinusoides relacionadas armónicamente).
El resto secuencias también pueden descomponerse en señales sinusoidales comple-
jas, pero ahora entrarán en juego sinusoides de todas las frecuencias discretas. Para
obtener la amplitud y la fase de cada componente en cierta señal x[n], se tiene que
calcular su Transformada de Fourier en Tiempo Discreto (DTFT, del inglés Discrete
Time Fourier Transform).
1.1. Desarrollo en serie de Fourier discreto.
Una señal periódica discreta de periodo N0 muestras cumple que
x[n] = x[n + N0 ], ∀n. (1)
A fd0 = 1/N0 se le conoce como frecuencia fundamental de la señal periódica. Se
puede demostrar que toda secuencia periódica se puede expresar como una combinación
lineal de N0 sinusoides complejas discretas relacionadas armónicamente con respecto
a 1/N0 . En este caso, las ecuaciones de sı́ntesis y de análisis del desarrollo en serie de
Fourier discreto son, respectivamente,
N 0 −1
X 2π
jN kn
x[n] = ck · e 0 (2)
k=0
y
N0 −1
1 X −j 2π kn
ck = x[n]e N0 con k = 0, · · · , N0 − 1. (3)
No n=0
3
1.2. Transformada de Fourier en tiempo discreto.
La transformada de Fourier de una secuencia, x[n], absolutamente sumable, se
define como:
∞
X
X(ejω ) = x[n]e−jωn (4)
n=−∞
en donde ω es la frecuencia angular y su relación con la frecuencia lineal es ω = 2πf .
jω
La función X(ejω ) es, en general, compleja: X(ejω ) = |X(ejω )|eΦx (e ) y constituye
la expresión de la secuencia x[n] en el dominio de la frecuencia. La representación del
módulo de la transformada de Fourier, |X(ejω )|, constituye el espectro de amplitud y
la de Φx (ejω ) el espectro de fase de la secuencia (figura 1).
De la expresión (4) se pueden deducir varias cosas. La primera es que, a pesar
de que se trata de la representación en el dominio de la frecuencia de una secuencia,
el resultado es una función de variable continua (ω o f ); ası́ pues, tratar u operar
con espectros en sistemas digitales (p. e. ordenadores), sigue siendo labor imposible.
La segunda, que de la ecuación (4) se desprende, –a consecuencia de la periodicidad
de las funciones e−jωn –, que el espectro X(ejω ) de cualquier secuencia, representada
frente a la variable ω, es una función periódica, de perı́odo 2π, o de perı́odo 1 si la
representamos frente a la variable f . Ası́ pues, toda la información de la secuencia,
quedará comprendida, en términos espectrales, en un sólo perı́odo del espectro, por
ejemplo, en el primero, entre las frecuencias de 0 y 1 (u.t.d.)−1 . Esta última propiedad
diferencia sustancialmente los espectros de las secuencias de los de las señales de tiempo
continuo.
La ecuación (4) es reversible, pudiéndose volver al dominio del tiempo; esto es,
realizar la sı́ntesis de x[n] a partir de X(ejω ) mediante la transformada inversa de
Fourier, que se define como:
Z π
1
x[n] = X(ejω )ejωn dω, (5)
2π −π
o bien Z 0,5
x[n] = X(ejω )ej2πf n df. (6)
−0,5
Nótese que es necesario calcular una integral definida para sintetizar x[n], puesto
que X(ejω ) es una función de variable continua.
Habitualmente se habla de par de transformadas y se emplea la notación
x[n] ←→ X(ejω ) (7)
4
Figura 1: Espectro de una secuencia absolutamente sumable.
al referirnos a una secuencia y su transformada de Fourier.
1.2.1. Condición de existencia de la transformada de Fourier en tiempo
discreto.
El sumatorio que define la transformada de Fourier,
∞
X
x[n] · e−jωn , (8)
n=−∞
convergerá si y sólo si la señal en tiempo discreto, x[n], es absolutamente sumable. Esto
es, siempre que se cumpla que:
∞
X
|x[n]| < ∞. (9)
n=−∞
Aún ası́, es posible generalizar la DTFT para incluir también secuencias que no
cumplen la condición anterior (por ejemplo las señales periódicas). Se habla entonces
de transformada de Fourier en el lı́mite. Para describir los espectros de estas señales se
necesitarán funciones delta de Dirac.
Estas transformadas se justifican porque se comprueba que al introducirlas en la
ecuación de sı́ntesis de la DTFT (DTFT inversa) se obtiene la secuencia x[n] corre-
spondiente.
1.3. Propiedades de la transformada de Fourier de secuencias.
A continuación se relacionan las propiedades matemáticas más interesantes de la
transformada de Fourier de las secuencias. Como se observará, son análogas a las ya
conocidas para las señales de tiempo continuo. Para todas ellas asumiremos conocido
el par de transformadas
x[n] ←→ X(ejω )
5
Linealidad.
La transformada de una combinación lineal de secuencias es la combinación lineal
de sus transformadas: n n
X X
Ai xi [n] ←→ Ai Xi (ejω ) (10)
i=1 i=1
Simetrı́a.
x∗ [n] ←→ X ∗ (e−jω ) (11)
x[−n] ←→ X(e−jω ) (12)
x∗ [−n] ←→ X ∗ (ejω ) (13)
De (11) se deduce que, si x[n] es real, entonces x[n] = x∗ [n], luego X(ejω ) =
X (e−jω ) y también X ∗ (ejω ) = X(e−jω ), de donde se llega a:
∗
|X(ejω )| = |X(e−jω )|
Φx (ejω ) = −Φx (e−jω )
Esto es: el espectro de amplitud será una función par y el espectro de fase una fun-
ción impar. Si combinamos esta propiedad con la periodicidad intrı́nsecamente asociada
a cualquier X(ejω ) mencionada anteriormente, obtenemos que, en términos espectrales,
las secuencias reales quedan completamente definidas en medio perı́odo del espectro,
por ejemplo, entre las frecuencias de 0 y 0,5 (u.t.d.)−1 . Este hecho se puede observar
en la figura 1, en la que se representa el espectro de una secuencia real.
Traslación en el tiempo.
Retardar o adelantar la secuencia equivale, en el dominio de la frecuencia, a multi-
plicar por un fasor:
x[n ± n0 ] ←→ X(ejω )e±jωn0 (14)
Traslación en frecuencia o modulación.
6
Desplazar hacia delante o hacia atrás el espectro de una secuencia equivale, en el
dominio del tiempo, a multiplicar una sinusoide compleja o modular la secuencia:
x[n]e∓jω0 n ←→ X ej(ω±ω0 )
(15)
Diferenciación.
Derivando en el dominio de la frecuencia:
dX(ejω )
nx[n] ←→ j . (16)
dω
Teorema de la convolución.
Se puede demostrar que la transformada de Fourier de la convolución de dos se-
cuencias, x[n]) e y[n] se puede calcular como el producto de sus espectros:
x[n] ∗ y[n] ←→ X(ejω ) · Y (ejω ) (17)
Teorema del enventanado.
A la inversa también se verifica que
x[n]y[n] ←→ X(ejω ) ∗2π Y (ejω ), (18)
definiéndose la operación convolución periódica ∗2π en el dominio de la frecuencia de
la siguiente forma:
Z π
jω jω 1
X(e ) ∗2π Y (e ) = X(ejθ )X(ej(ω−θ) )dθ. (19)
2π −π
Teorema de Parseval.
Vimos en el tema anterior que, en el dominio del tiempo, la energı́a de una secuencia
(definida en términos de energı́a) podı́amos calcularla ası́:
∞
X
Ex = |x[n]|2 . (20)
n=−∞
7
Si en la expresión anterior sustituimos x[n] por la fórmula de sı́ntesis (5), operando
se llega a: Z π
1
Ex = |X(ejω )|2 dω (21)
2π −π
que es la expresión del teorema de Parseval para secuencias definidas en términos de
energı́a. En (21) se observa explı́citamente que toda la información de la secuencia
queda comprendida en un sólo perı́odo de su espectro, pues solamente uno de ellos
comprende toda la energı́a de la secuencia.
Se llama densidad espectral de energı́a a la función
Sx (ejω ) = |X(ejω )|2 , (22)
ya que representa la energı́a por unidad de frecuencia de la señal x[n].
Para el caso de señales periódicas, definidas en términos de potencia, el teorema de
Parseval toma la forma:
N0 −1 N 0 −1
1 X 2
X
Px = |x[n]| = |ck |2 . (23)
N0 n=0 k=0
1.4. Cálculo de transformadas.
En general, el cálculo analı́tico de las transformadas de Fourier de las secuencias se
limita a sumar la serie (4). En muchos casos dicha suma es sencilla, pues se trata de
una serie de potencias:
∞ n2
X X 1er termino − ([Link]) × r
X(ejω ) = x[n]e−jωn = (r)n = (24)
n=−∞ n1
1−r
En otras ocasiones conviene apoyarse en el conocimiento previo de algún par de
transformadas y en las propiedades de la transformada de Fourier.
1.4.1. Uso de la delta de Dirac: transformadas en el lı́mite.
Para secuencias definidas en términos de potencia la suma (4) es divergente, por
lo que la transformada de Fourier no es un procedimiento válido para obtener sus
espectros. Como ya se ha comentado, apoyándonos en la delta de Dirac es posible hablar
de transformada de Fourier en el lı́mite y obtener los espectros de estas secuencias. La
justificación de que el resultado presentado, en el que intervienen deltas de Dirac, es
el espectro de una determinada secuencia definida en términos de potencia se obtiene
introduciendo dicha función, X(ejω ), en la fórmula de sı́ntesis (5) y comprobando que
se obtiene la x[n] pretendida.
8
Figura 2: Espectro del impulso unidad.
1.4.2. Espectros de algunas secuencias básicas.
Espectro de la secuencia impulso unidad.
Aplicando la definición se obtiene directamente,
x[n] = δ[n] ←→ X ejω = 1.
(25)
La transformada de la secuencia impulso unidad es la unidad (figura 2). General-
izando el resultado, aplicando las propiedades de linealidad y de traslación en el tiempo
obtendremos:
x[n] = Aδ[n − n0 ] ←→ X ejω = Ae−jωn0 .
(26)
Una impulso de amplitud A, situado en el instante n0 tiene un espectro de amplitud
de valor A, constante, y un espectro de fase Φx (ejω ) lineal, de pendiente negativa
p = −2πn0 .
Espectro de una secuencia constante.
La secuencia x[n] = 1 ∀n es una secuencia definida en términos de potencia, por lo
que es necesario el uso de deltas de Dirac para expresar su espectro. Este es:
∞
X
x[n] = 1 ←→ 2π δ(ω − 2πk). (27)
k=−∞
En efecto, la expresión anterior es periódica, de perı́odo 2π, y, además, si la intro-
ducimos en la fórmula de sı́ntesis (5) se obtiene la secuencia x[n] = 1 ∀n (figura 3).
Espectro de una sinusoide compleja.
9
Figura 3: Espectro de una secuencia constante.
Figura 4: Espectro de una sinusoide compleja discreta.
A partir de (27), aplicando la propiedad de linealidad y de modulación obtendremos:
∞
X
Aej(ωd n+φ0 ) ←→ 2πAeφ0 δ(ω − ωd − 2πk) (28)
k=−∞
Es decir, la transformada en el lı́mite de una sinusoide compleja discreta de fre-
cuencia fd y amplitud A es un tren de deltas de Dirac de peso 2πA, posicionadas en
las frecuencias angulares ωd − 2πk (figura 4). Recuérdese que una sinusoide discreta es
una secuencia definida en términos de potencia que sólo es periódica si su frecuencia
discreta, fd , es un número racional.
A la vista de la figura 4 se puede obtiene una conclusión importante: como ya vimos,
el rango de valores de fd que conducen a secuencias diferentes está comprendido en el
intervalo 0 ≤ fd < 1. Si la frecuencia discreta de la sinusoide está fuera de este intervalo
siempre es posible encontrar un valor de fd dentro del intervalo que conduce al mismo
espectro y, por tanto, a una secuencia idéntica.
Espectro de una sinusoide real.
Aprovechando el resultado (28) es sencillo calcular la transformada en el lı́mite de
una sinusoide real, descomponiéndola en semisuma de sinusoides complejas:
∞
X ∞
X
jφ0 −jφ0
A cos(ωd n+φ0 ) ←→ πAe δ(ω−ωd −2πk)+πAe δ(ω+ωd −2πk). (29)
k=−∞ k=−∞
Esto es, la transformada en el lı́mite de una sinusoide real de amplitud A y frecuencia
fd es un tren de pares de deltas, de pesos πAe±jφ0 , ubicadas en las frecuencias angulares
±ωd (figura 5).
10
Figura 5: Espectro de una secuencia sinusoidal real (coseno).
Figura 6: Espectro de una secuencia periódica.
A la vista de la figura 5 se puede llegar a la siguiente conclusión importante: el
rango de valores de fd que conducen a secuencias diferentes está comprendido en el
intervalo 0 ≤ fd ≤ 0,5. Si la frecuencia discreta de la sinusoide está fuera de este
intervalo siempre es posible encontrar un valor de fd dentro del intervalo que conduce
al mismo espectro y, por tanto, a una secuencia idéntica.
Espectro de cualquier secuencia periódica.
Dada una secuencia periódica, x[n] = x[n + N0 ], su desarrollo en serie de Fourier
discreto, según se ha visto, será:
N 0 −1
X 2π
jN kn
x[n] = ck e 0 .
k=0
Es decir, x[n] es una combinación lineal de N0 sinusoides complejas discretas, cuya
transformada en el lı́mite conocemos (28). Aplicando la propiedad de linealidad:
N 0 −1 N 0 −1 +∞
X 2π
jN kn
X X 2π
ck e 0 ←→ 2πck δ(ω − k − 2πl). (30)
k=0 k=0 l=−∞
N0
Por tanto, la transformada en el lı́mite de una secuencia periódica de perı́odo N0
es un tren periódico de grupos de N0 deltas de Dirac, cuyos pesos son los coeficientes
del desarrollo en serie de Fourier de x[n]. Nótese que los ck son complejos, esto es,
ck = |ck |ejΦk .
11
Figura 7: Espectro de la secuencia pulso cuadrado.
Espectro de la secuencia pulso cuadrado.
Recordando la definición del pulso cuadrado:
Yn A 0≤n≤L−1
x[n] = A =
L 0 resto
Si aplicamos la definición de transformada de Fourier:
∞ L−1
X
−jωn
X 1 − e−jωL sen(ωL/2) −jω L−1
jω
X(e ) = x[n]e = Ae−jωn = A −jω
=A e 2 . (31)
n=−∞ n=0
1−e sen(ω/2)
En la figura 7 se representa el espectro del pulso cuadrado. Obsérvese su simili-
tud con la función sinc (espectro del pulso cuadrado de tiempo continuo). El término
e−jω(L−1)/2 aparece como consecuencia de que, en este caso, la secuencia comienza en el
origen y en el caso de la señal de tiempo continuo estaba centrada en éste. Además cabe
destacar que el valor máximo de este espectro es AL y número de máximos (absolutos
y relativos) que tiene la función en cada perı́odo es igual al número de muestras L del
pulso.
Espectro de la secuencia sinc.
Se define la secuencia sinc como:
ωc ω
c
x[n] = sinc n , 0 ≤ ωc < π (32)
π π
12
Figura 8: Espectro de la secuencia sinc.
Se trata de una secuencia de longitud infinita, definida en términos de energı́a,
pero no absolutamente sumable. Tiene transformada de Fourier, pero si aplicamos la
definición, no es posible hallar la expresión analı́tica de ésta, puesto que no existe
procedimiento conocido para sumar la serie. Para obtener el resultado se procede a la
inversa: se piensa en la expresión esperada para el resultado (que guardará relación con
la transformada de Fourier de una señal de tiempo continuo de la que se pueda haber
obtenido por muestreo la secuencia en cuestión (en este caso la señal 2W sinc(2W t)) y
se introduce en la fórmula de sı́ntesis para comprobar si se obtiene de nuevo la secuencia
x[n]. Por este procedimiento se llega a que el espectro de la secuencia sinc es:
∞ Y
ωc ω
c
X ω − 2πk
sinc n ←→ (33)
π π k=−∞
2ωc
En la figura 8 se muestra el resultado anterior. Obsérvese que, si ωc ≥ π, se sola-
parı́an los pulsos cuadrados obteniéndose un espectro continuo.
Espectro de la secuencia exponencial real.
Se define la secuencia:
x[n] = an u[n] para a real, tal que |a| < 1. (34)
Se trata de una secuencia definida en términos de energı́a y absolutamente sumable.
Para calcular la transformada de Fourier aplicamos la definición y sumamos la serie:
∞ ∞
X
−jωn
X 1
jω
X(e ) = x[n]e = an e−jωn = . (35)
n=−∞ n=0
1 − ae−jω
Si a = 1 la secuencia exponencial se convierte en un escalón unidad, secuencia
definida en términos de potencia para la que la suma anterior es divergente. En este
caso se tiene una transformada en el lı́mite con deltas de Dirac:
∞
jω 1 X
X(e ) = +π δ(ω − 2πk). (36)
1 − e−jω k=−∞
13
Figura 9: Caracterización de un sistema LTI en el dominio de la frecuencia.
2. Sistemas discretos LTI en el dominio de la fre-
cuencia. Función de transferencia.
En el tema anterior se demostró que, en los sistemas lineales e invariantes, conocida
la respuesta al impulso, h[n], era posible conocer la respuesta a cualquier excitación
calculando:
y[n] = x[n] ∗ h[n].
Si aplicamos la transformada de Fourier a la expresión anterior, en virtud del teo-
rema de la convolución, se tendrá:
Y (ejω ) = X(ejω )H(ejω ). (37)
En la expresión anterior, Y (ejω ) y X(ejω ) son, respectivamente, los espectro de
la respuesta y la excitación y H(ejω ) es la transformada de Fourier de la respuesta
impulsiva, a la que se denomina función de transferencia del sistema (figura 9).
Trabajemos un poco con la expresión (37) para descubrir algunas cosas. Primer-
amente no hay que olvidar que, puesto que la función de transferencia, H(ejω ), es la
transformada de Fourier de una secuencia, tendrá las propiedades de ésta: en especial
hay que tener presente que será periódica, con periodicidad 2π. Debido a ello, el rango
de valores de frecuencia que es necesario considerar a efectos de estudiar que trans-
formación produce el SLI sobre la secuencia será 0 ≤ f < 1 (u.t.d)−1 (en pulsación,
0 ≤ ω < 2π rad/muestra o rad/u.t.d). Además, si el sistema LTI es real, este rango se
reduce a 0 ≤ f ≤ 0,5 (u.t.d)−1 (0 ≤ ω ≤ π rad/muestra). Por otra parte, dado que las
14
tres funciones son complejas, se tendrá:
Y (ejω ) = X(ejω )H(ejω )
|Y (ejω )| = |X(ejω )||H(ejω )| (38)
Φy (ejω ) = Φx (ejω ) + Φh (ejω )
De la expresión anterior se deduce que un sistema lineal e invariante no puede
crear componentes espectrales que no estén presentes en la excitación, aunque sı́ puede
transformar su amplitud y su fase, o, incluso, eliminarlas completamente. Además, si
el sistema es real h[n] será real, y, en este caso, por la propiedad de simetrı́a de la
transformada de Fourier, tendremos que:
|H(ejω )| = |H(e−jω )|
(39)
jω −jω
Φh (e ) = −Φh (e )
el módulo de la función de transferencia será una función par, y su fase una función
impar.
2.1. Relaciones de energı́a y potencia en un sistema LTI.
A partir de (38) se deduce que, para señales definidas en términos de energı́a:
|Y (ejω )|2 = |X(ejω )|2 |H(ejω )|2 (40)
Sy (ejω ) = Sx (ejω )|H(ejω )|2 (41)
esto es; la densidad espectral de energı́a a la salida del sistema, Sy (ejω ), es el pro-
ducto de la de la excitación por el cuadrado del módulo de la función de transferencia.
Si la excitación es una señal definida en términos de potencia no es posible elevar
al cuadrado el módulo de su espectro, como se ha hecho en (40). Para este conjunto de
señales se define una función densidad espectral de potencia, G(ejω ), que verificará la
relación:
Gy (ejω ) = Gx (ejω )|H(ejω )|2 (42)
15
Figura 10: Conexión en cascada o serie de dos sistemas LTI en el dominio de la frecuencia.
Figura 11: Conexión en paralelo de dos sistemas LTI en el dominio de la frecuencia.
2.2. Agrupaciones de sistemas en el dominio de la frecuencia.
Conexión en cascada.
Por el teorema de la convolución:
hC [n] = h1 [n] ∗ h2 [n] ←→ H1 (ejω )H2 (ejω )
(43)
jω jω jω
HC (e ) = H1 (e )H2 (e )
La función de transferencia de la conexión de dos sistemas en cascada es el producto
de las de éstos.
Conexión en paralelo.
16
X ( e ω)
j
Z ( e ω) H ( e ω)
j
j
Y ( e ω)
j
H ( e ω)
2
j
Figura 12: Conexión con realimentación de dos sistemas LTI en el dominio de la frecuencia.
Por la propiedad de linealidad:
hP [n] = h1 [n] + h2 [n] ←→ H1 (ejω ) + H2 (ejω )
(44)
jω jω jω
HP (e ) = H1 (e ) + H2 (e )
La función de transferencia de la conexión de dos sistemas en cascada es la suma
de las de éstos.
Conexión con realimentación.
En el dominio de la frecuencia se tiene que:
Z(ejω ) = Y (ejω ) · H2 (ejω ) + X(ejω ), (45)
Y (ejω ) = H1 (ejω ) · Z(ejω ). (46)
Sustituyendo la primera ecuación en la segunda,
Y (ejω ) = H1 (ejω ) · Y (ejω ) · H2 (ejω ) + X(ejω ) ,
(47)
y despejando la relación entre excitación y respuesta, se llega a:
Y (ejω ) H1 (ejω )
HR (ejω ) = = . (48)
X(ejω ) 1 − H1 (ejω )H2 (ejω )
2.3. Funciones de transferencia de los filtros ideales.
En los filtros discretos, reales, dada la periodicidad de la función de transferencia,
todas las bandas de paso, eliminadas, frecuencias de corte, etc. que definan ésta función
están comprendidas en el rango de frecuencias 0 ≤ f ≤ 0,5. Esta es una diferencia
17
Figura 13: Función de transferencia de un filtro paso bajo ideal.
fundamental con los filtros analógicos, en donde el rango de frecuencias se extiende
entre 0 e ∞.
En la práctica los filtros ideales no son realizables. Se puede demostrar que su
respuesta impulsiva es tal que el sistema resultante no es estable. No obstante podemos
aproximarnos considerablemente a ellos mediante LTI estables; de hecho, mucho más
fácilmente y con mayor precisión que en los filtros analógicos.
Filtro paso bajo.
En este tipo de filtro existe solamente una banda de paso, de B unidades de fre-
cuencia de anchura, comprendida en el intervalo de frecuencias 0 < f < fc < 0,5. A
la frecuencia lı́mite de la banda de paso se le denomina frecuencia de corte. En con-
secuencia, la única banda eliminada estará comprendida en el intervalo fc < f < 0,5.
Se denomina filtro paso bajo porque deja pasar las frecuencias por debajo de cierto
umbral y elimina las que están por encima de éste. La expresión analı́tica de la función
de transferencia es:
∞ Y
jω −jωn0
X ω − 2πk
HF P B (e ) = G e . (49)
k=−∞
2ω c
Obsérvese que la fase de la función de transferencia, –lineal de pendiente negativa–,
causará un retardo de n0 unidades de tiempo discreto sobre cualquier excitación a la
entrada del filtro.
Filtro paso alto.
En este tipo de filtro existe solamente una banda de paso, de B unidades de fre-
cuencia de anchura, comprendida en el intervalo de frecuencias fc < f < 0,5. En
consecuencia, la única banda eliminada estará comprendida en el intervalo 0 < f < fc .
Se denomina filtro paso alto porque deja pasar las frecuencias por encima de cierto
18
Figura 14: Función de transferencia de un filtro paso alto ideal.
Figura 15: Función de transferencia de un filtro paso banda ideal.
umbral y elimina las que están por debajo de éste. La expresión analı́tica de la función
de transferencia es:
∞ Y
jω −jωn0
X ω − π − 2πk
HF P A (e ) = G e . (50)
k=−∞
2(π − ωc )
Filtro paso banda.
En este tipo de filtro existe una banda de paso, de B Hz de anchura, comprendida
en el intervalo de frecuencias fci < f < fcs . Las frecuencias lı́mite se denominan fre-
cuencia de corte inferior y frecuencia de corte superior, y ambas estarán comprendidas
en el intervalo [0, 0,5]. En consecuencia existirán dos bandas eliminadas; la primera
estará comprendida en el intervalo 0 < f < fci y la segunda en fci < f < 0,5. Se
denomina filtro paso banda, porque deja pasar una banda de frecuencias intermedia,
centrada en la frecuencia f0 y elimina las que están por debajo y por encima de ésta.
La expresión analı́tica de la función de transferencia es:
∞ Y Y
jω −jωn0
X ω + ω0 − 2πk ω − ω0 − 2πk
HF P Bd (e ) = G e + . (51)
ω cs − ωci ωcs − ωci
k=−∞
Filtro banda eliminada.
En este tipo de filtro existe una banda eliminada, de B unidades de frecuencia
de anchura, comprendida en el intervalo de frecuencias fci < f < fcs . Las frecuencias
lı́mite se denominan frecuencia de corte inferior y frecuencia de corte superior, y ambas
19
Figura 16: Función de transferencia de un filtro banda eliminada ideal.
estarán comprendidas en el intervalo [0, 0,5]. En consecuencia existirán dos bandas de
paso; la primera estará comprendida en el intervalo 0 < f < fci y la segunda en
fci < f < 0,5. Se denomina filtro banda eliminada, porque elimina una banda de
frecuencias intermedia, centrada en la frecuencia f0 y deja pasar las que están por
debajo y por encima de ésta. La expresión analı́tica de la función de transferencia es:
∞ Y Y
jω −jωn0
X ω − 2πk ω − π − 2πk
HF BE (e ) = G e + . (52)
k=−∞
2ωci 2(π − ωcs )
Filtros con varias bandas de paso.
Se logran combinando arbitrariamente en paralelo y en cascada filtros de los tipos
anteriores.
2.4. Funciones de transferencia de los sistemas LTI descritos
por ecuaciones en diferencias.
La ecuación en diferencias que gobierna un sistema LTI viene dada por:
M
X N
X
y[n] = bk x[n − k] + ak y[n − k].
k=0 k=1
Aplicando la transformada de Fourier a la expresión anterior obtendremos:
M
X N
X
Y (ejω ) = bk X(ejω )e−jωk + ak Y (ejω )e−jωk . (53)
k=0 k=1
Podemos obtener H(ejω ) si en (53) despejamos:
PM −jωk
jω Y (ejω ) k=0 bk e
H(e ) = = . (54)
X(ejω ) 1− N
P −jωk
k=1 a k e
20
La expresión anterior es la función de transferencia de cualquier sistema lineal e
invariante. Escogiendo adecuadamente los coeficientes bk y ak podremos hacer que el
módulo y la fase de la función de transferencia se parezcan a las de un filtro ideal con
mayor o menor fidelidad, o bien a cualquier otra curva. En esto consiste el problema
de diseño de filtros discretos. Para obtener la respuesta impulsiva de un sistema LTI
hay que aplicar la transformada inversa de Fourier a la expresión (54).
21