Análisis de Sistemas y Señales Curso 2023 Tema 5 - Análisis en Frecuencia de Señales y Sistemas Discretos Santiago Rodrı́guez 1 Introducción Análisis Frecuencial Transformadas: Señales A-Periódicas Periódicas Motivación: Tiempo Continuo Tiempo Discreto Transformada de Fourier (TF) Transformada de Fourier de Tiempo Discreto (TFTD) Transformada de Fourier de Tiempo Discreto (TFTD) Serie de Fourier (SF) & TF Serie Discreta de Fourier (SDF) & TFTD 2 Análisis Frecuencial SVID Desde el punto de vista computacional (no-simbólico) no es posible trabajar con funciones de variable independiente continua. En general se trabaja con secuencias (funciones de VI discreta). Secuencia x[n], con n ∈ Z, es un conjunto ordenado (sucesión) de valores. Dada x(t) real o compleja x[n] ≜ x(nT ), n ∈ Z Intervalo de muestreo: T . 1 Frec. de muestreo: fs = . T 3 Transformada de Fourier de Tiempo Discreto Transformada de Fourier de Tiempo Discreto (TFTD) Definición: Transformada de Fourier de Tiempo Discreto (TFTD) directa (ecuación de análisis): X (e j2πs ) = TFTD{x[·]}(e j2πs +∞ X )≜ x[n]e−j2πsn n=−∞ Transformada de Fourier de Tiempo Discreto inversa (o ecuación de sı́ntesis): x[n] = TFTD −1 +1/2 {X (·)}[n] ≜ X (ej2πs )ej2πsn ds −1/2 4 Propiedades Propiedades 1 Periodicidad (con perı́odo 1 -no necesariamente el fundamental-): X (ej2π(s+1) ) = +∞ X x[n]e−j2π(s+1)n = n=−∞ = +∞ X :1 = X (ej2πs ) x[n]e−j2πsn e−j2π1n n=−∞ Linealidad: TFTD x1 [n] ←−−→ X1 (ej2πs ) TFTD x2 [n] ←−−→ X2 (ej2πs ) TFTD a x1 [n] + b x2 [n] ←−−→ a X1 (ej2πs ) + b X2 (ej2πs ) 5 Propiedades 2 Desplazamiento en Tiempo y en Frecuencia: TFTD x[n − n0 ] ←−−→ e−j2πsn0 X (ej2πs ) TFTD ej2πs0 n x[n] ←−−→ X (ej2π(s−s0 ) ) Simetrı́as: TFTD x ∗ [n] ←−−→ X ∗ (e−j2πs ) TFTD x[−n] ←−−→ X (e−j2πs ) 6 Propiedades 3 Diferenciar TFTD x[n] − x[n − 1] ←−−→ (1 − e−j2πs )X (ej2πs ) Acumular n X X (ej2πs ) 1 TFTD y [n] = x[k] ←−−→ Y (ej2πs ) = + X (ej0 ) ↑↑↑(s) −j2πs 1−e |2 {z } k=−∞ valor medio Derivar en frecuencia TFTD n x[n] ←−−→ j dX (ej2πs ) 2π ds 7 Pares Transformados Algunos Pares Transformados 1 TFTD δ[n] ←−−→ 1 TFTD 1 ←−−→ ↑↑↑(s) TFTD δ[n − n0 ] ←−−→ e−j2πsn0 TFTD ej2πs0 n ←−−→ ↑↑↑(s − s0 ) TFTD cos(2πs0 n) ←−−→ 1 ( ↑↑↑(s + s0 ) + ↑↑↑(s − s0 )) 2 8 Algunos Pares Transformados 2 TFTD 1 1 − a e−j2πs TFTD 1 ↑↑↑(s) + −j2πs 2 1−e an u[n] ←−−→ u[n] ←−−→ TFTD ⊓N [n] ←−−→ , |a| < 1 sen(Nπs) , N impar sen(πs) 9 Convolución y producto de secuencias Convolución y producto de secuencias Convolución: TFTD z[n] = {x ∗ y }[n] ←−−→ Z (ej2πs ) = X (ej2πs )Y (ej2πs ) TFTD z[n] = x[n] y [n] ←−−→ Z (ej2πs ) = {X ⊛ Y }(ej2πs ) Cuidado: Al multiplicar dos señales en el dominio temporal, la TFTD del producto resulta igual a la convolución circular de las TFTDs. 10 Convolución Circular {X ⊛ Y }(e j2πs +1/2 )= X (ej2πλ )Y (ej2π(s−λ) )dλ −1/2 Conclusión: La única diferencia entre la convolución circular y la lineal es que la integral se realiza entre -1/2 y 1/2. Por otra parte, como el resultado es periódico con perı́odo 1, no tiene sentido calcular el resultado para valores de s más allá de un intervalo de largo 1. 11 Teoremas de Rayleigh y Parseval Teoremas de Rayleigh y Parseval Teorema de Rayleigh +∞ X ∗ +1/2 x[k]y [k] = X (ej2πs )Y ∗ (ej2πs )ds −1/2 k=−∞ Teorema de Parseval +∞ X k=−∞ |x[k ]|2 = +1/2 |X (ej2πs )|2 ds −1/2 12 Respuesta en frecuencia de un SLID Respuesta de un SLID a una exponencial compleja En forma similar a como hicimos para sistemas LIT, podemos calcular la respuesta de un SLID con respuesta impulsional h[n] a una exponencial compleja de entrada x[n] = ej2πs0 n ∞ X y[n] = x[n − m]h[m] y[n] = m=−∞ ∞ X ej2πs0 (n−m) h[m] m=−∞ y [n] = e j2πs0 n ∞ X e−j2πs0 m h[m] m=−∞ y [n] = H(ej2πs0 )ej2πs0 n 13 Respuesta de un SLID a una exponencial compleja Tenemos entonces, un resultado similar al que obtuvimos para SLIT Conclusión: En un SLID, cuando entra una exponencial compleja, sale una exponencial compleja de la misma frecuencia. Pero su amplitud y fase cambian de acuerdo a H(ej2πs0 ). Las exponenciales complejas son autofunciones de los SLID y los correspondientes valores H(ej2πs0 ) son los autovalores. 14 Respuesta en frecuencia de un SLID Nuevamente, podemos definir la respuesta en frecuencia de un SLID (siempre y cuando este sea estable) H(e j2πs )= ∞ X h[n]e−j2πsn n=−∞ que es la TFTD de la respuesta impulsional. 15 Respuesta en frecuencia de un SLID También podemos encontrar una relación entre la respuesta en frecuencia y las transformadas de las señales de entrada y salida. Si suponemos un SLID con respuesta impulsional h[n], tenemos que y[n] = {x ∗ h}[n] Y por la propiedad de la transformada de la convolución Y (ej2πs ) = H(ej2πs )X (ej2πs ) donde H(ej2πs ) es la respuesta en frecuencia del sistema. 16 Un ejemplo Supongamos que tenemos un SLID descripto por la ecuación en diferencias y[n] − ay[n − 1] = x[n] Si aplicamos TFTD a ambos lados Y (ej2πs ) − ae−j2πs Y (ej2πs ) = X (ej2πs ) y reacomodando H(ej2πs ) = Y (ej2πs ) 1 = j2πs X (e ) 1 − ae−j2πs ¿Cuál será la respuesta impulsional? 17 Un ejemplo Graficamos el módulo de la respuesta en frecuencia para a = 0,5 18 Un ejemplo Si sólo lo miramos para s ∈ [−0,5; 0,5] 19 Un ejemplo Ahora hacemos lo mismo para a = −0,5 20 Serie Discreta de Fourier Serie Discreta de Fourier (SDF) Definición: Si x[n] es periódica de perı́odo N (x[n] = x[n + N], N ∈ Z ), se puede representar como: x[n] = N−1 X ck ej2πnk/N k=0 donde ck son los coeficientes de la serie y se calculan como: ck = N−1 1 X x[n]e−j2πnk/N N n=0 21 Teorema útil Teorema N−1 X ( ej2πkn/N = Nδ[(k)N ] = n=0 N si (k )N = 0 0 si (k )N ̸= 0 donde (k )N denota k mod N, el resto de dividir a k por N Si k = mN ⇒ N−1 X ej2πmNn/N = n=0 N−1 X 1 = N. n=0 Si k ̸= mN N−1 X n=0 ej2πkn/N = ej0 − ej2πkN/N 1−1 = =0 j2πk/N 1−e 1 − ej2πk/N 22 Serie Discreta de Fourier (SDF) Demostración: x[n] = N−1 X N−1 1 X x[m]e−j2πmk/N N ej2πnk /N m=0 k=0 x[n] = ! N−1 N−1 X 1 X x[m] ej2π(n−m)k/N N m=0 x[n] = k=0 N−1 1 X x[m] N δ[(n − m)N ] N m=0 x[n] = N−1 X x[m]δ[(n − m)N ] = x[n] m=0 23 Vinculación con la TFTD Vinculación de la SDF con la TFTD Al igual que en el caso de TF, ¿habrá alguna vinculación entre los ck y la TFTD de un perı́odo de la señal? Podemos pensar que x[n] puede representarse como: x[n] = {x1 ∗ pN }[n] con pN [n] = +∞ X δ[n − kN] k=−∞ Entonces, ( x1 [n] = x[n] n = 0 . . . N − 1 0 c.c. ) 24 Vinculación de la SDF con la TFTD X1 (e j2πs +∞ X )= x1 [n]e N−1 1 X ck = x[n]e−j2πnk /N N −j2πsn n=−∞ X1 (e j2πs )= N−1 X n=0 x1 [n]e −j2πsn n=0 N−1 1 X ck = x1 [n]e−j2πnk /N N n=0 ck = 1 X1 (ej2πs ) N s=k /N Conclusión Los ck pueden obtenerse a partir de la TFTD de UN PERÍODO. 25 TFTD de una señal periódica ¿Cómo resulta la TFTD de una señal periódica? Si x[n] es periódica de perı́odo N (x[n] = x[n + N], N ∈ Z ) x[n] = N−1 X ck ej2πnk/N k=0 Por linealidad TFTD{x[n]} = N−1 X ck TFTD{ej2πnk /N } k =0 TFTD{x[n]} = N−1 X ck ↑↑↑(s − k /N) k=0 Que también puede demostrarse (camino más largo) a partir de x[n] = {x1 ∗ pN }[n] 26 Señales Periódicas a Través de SLIDs Señales periódicas a través de SLIDs Si x[n] es periódica de perı́odo N (x[n] = x[n + N], N ∈ Z ) x[n] = N−1 X ck ej2πnk/N k=0 e ingresa a un SLID con respuesta impulsional h[n], siendo H(ej2πs ) = TFTD{h[n]} Por linealidad y [n] = N−1 X ck H(e j2πk/N )e j2πnk /N = k=0 N−1 X dk ej2πnk/N k=0 ∴ dk = ck H(ej2πk/N ) 27