Upload
espectroku
View
7.313
Download
1
Embed Size (px)
Citation preview
PROCESAMIENTO DIGITAL DE SEÑALES
Ing. Juan Salvador Palacios Fonseca
Ing. Juan Salvador Palacios Fonseca, UAN
2Rev. 05/2009
Objetivo
Familiarizar al alumno en las técnicas y algoritmos usados en el tratamiento digital de señales y sus aplicaciones en tiempo real.
Ing. Juan Salvador Palacios Fonseca, UAN
3Rev. 05/2009
Temario• Unidad 1: Conceptos generales
• 1. Introducción• 1.1Clasificación de señales• 1.1.1 Señal determinista y aleatoria• 1.1.2 Tiempo continuo, tiempo discreto• 1.1.3 Propiedades de la señal sinusoidal en tiempo continuo• 1.1.4 Propiedades de la señal sinusoidal en tiempo discreto• 1.1.5 Señales de energía y señales de potencia• 1.1.6 Señales simétricas (pares) y antisimétricas (impares)• 1.1.7 Señales periódicas y no periódicas• 1.2Conversión analógico – digital• 1.2.1 Teorema del muestreo• 1.2.2 Frecuencias alias o solapamiento
Ing. Juan Salvador Palacios Fonseca, UAN
4Rev. 05/2009
Temario• Unidad 2: Señales y sistemas en tiempo discreto
• 2.1Sistemas en tiempo discreto• 2.1.1 Representación de sistemas discretos mediante diagramas de
bloques• 2.1.2 Clasificación de los sistemas discretos• 2.2Sistemas discretos lineales e invariantes en el tiempo• 2.2.1 La convolución• 2.2.2 Propiedades de la convolución• 2.2.3 Correlación de señales discretas
Ing. Juan Salvador Palacios Fonseca, UAN
5Rev. 05/2009
Temario• Unidad 3: La transformada z y sus aplicaciones
• 3.1La Transformada z• 3.1.1 La transformada z bilateral• 3.1.2 R.O.C.• 3.1.3 Propiedades de la transformada z• 3.1.4 Polos y ceros• 3.2La transformada z inversa• 3.2.1 Cálculo directo mediante integración de contorno• 3.2.2 Método de inspección• 3.2.3 Expansión en serie de potencias• 3.2.4 Descomposición en fracciones simples• 3.2.5 Descomposición de transformadas z racionales• 3.3La transformada z unilateral• 3.4Análisis en el dominio z de sistemas lineales e invariantes en el tiempo
Ing. Juan Salvador Palacios Fonseca, UAN
6Rev. 05/2009
Temario• Unidad 4: Análisis frecuencial
• 4.1Análisis frecuencial de señales en tiempo discreto• 4.1.1 Transformada de Fourier de señales periódicas• 4.1.2 Densidad espectral de potencia de señales periódicas• 4.1.3 Transformada de Fourier de señales no periódicas• 4.1.4 Densidad espectral de potencia de señales no periódicas• 4.1.5 Relación de la transformada de Fourier con la transformada z• 4.2Propiedades de la transformada de Fourier de señales en tiempo
discreto• 4.2.1 Propiedades de simetría• 4.2.2 Teoremas• 4.3Características en el dominio de la frecuencia• 4.4Sistemas lineales e invariantes en el tiempo como filtros selectivos en
frecuencia
Ing. Juan Salvador Palacios Fonseca, UAN
7Rev. 05/2009
Temario• Unidad 5: Transformada de Fourier discreta
• 5.1Muestreo en el dominio de la frecuencia• 5.2Transformada de Fourier discreta• 5.2.1 DFT como una transformación lineal• 5.3Relación de la DFT con otras transformadas• 5.4Propiedades de la DFT• 5.5Métodos de filtrado lineal basados en la DFT• 5.5.1 Filtrado de secuencias de larga duración• 5.6Análisis frecuencial usando la DFT
Ing. Juan Salvador Palacios Fonseca, UAN
8Rev. 05/2009
Temario• Unidad 6: Transformada rápida de Fourier
• 6.1Introducción• 6.1.1 Cálculo directo de la DFT• 6.1.2 Cálculo de la DFT mediante el método “divide y venceras”• 6.1.3 Algoritmos para la FFT base-2• 6.1.4 Algoritmos para la FFT base-4• 6.1.5 Algoritmos para la FFT de base partida• 6.2Aplicaciones de los algoritmos para la FFT• 6.2.1 FFT de dos secuencias reales• 6.2.2 FFT de una secuencia real de 2N puntos• 6.2.3 Uso de la FFT en el filtrado lineal y la correlación• 6.3La DFT como una operación de filtrado lineal• 6.3.1 El algoritmo de Goertzel• 6.3.2 El algoritmo de la transformada z chirp• 6.4Efectos de la cuantificación en el cálculo de la DFT
Ing. Juan Salvador Palacios Fonseca, UAN
9Rev. 05/2009
Temario• Unidad 7: Diseño de filtros digitales
• 7.1Introducción• 7.2Diseño de filtros FIR• 7.2.1 Filtros Simétricos y antisimétricos• 7.2.2 Diseño de filtros de fase lineal usando ventanas• 7.2.3 Diseño de filtros de fase lineal mediante el método de
muestreo en frecuencia• 7.2.4 Diseño de filtros óptimos de fase lineal y rizado constante• 7.3Diseño de filtros IIR• 7.3.1 Diseño de filtros IIR mediante la aproximación de derivadas• 7.3.2 Diseño de filtros IIR mediante la invarianza impulsional• 7.3.3 Diseño de filtros mediante la transformación bilineal• 7.4Diseño de filtro digitales basado en el método de mínimos cuadrados• 7.4.1 Método de aproximación de Padé• 7.4.2 Método de diseño de mínimos cuadrados• 7.4.3 Diseño de filtros IIR en el dominio de la frecuencia
Ing. Juan Salvador Palacios Fonseca, UAN
10Rev. 05/2009
Temario• Unidad 8: Densidad espectral de potencia
• 8.1Introducción• 8.2Estimación de espectros a partir de observaciones de señales de
duración finita• 8.3Métodos no paramétricos para estimación espectral de potencia• 8.4Métodos paramétricos de estimación espectral de potencia• 8.5Estimación espectral de mínima varianza
Ing. Juan Salvador Palacios Fonseca, UAN
11Rev. 05/2009
Prácticas
1. Generación de señales Matlab: Sinusoidal Simple Matlab: Sinusoidal Compleja Matlab: Exponencial Matlab: Impulso
2. Muestreo Matlab: Muestreo de sinusoide Matlab: Simulación A/D Matlab: Simulación D/A C++: Muestreo de señal sinusoidal C++: Muestreo de voz
Ing. Juan Salvador Palacios Fonseca, UAN
12Rev. 05/2009
Prácticas...
1. Sistemas LTI Matlab: Respuesta en el dominio del tiempo de un filtro
IIR Matlab: Respuesta de un filtro IIR al impulso Matlab: Respuesta de un filtro IIR al escalón Matlab: Respuesta en el dominio de la frecuencia de un
filtro IIR2. Transformada discreta de Fourier
Matlab: Propiedades de la DFT Matlab y C++: La DFT como una matriz Matlab y C++: Convolución Matlab y C++: La FFT
3. Diseño de filtros de tiempo discreto Matlab: Filtros FIR Matlab: Filtros Chebyshev Matlab: Filtros IIR C++: Diseño de filtros para tiempo real
Ing. Juan Salvador Palacios Fonseca, UAN
13Rev. 05/2009
Bibliografía
PROAKIS, John G., Tratamiento digital de señales, Ed. Prentice Hall, Tercera Edición.
OPPENHEIM, Alan V., Tratamiento de señales en tiempo discreto, Ed. Prentice Hall, Segunda Edición.
AMBARDAR, Ashok, Procesamiento de señales analógicas y digitales, Ed. Thomson, Segunda Edición.
ACEBAL, Jose B. Mariño, Tratamiento digital de la señal, Ed. Alfaomega, Segunda Edición.
BURRUS, C. Sidney, Ejercicios de tratamiento de la señal utilizando Matlab V.4, Ed. Prentice Hall
Ing. Juan Salvador Palacios Fonseca, UAN
14Rev. 05/2009
Proyectos
Radar Analizador de espectro digital Detección de voz Ecualizador Sintetizador Compresión de audio Demodulador programable digital
Ing. Juan Salvador Palacios Fonseca, UAN
15Rev. 05/2009
Equipos para las Prácticas
Computadora con tarjeta de sonido instalada Software Matlab y C++ Fuente de voltaje Generador de Tonos Osciloscopio Analizador de espectro Convertidor A/D y D/A de 8 bits y 48 Khz para
puerto paralelo
Ing. Juan Salvador Palacios Fonseca, UAN
16Rev. 05/2009
Evaluación
Laboratorio: 35 %Laboratorio reprobado a cursoEntrega de prácticas durante la sesiónEntrega de reporte por escrito siguiente semana
Proyecto: 35 % Dos exámenes parciales: 20 % Portafolio: 10 %
Ing. Juan Salvador Palacios Fonseca, UAN
17Rev. 05/2009
Proyecto
Semanas1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Definición de proyecto: 1%Investigación teórica: 3%Desarrollo de código: 10%Desarrollo de electrónica: 6%Pruebas de laboratorio: 6%Estética: 3%Manual del usuario: 2%Presentación: 4%
Ing. Juan Salvador Palacios Fonseca, UAN
18Rev. 05/2009
Unidad 1
•Conceptos generales
Ing. Juan Salvador Palacios Fonseca, UAN
19Rev. 05/2009
1 Introducción
• El procesamiento de señales trata de la representación, transformación y manipulación de señales y de la información
que contienen.
Procesamiento de señal
+
+
Ing. Juan Salvador Palacios Fonseca, UAN
20Rev. 05/2009
(cont…) Introducción…• El tratamiento digital de señales se basa en el
procesamiento de secuencias de muestras discretas en tiempo y amplitud.
Ing. Juan Salvador Palacios Fonseca, UAN
21Rev. 05/2009
(cont…) Introducción...
• Aplicaciones: Radar Sonar Comunicaciones satelitales Telefonía Electrocardiogramas Ultrasonidos Terremotos Fotografía Video Simulación ...
Ing. Juan Salvador Palacios Fonseca, UAN
22Rev. 05/2009
1.1 Clasificación de señales
• Señal: se define como una cantidad física que varía con el tiempo, el espacio, o cualquier otra variable o variables independientes
Unidimensional Bididimensional
tts 5)(1 21023),( yxyxyxs
Ing. Juan Salvador Palacios Fonseca, UAN
23Rev. 05/2009
1.1.1 Señal determinista y aleatoria
Señal determinista Señal aleatoria
Determinista: cualquier señal que pueda ser definida por una forma matemática explícita, un conjunto de datos o una regla determinada.
Aleatoria: cualquier señal que no se puede describir con un grado de precisión razonable mediante fórmulas matemáticas explícitas, o cuya descripción es demasiado complicada para ser de utilidad práctica.
sen(wt)y
1
θ(t))F(t)tA(t)sen(2π
Ing. Juan Salvador Palacios Fonseca, UAN
24Rev. 05/2009
1.1.2 Tiempo continuo, tiempo discreto
Tiempo continuo, amplitud continua.
Tiempo discreto, amplitud continua
Tiempo continuo, amplitud discreta
Tiempo discreto, amplitud discreta
Ing. Juan Salvador Palacios Fonseca, UAN
25Rev. 05/2009
1.1.3 Propiedades de la señal sinusoidal en tiempo continuo
• Para todo valor fijo de la frecuencia fo, es periódica.
ttfAtx ),2cos()( 0
)()( txTtx P )(tx
0
1fTP donde es el periodo fundamental
• Las señales en tiempo continuo con frecuencias diferentes, son diferentes.
• El aumento en la frecuencia fo resulta en un aumento en la tasa de oscilación de la señal en un intervalo de tiempo dado.
)(2
)(2)cos()( tjAtjA eetAtx
Fasores de una señal sinusoidal con frecuencias positivas y negativas.
Ing. Juan Salvador Palacios Fonseca, UAN
26Rev. 05/2009
1.1.4 Propiedades de la señal sinusoidal en tiempo discreto
1. Una sinusoide en tiempo discreto es periódica solo si su frecuencia Fo es un número racional. )()( nxNnx para todo n
kNF 22 0 Nk
F 0 k: número entero
nnFAnx ),2cos()( 0
02 Fw
w : frecuencia en tiempo continuo expresada en radianesf0: frecuencia de señal en tiempo continuo
fs: frecuencia de muestreoN: periodo fundamental en tiempo discretoFo: frecuencia de señal en tiempo discreto, normalizada o relativaW: frecuencia en tiempo discreto expresada en radianes
sfF 0f0
121
0 F
3
Periodo fundamental, N
Ing. Juan Salvador Palacios Fonseca, UAN
27Rev. 05/2009
(cont…) Propiedades de la señal sinusoidal en tiempo discreto
2. Las sinusoides en tiempo discreto cuyas frecuencias están separadas por un múltiplo de son idénticas.2
)cos()2(cos WnnW
3. Para un tamaño de muestra dado, la mayor tasa de oscilación en una sinusoide en
tiempo discreto se alcanza cuando ó ó, equivalente, W W
21
0 F
ó21
0 F
Ejercicios: 1. Demostrar la segunda propiedad. 2. Demostrar que el denominador de F0 es igual al número de muestras por ciclo.
Rango de frecuencias únicas: W ó 21
21 oF
Rango de frecuencias alias:
WóF 21
0
Ing. Juan Salvador Palacios Fonseca, UAN
28Rev. 05/2009
N
F
W
0
0
0
1616
18
0
N
F
W
44
12
0
N
F
W
22
10
N
F
W
(cont…) Propiedades de la señal sinusoidal en tiempo discreto
Ing. Juan Salvador Palacios Fonseca, UAN
29Rev. 05/2009
1.1.5 Señales de energía y señales de potencia
n
nxE2
)(
N
NnNnx
NP
2)(
121lim
La energía de una señal x(n) se define como:
La potencia media de una señal discreta en el tiempo x(n) se define como:
Si P es finita (y distinta de cero), la señal se denomina señal de potencia. Por otra parte, si E es infinita, la potencia media P puede ser tanto finita como infinita.
La energía de una señal puede ser finita o infinita. Si E es finita (es decir, ), entonces se dice que x(n) es una señal de energía.
E0
Ejemplo: Determine la potencia y energía de la secuencia escalón unidad.
21
/12/11
121
0
212
1 limlim)(lim
NN
NNN
N
N
nNN
nuP
La secuencia escalón unidad es una señal de potencia. Su energía es infinita. Todas las señales periódicas son señales de potencia.
1
0
21 )(N
nN nxP
Para señales periódicas y para señales aperiódicas
Ing. Juan Salvador Palacios Fonseca, UAN
30Rev. 05/2009
1.1.6 Señales simétricas (pares) y antisimétricas (impares)
)()( nxnx Se denomina simétrica o par:
Se denomina antisimétrica, o impar:
)()( nxnx
Ing. Juan Salvador Palacios Fonseca, UAN
31Rev. 05/2009
1.1.7 Señales periódicas y señales no periódicas
Una señal periódica se define como:
)()( nxNnx Para todo n
Si la relación anterior no se verifica para ninguna N, entonces se dice que es aperiódica.La energía de una señal periódica en un periodo finito es finita. Cuando toma valores desde su energía es infinita. Por otra parte, la potencia media de una señal periódica es finita y es igual a la potencia media sobre un único periodo.
n
1
0
21 )(N
nN nxP
Potencia media de una señal periódica con periodo fundamental N y de valores finitos:
Las señales periódicas son señales de potencia.
Ing. Juan Salvador Palacios Fonseca, UAN
32Rev. 05/2009
1.2 Conversión analógico-digital
1. Muestreo: Conversión de una señal en tiempo continuo en una señal en tiempo discreto obtenida tomando “muestras” de la señal en tiempo continuo en instantes de tiempo discreto.
2. Cuantificación: Conversión de una señal en tiempo discreto con
valores continuos a una señal en tiempo discreto con valores
discretos.
3. Codificación: En el proceso de codificación, cada valor discreto se
representa mediante una secuencia binaria de bits.
Muestreador
Cuantificador Codificador
Señal analógica
Señal en tiempodiscreto
Señal cuantificada
Señal digital
)(txa x(n) (n)xq 0101100…
Ing. Juan Salvador Palacios Fonseca, UAN
33Rev. 05/2009
(cont..) Conversión analógico-digital
sfnnT t sfFf 00
sTW
xa(t)
x(n)=xa(nt)
n
TsPeriodo de muestreo ointervalo de muestreo
fs = 1/T, frecuencia de muestreo (hertzios)
Las relaciones entre las variables de tiempo continuo y las de tiempo discreto son:
θ)tπf((t)xa 02cosA
sfn
sa AnTAnTx 0f0f
2cos)2cos()(
Señal en tiempo continuo
Señal muestreada
Ing. Juan Salvador Palacios Fonseca, UAN
34Rev. 05/2009
1.2.1 Teorema de muestreo
• Teorema del Muestreo: la frecuencia de muestreo de una señal cualquiera debe ser al menos dos veces la frecuencia mas alta conocida.
Bf max0Frecuencia de Nyquist:
max022 fBf s
El concepto central en el procesamiento digital de señales analógicas es que la señal muestreada debe ser una representación única de la señal analógica.
A la frecuencia de Nyquist se toman dos muestras por periodo de la señal analógica.
Tarea: Desarrollar el teorema de muestreo.
Ing. Juan Salvador Palacios Fonseca, UAN
35Rev. 05/2009
(cont…) Teorema de muestreo
)20cos()(1 ttx
)100cos()(2 ttx
Dos señales son muestreadas a una velocidad de 40 Hz.
Determinar las señales resultantes.
Ejercicio:
Ing. Juan Salvador Palacios Fonseca, UAN
36Rev. 05/2009
1.2.2 Frecuencias alias o solapamiento
• Solapamiento (aliasing): distorsión provocada debido a que la frecuencia de muestreo es menor al doble de la frecuencia de la señal a muestrear y su efecto reside en la perdida de información a estas frecuencias.
Frecuencia
fundamental f0 = 50
Hz
1er Alias a f0 = 150
Hz
2do Alias a f0 = 350
Hz
Frecuencia de
muestreo fs = 200 Hz Tarea: Investigar la aplicaciones del solapamiento.
Ing. Juan Salvador Palacios Fonseca, UAN
37Rev. 05/2009
Hzfs 8000
02 ffS
(cont…) Frecuencias alias o solapamiento
Ing. Juan Salvador Palacios Fonseca, UAN
38Rev. 05/2009
hzfs 8000
0ffS
(cont…) Frecuencias alias o solapamiento
Ing. Juan Salvador Palacios Fonseca, UAN
39Rev. 05/2009
hzf s 8000
0ffS
(cont…) Frecuencias alias o solapamiento
Ing. Juan Salvador Palacios Fonseca, UAN
40Rev. 05/2009
Falta figura con los espectros de las señales con solapamiento Seccion 4.2.9 “el teorema de muestreo revisado
(cont…) Frecuencias alias o solapamiento
Ing. Juan Salvador Palacios Fonseca, UAN
41Rev. 05/2009
Considere la siguiente señal:
ttxa 100cos3)( • Determine la velocidad de muestreo mínima para evitar el alias.
• Suponga que la señal se muestrea a una velocidad fs = 200 Hz, ¿Cuál es la
señal en tiempo discreto obtenida tras el muestreo?
• Suponga que la señal se muestrea a una velocidad fs = 75 Hz. ¿Cuál es la
señal en tiempo discreto obtenida tras el muestreo?
• ¿Cuál es la frecuencia 0<f0<fs /2 de una sinusoide que produce muestras
idénticas a las obtenidas en el apartado c)?
(cont…) Frecuencias alias o solapamientoEjercicio:
Ing. Juan Salvador Palacios Fonseca, UAN
42Rev. 05/2009
• Ejercicio con Matlab
)2sin()( 0 tfAtx
b) Utilizando los siguientes parámetros, representar 25 puntos de la función:
Hzf 17500 Hzfs 4000 o45
a) ¿cuál es la frecuencia de muestreo mínima si fo=1500 Hz?
c) Utilizar los mismos parámetros y graficar una ventana de 25 ms de la señal.
(cont…) Frecuencias alias o solapamiento
Dada la siguiente función:
Ing. Juan Salvador Palacios Fonseca, UAN
43Rev. 05/2009
Ejercicios: Unidad 11. Determine si cada una de las señales siguientes es periódica. En caso
afirmativo, especifique su periodo fundamental.a)b)c)d)e)
1. Considere la siguiente señal sinusoidal analógica:
a) Dibuje la señal xa(t) para 0 ≤ t ≤ 30 ms.
b) La señal xa(t) se muestrea con una tasa de fs=300 muestras/seg. Determine la frecuencia de la señal en tiempo discreto x (n)=xa (nT), T=1/fs, y demuestre que es periódica.c) Calcule los valores de las muestras de un periodo de x (n). Dibuje x (n) en el mismo diagrama de xa(t ). ¿Cuál es el periodo en milisegundos de la señal en tiempo discreto?
d) ¿Podría encontrar una tasa de muestreo fs tal que la señal alcance su valor de pico x (n ) de 3?. ¿Cuál es el valor mínimo de fs adecuado, para esta tarea?
)6/5cos(3)( ttxa
)6/5cos(3)( nnx
)6/(exp2)( nn jx
)8/cos()8/cos()( nnn x
)3/4/co s(3)8/()2/co s()( nnsennnx
)100(3)( tsentxa
Ing. Juan Salvador Palacios Fonseca, UAN
44Rev. 05/2009
…Ejercicios: Unidad 1
1. Una señal analógica contiene frecuencias hasta los 10 Khz.a) ¿Qué intervalo de frecuencias de muestreo permite su reconstrucción exacta a partir de sus muestras?b) Suponga que muestreamos esta señal con una frecuencia de muestreo fs = 8 Khz. Examine lo que ocurre con la frecuencia fo = 5 Khz.
c) Repita el apartado b) para una frecuencia fo = 9 Khz.
1. Una señal analógica xa(t) = sen (480πt) + 3 sen ( 720πt) se muestrea 600 veces por segundo.a) Determine la tasa de Nyquist para xa (t).b) Determine la máxima frecuencia a la que se puede muestrear para que no exista ambigüedad al reconstruir la señal original.c) ¿Cuáles son las frecuencias, en radianes, de la señal resultante x (n )?d) Si x (n ) se pasa a través de un conversor D/A ideal, ¿Cuál es la señal reconstruida ya (t) que se obtiene?