Capitulo 8

Implementación de sistemas de tiempo discreto

INTRODUCION

Dado un sistema lineal desplazado invariante con una función racional H(z), la entrada y la salida están
relacionadas con una ecuación de diferencia con coeficiente lineal constante. Por ejemplo
𝑏(0) + 𝑏(1)𝑧 −1
𝐻(𝑧) =
1 + 𝑎(1)𝑧 −1
la entrada x(n) y la salida y(n) están relacionadas con una ecuación de diferencia con coeficiente lineal
constante
𝑦(𝑛) = −𝑎(1)𝑦(𝑛 − 1) + 𝑏(0)𝑥(𝑛) + 𝑏(1)𝑥(𝑛 − 1) (8.1)

Esta ecuación de diferencia define una secuencia de operaciones hechas para implementar este sistema.
Nótese que este sistema también puede ser implementado con las siguientes par de ecuaciones de
diferencia:
𝑤(𝑛) = −𝑎(1)𝑤(𝑛 − 1) + 𝑥(𝑛)
𝑦(𝑛) = 𝑏(0)𝑤(𝑛) + 𝑏(1)𝑤(𝑛 − 1)

Con esta implementación, solo es necesario dar un locación de memoria para guardar w(n-1), donde la
Eq.(8.1) requiere dos locaciones de memoria, una guarda y(n-1) y la otra x(n-1). Este ejemplo simple
ilustra que hay mas de una vía para implementar un sistema y la cantidad de computaciones y/o
requeridas va a depender de la implementación

En este capitulo, vamos a ver vías diferentes para implementar un sistema lineal desplazado invariante y
mirar los efectos de palabras finitas en la implementación.

8.2 REDES DIGITALES

Para un sistema desplazado lineal invariante con una función de sistema racional, la entrada y la salida
están relacionadas con una ecuación de diferencias:
𝑞 𝑝

𝑦(𝑛) = ∑ 𝑏(𝑘)𝑥(𝑛 − 𝑘) − ∑ 𝑎(𝑘)𝑦(𝑛 − 𝑘)

𝑘=0 𝑘=1

Los elementos computacionales básicos requeridos para encontrar la salida en un tiempo n son
sumadores, multiplicadores, y retardos. Es conveniente usar el diagrama de bloques para ilustrar como
los elementos estas conectados para implementar el sistema dado. La notación que usaremos para
estos elementos se ilustra en la fig. 8-1. Para un filtro lineal desplazado lineal invariante, estos
operadores lineales consisten en multiplicadores y retardo. Finalmente hay dos tipos especiales de
nodos:
1. Nodo de fuente. Estos son nodos que no vienen de mallas y son usadas por secuencias de
entrada al filtro
2. Nodo de pozo. Esos son nodos que tienen solo mallas y están usando para representar
salidas

(a) sumador
 (b) Multiplicador (c) retardo
Fig. 8.1. Notación usada

Fig. 8-2. Señal consistente de nodos, mallas y nodos.

EJEMPLO 8.2.1 considere el sistema discreto de primer orden descrita por la ecuación de diferencia
𝑦(𝑛) = 𝑏(0)𝑥(𝑛) + 𝑏(1)𝑥(𝑛 − 1) + 𝑎(1)𝑦(𝑛 − 1)

Se muestra en la figura a continuación el diagrama de bloques del sistema

Usando un diagrama de flujo, este sistema es representado:

8.3 ESTRUCTURAS PARA SISTEMAS FIR

Un casual filtro FIR tiene una función que es polinomio en 𝑧 −1
𝑁

𝐻(𝑧) = ∑ ℎ(𝑛)𝑧 −𝑛
𝑛−0
Para una entrada x(n) y una salida y(n)
𝑁

𝑦(𝑛) = ∑ ℎ(𝑘)𝑥(𝑛 − 𝐾)
𝑘=0

Para cada valor de n, evaluando este sumatorio requiere (N+1) multiplicaciones y N sumadores. La
siguiente sub sección describe diferentes realizaciones de este sistema.

8.3.1 Forma Directa

La manera mas común para implementar filtros FIR es en forma directa usando retardos como se
muestra:
Esta estructura requiere N+1 multiplicadores, N sumadores y N retardos.

8.3.2 Forma Cascada

Para un filtro casual FIR, el sistema puede ser factorado en un producto de primer orden
𝑁 𝑁
−𝑛
𝐻(𝑧) = ∑ ℎ(𝑛)𝑧 = 𝐴 ∏(1 − ∞𝑧 −1 )
𝑛=0 𝑘=1

Donde ∞ para k=1,…,N y los ceros de H(z). Si h(n) es real, las raíces complejas de H(z) ocurren en pares
conjugados, y pueden ser combinados para formar factores de segundo orden con coeficientes reales,

𝐻(𝑧) = 𝐴 ∏(1 + 𝑏(1)𝑧 −1 + 𝑏(2)𝑧 −2 )

𝑘=1

Escrito en esta forma, H(z)puede ser implementada como una cascada de segundo orden FIR como en la
figura 8-3.

8.3.3 Filtros de Fase Lineal

Los filtros de fase lineal tiene una unidad de respuesta simétrica,
ℎ(𝑛) = ℎ(𝑁 − 𝑛)

Fig. 9-3 Un filtro FIR implementado como cascada de sistema de segundo orden

o anti simétrico (mirar Sec. 5.3)

ℎ(𝑛) = −ℎ(𝑁 − 𝑛)

Esta simetría puede ser simplificada en estructura de red. Por ejemplo, si N es siempre y h(n) es
simétrica (filtro tipo 1)
𝑁

𝑦(𝑛) = ∑ ℎ(𝑘)𝑥(𝑛 − 𝑘)
𝑘=0
Formando los sumatorios anterior al multiplicador dado por h(k) reduce el numero de multiplicaciones.
El resultado se muestra en la fig. 8-4 a, Si N es impar y h(n) es simétrica se muestra en la fig. 9-4b
 Fig. 8-4 forma directa de implementaciones para filtros de fase lineal

8.3.4 Sampleo de frecuencia

la estructura de Sampleo de frecuencias es una implementación de un filtro en términos de coeficientes
DFT, Sea H(k) los N puntos DFT de un filtro FIR con h(n)=0 para n<0 y n>N. Porque la respuesta unitaria
del filtro es
𝑁−1
1
ℎ(𝑛) = ∑ 𝐻(𝐾)𝑒 𝑗2𝜋𝑛𝑘/𝑁
𝑁
𝑘=0

La función del sistema puede ser escrita como

𝑁−1 𝑁−1
1
ℎ(𝑛) = ∑ 𝐻(𝐾) ∑ 𝑒 𝑗2𝜋𝑛𝑘/𝑁 𝑧 −𝑛
𝑁
𝐾=0 𝑘=0

Evaluando el sumatorio

𝑁−1
1 𝐻(𝑘)
𝐻(𝑧) = (1 − 𝑧 −𝑁 ) ∑
𝑁 1 − 𝑒 𝑤0 𝑧 −1
𝑘=0
que corresponde ala cascada de un filtro FIR con una red paralela de un polo

𝐻(𝐾)
𝐻(𝑧) =
1 − 𝑒 𝑗2𝑘/𝑁 𝑧 −1

8.4 ESTRUCTURAS PARA SISTEMAS IIR

la entrada x(n) y la salida y(n) de un filtro casual IIR
 𝐵(𝑧) ∑𝑞𝑘=0 𝑏(𝑘)𝑧 −𝑘
𝐻(𝑧) = =
𝐴(𝑧) 1 + ∑𝑝𝑘=1 𝑎(𝑘)𝑧 −𝑘

Fig. 8-5 Estructura de un filtro de Sampleo de frecuencia

es descrito por l a constante lineal de ecuación de diferencia

𝑞 𝑝

𝑦(𝑛) = ∑ 𝑏(𝑘)𝑥(𝑛 − 𝑘) − ∑ 𝑎(𝑘)𝑦(𝑛 − 𝑘)

𝑘=0 𝑘=1

8.4.1 Forma directa

hay dos diferentes formas de filtro. La forma directa es una implementación de los resultados cuando es
escrito como par de diferencia:
𝑞

𝑤(𝑛) = ∑ 𝑏(𝑘)𝑥(𝑛 − 𝑘)
𝑘=0
𝑝

𝑦(𝑛) = 𝑤(𝑛) − ∑ 𝑎(𝑘)𝑦(𝑛 − 𝑘)

𝑘=1
 Fig. 8-6 forma directa I de in filtro IIR

La forma directa II es obtenida revirtiendo el orden de la cascada de B(z) y 1/A(z)

1
𝑌(𝑧) = 𝐵(𝑧) [ 𝑋(𝑧)]
𝐴(𝑧)

Fig. 8-7 Revertir el orden de la Cascada

4.4.2 Estructura Cascada

La Estructura Cascada es derivada factorando el numerado y el de numerador polinomial de H(z):

max 𝑝,𝑞
1 − 𝐵𝑧 −1
𝐻(𝑧) = 𝐴 ∏
1 − 𝑎𝑧 −1
𝑘=1

Si h(n) es real, ;as raíces de H(z) van a ser pares complejos conjugados, y esos factores pueden ser
combinados para formar un factor de segundo orden con coeficientes reales:
 fig. 8-9 un sexto orden de un filtro IIR

Este es considerado como flexible en como un sistema puede ser implementado en forma cascada, hay
diferentes pares de polos y ceros y diferentes vías en que pueden ser ordenadas.

8.4.4 Estructura transpuesta

el teorema de transposición dice que la entrada salida de una red no es cambiada después de las
siguientes opciones de secuencia:

1. Revertir la dirección de las mallas

2. Cambiar los puntos de mallas en nodos y viceversa
3. Intercambiar la entrada y la salida

Aplicando esas opciones obtenemos la forma transpuesta. Amostrada en la figura 8-11.

8.4.5 Filtro pasa todo

Un filtro pasa todo tiene una frecuencia de respuesta con una magnitud constante:

|𝐻𝑎𝑝 (𝑧)| = 1 𝑡𝑜𝑑𝑎𝑠 𝑤

Si la función del sistema de un filtro pasa todo es racional en función de z, tiene la forma

𝑝
𝑧 −1 − 𝑎𝑛
𝐻𝑎𝑝 (𝑧) = ∏
1 − 𝑎𝑧 −1
𝑘=1
 Fig.8-11 forma transpuesta de un filtro

Si h(n) es un valor real, ;as raíces complejas ocurren en pares conjugados, y se combinan para formar un
factor de segundo orden con coeficientes reales

Fig. 8-12. Una sección de segundo orden de un filtro pasa todo

8.5 Filtro reja

Un filtro FIR reja es cascada de dos redes como se muestra en la fig. 8-13. Cada dos puertos es definido
por el calor de su coeficiente de reflexión. Las dos entradas son relacionadas a las salidas con un par de
ecuaciones de diferencia

𝑓𝑘(𝑛) = 𝑓𝑘 − 1(𝑛) + ∓𝑘𝑔𝑘 − 1(𝑛 − 1)

𝑔𝑘(𝑛) = 𝑔𝑘 − 1(𝑛 − 1) + ∓𝑘𝑓𝑘 − 1(𝑛)
Con la entrada de la primera sección comienza en

Fig. 8-13. Filtro FIR reja de orden p

Con A(z) el sistema funciona relativamente a la entrada para intermediar la salida

𝐹𝑘(𝑧) = 𝐴𝑘(𝑧)𝑋(𝑧)

Esa ecuación de diferencia puede ser resuelta por inducción recurriendo a la siguiente formula

𝐴𝑘(𝑧) = 𝐴𝑘 − 1(𝑧) + ∓𝑘𝑧𝐴𝑘 − 1(𝑧)

Una simple vía de escribir la recursión en términos de vector:

Ejemplo 8.5.1 para un segundo orden de un filtro reja FIR con coeficientes de reflexión ½ y 1/4 , la
función del sistema relacionado a x(n) para f(n) es:

1
𝐴(𝑧) = 𝐴(𝑧) + ∓𝐴(𝑧) = 1 + 𝑧
2

y la función relacionada a x(n) de segundo orden es:

𝐴𝑧(𝑧) = 𝐴1(𝑧) + ∓𝐴(𝑧)

5 1
1+ 𝑍+ 𝑍
8 4
La recurrencia en la formula brinda un algoritmo para encontrar la función del sistema Ap(z) para los
coeficientes de relación k=1,2,…,p Para encontrar los coeficientes de reflexión para una función dada
Ap(z), nosotros usamos la recursión de paso atrás, que esta dada por

1
𝐴𝑘 − 1(𝑧) = [𝑎𝑘(𝑧) − ∓𝑘𝐴𝑘(𝑧)]
1−∓

Los coeficientes de reflexión están encontrados de los polinomios Ak(z) por Tk=ak(k)

Ejemplo 8.5.2 para encontrar el coeficiente de reflexión T1 y T2 correspondientes al filtro FIR de

segundo orden A(z)=1-1/2z, comenzamos con:

1
𝐴(𝑧) = [𝐴(𝑧) − ∓𝐴(𝑧)]
1−∓
4 1 1 1
[(1 − 𝑍) + 𝑧2 (1 − 𝑧)]
3 2 2 2

la relación entre la función del sistema esta dada por:

𝐴𝑝(𝑧) = 𝑧 𝑝 𝐴𝑝(𝑧 −1 )

Esta propiedad es la base para la prueba de estabilidad de Schur-Cohn. Especial mente un filtro casual
con una función de transferencia:

𝐵(𝑧)
𝐻(𝑧) =
𝐴(𝑧)

8.5.2 Filtro todo polo reja

La estructura de este filtro esta mostrada en la figura 8-14. Como con el filtro reja, un filtro de orden p
es una cascada de p estados, con cada estado comienza con una der de dos puertos este parámetro es
la reflexión de coeficientes:

𝐹𝑘 − 1(𝑛) = 𝑔𝑘 − 1(𝑛 − 1) + ∓𝑘𝑓𝑘(𝑛)

La función relativa de entrada x(n) para la salida es:

1
𝐻(𝑧) =
𝐴(𝑧)

Donde AA es el polinomio generado por la recursión dada en la Eq.

 Fig 8.14. A p orden de un filtro reja

8.5.3 Filtro reja IIR

si H(z) es un filtro IIR con p polos y q ceros

𝐵𝑞(𝑧)
𝐻(𝑧) =
𝐴𝑝(𝑧)

Con q menor igual a p, un filtro reja consiste de dos componentes, El primero es un filtro todo polo, y el
segundo es una retardo con coeficientes ck. La estructura es ilustrada para el caso cuando p=q.

Fig 8-15. Un filtro reja IIR con p polos y q ceros

8.6 Efectos de palabras finitas

En la implementación de un sistema de tiempo discreto en hardware o software, es importante
considerar las palabras de duración finita. Por ejemplo, si un filtro esta implementado en un procesador
de punto arreglo, los coeficientes del filtro tienen que ser cuantiados en un numero de bits finitos, Esto
va a cambiar la respuesta de frecuencia característica del filtro, en esta sección vamos a ver los efectos
de precisión finita en implementaciones de filtros digitales.

8.6.1 Representación binaria de números

Hay dos sistemas básicos para representar números en un sistema digital: punto arreglo y punto
flotante. Este es una muestra de que tipo de representación usar. El rango dinámico es disponible en el
punto flotante y la representación es mucho mas larga que los números del punto arreglo. Como sea
punto arreglo es típicamente mas rápido y menos caro.

Punto Arreglo
En la representación binario de un numero real, x, usando B+1 bits, hay tres formas comunes, una es
complemento, la segunda es la mas común, en estos sistemas, la única diferencia es la manera que los
números negativos están representados.

Punto Flotante
Para una palabra de longitud B+1 bits en un punto arreglo, la resolución es constante sobre el rango
entero de números, y la resolución disminuye en una proporción directa al rango dinámico. En un
sistema flotante cubre un rango largo de numero, con una resolución variante sobre el rango entero de
los números, LA representación usada para punto flotante es típicamente de la forma:

𝑥 = 𝑀 ∗ 2𝐸

8.6.2 Cuantizacion de filtros de Coeficiente

La manera para implementar un filtro en un procesador digital, los coeficientes del filtro deben ser
convertidos de manera binaria. Esta conversión guía a los movimientos dentro de las locaciones de los
polos y ceros y cambian en la frecuencia de respuesta del filtro. La cantidad con la que los coeficientes
del filtro pueden ser específicos depende solo de la longitud de las palabras de el procesador, y la
sensibilidad con que cuantifican depende de la estructura del filtro, como bien esta en las locaciones de
los polos y ceros.

𝐴(𝑧) = (1 − 𝑟𝑒 𝑗𝑞 𝑧 −1 )(1 − 𝑟𝑒 −𝑗𝑤 𝑧 −1 )

Si a(1) y a(2) están cuantificados para B+1 bits. LA configuración del lugar de los polos en un sistema de
4 bits esta mostrado en la figura:

Fig 8-16. La configuración disponible en el primer cuadrante implementada directa para usar un
procesador de 4 bits

8.6.3 Ronda sin ruido

Es introducido dentro de un filtro digital del producto de sumarios cuantizados. Por ejemplo si dos (B+1)
números están multiplicados el producto es un numero de (2B+1) bits. Si el producto es guardado en un
registro de B+1 bits o usado en un sumador de B+1 bits, este debe ser cuantizado, y el resultado será
una Ronda sin ruido. Esta ronda sin ruido se propaga atravez de el filtro y aparece en la salido del filtro
como sin ruido.
Considere l filtro IIR de segundo orden implementado en forma directa I

2 2

𝑦(𝑛) = ∑ 𝑏(𝑘)𝑥(𝑛 − 𝑘) − ∑ 𝑎(𝑘)𝑦/𝑛 − 𝑘

𝑘=0 𝐾=1

Fig. 8-18 Análisis de un ronda sin ruido.

8.6.4 Emparejando y ordenando

Para un filtro que es implementado en cascada o paralelo, hay que considerar la flexibilidad en términos
de selección con los polos que van a ser emparejados con cada cero y la selección de el orden que
seleccionamos para que sean cascada, para una estructura cascada. Emparejando y ordenando deben
tener un efecto significativo en la figura de la salida y en el total de ruido. Las reglas están generalizadas
para emparejar y ordenar:

1. El polo que esta cerca de la unidad es emparejado con el cero que esta cerca de el en el plano
z, y este emparejamiento continua hasta que los polos y ceros son emparejados.
2. La resultante de segundo sección de segundo orden están relacionadas en una relación de
cascada acorde al la cercanía de los polos a la unidad.

8.6.5 Sobrecarga

Otro problema en implementaciones de punto arreglo es la sobrecarga. Si cada punto arreglo es tomado
para ser una fracción que es menor que 1 en magnitud, cada variable de nodo en la red podría ser
comprimida o menor a 1 en magnitud para evitar ese efecto de sobrecarga. Si nosotros ponemos a h(n)
como la unidad de respuesta de la relación del sistema la entrada x(n) para el nodo k .

∞ ∝

|𝑊𝑘(𝑛)| = | ∑ 𝑥(𝑛 − 𝑚)ℎ𝑘(𝑚) ≤ 𝑋𝑚𝑎𝑥 ∑ |ℎ𝑘(𝑚)||

𝑚=−∞ 𝑚=−∝

Donde Xmax, es el máximo valor de la entrada x(n). Por lo tanto, una suficiente condición que Wk(n)<1
en entonces no ocurre sobrecarga si la red es

1
𝑋𝑚𝑎𝑥 <=
∑∝𝑚=−∝|ℎ𝑘(𝑚)|

Para todos los nodos en la red. Si esta no satisface, x(n)puede ser escalada por factor s, entonces

1
𝑠𝑋𝑚𝑎𝑥 <= ∝
∑𝑚=−∝ |ℎ𝑘(𝑚)|

Problemas Resueltos

Estructuras para sistemas FIR

8.1 Encuentre la respuesta de frecuencia de el sistema definido por la siguiente red:
Nosotros reconocemos la siguiente estructura como una fase lineal del sistema con una unidad de
repuesta:
ℎ(𝑛) = −0.1[𝑑(𝑛) + 𝑑(𝑛 − 6) + 1.2𝑑(𝑛 − 5)]

𝐻(𝑒 𝑗𝑤 ) = 𝑒 −𝑗3𝑤 [1 + 𝑐𝑜𝑠𝑤 + 0.4𝑐𝑜𝑠2𝑤 − 0.2𝑐𝑜𝑠3𝑤]

8.2 Un sistema lineal invariante tiene una respuesta a un impulso dado por:
ℎ(0) = −0.01
ℎ(1) = 0.02
ℎ(2) = −0.10
ℎ(3) = 0.40
ℎ(4) = −0.10
ℎ(5) = 0.02
ℎ(6) = −0.01

Dibujar la señal diagrama de flujo para el este sistema que requiere el mínimo numero de
multiplicaciones.

8.3 La respuesta a la unidad de un filtro FIR es

ℎ(𝑛) =∝𝑛 𝑐𝑢𝑎𝑛𝑑𝑜 1 < 𝑛 < 5 𝑦 𝑐𝑒𝑟𝑜 𝑐𝑢𝑎𝑛𝑑𝑜 𝑜𝑡𝑟𝑜

Dibuje la forma directa de implementación de este sistema

8
8.4 Un chip DPS usado en una señal de aplicación en tiempo real tiene una instrucción de ciclo de 100ns.
Una de las instrucciones, que no se ha podido encontrar un valor para el dato de entrada, no se ha
podido encontrar otro valor de memoria el filtro de coeficiente, multiplicando dos números juntos,
añadimos el producto del acumulador, entonces movemos un numero en la memoria. Así, para un filtro
IIR de orden N, para encontrar el valor de entrada a tiempo n, nosotros necesitamos una instrucción
para leer el valor de la nueva entrada, x(n), en el nuevo procesador, nosotros necesitamos N+1
evaluaciones para el sumador

𝑦(𝑛) = ∑ ℎ(𝑘)𝑥(𝑛 − 𝑘)
𝑘=0
y necesitamos una instrucción para el valor de y()n
Con estos requerimientos en mente, determina la máxima ancho de señal que esta filtrada con un filtro
FIR de orden N=255 en tiempo real.

8.5 Encuentra la respuesta unitaria, h(n0, de las redes dibujadas a continuación y encontrar los puntos
DFT

8.6 Considera el filtro FIR con respuesta unitaria:

1 2𝜋𝑛
ℎ(𝑛) = [1 − 𝑐𝑜𝑠 ] 0 ≤ 𝑛 ≤ 63
64 64

Dibuja la frecuencia de Sampleo para este filtro y compara con su estructura

La implementación tiene 67 retardos, y requiere 3 multiplicadores y 6 sumadores para evaluar cada
salida

8.8 Como se discutió en el cap. 3, el radio de Sampleo puede ser realizado mediante cascada con un
filtro pasa bajos como se muestra en la figura:

Porque el Sampleo solo retiene una de cada M salidas del filtro pasa bajos H(z), si M es largo, las salidas
del filtro van a ser descartadas, Por lo tanto, si H(z) es un filtro FIR, no es necesario evaluarlas.

Asumir que H(z) es un filtro FIR con h(n)=0 para n<0. Si es implementada en forma directa. Dibuje el
diagrama de flujo.

8.9 El problema anterior examinando las simplificaciones que son posibles implementando. Similar
ahorro es posible con la interpolación mostrada a continuación
Una directa implementación de cascada de un Samper con un filtro FIR usando nosotros transformamos
de forma directa como se muestra en la figura:

Estructuras de sistemas IIR

8.10 Considere el filtro invariante casual con la siguiente función de sistema

1 + 0.875𝑧 −1
𝐻(𝑧) =
(1 + 0.2𝑧 −1+ 0.9𝑧 −2 )(1 − 0.7𝑧 −1 )

Dibuja la señal en un diagrama de flujo

Forma directa I
Forma directa II

8.11 Considere la estructura del filtro mostrado en la figura:

Encontrar la función del sistema y la respuesta unitaria

8.12 Encuentre una forma directa II para la siguiente red:

Para resolver este problema, nosotros comenzamos escribiendo la ecuación del nodo de cada sumador
en la red.

8.13 Encuentre una forma directa II transpuesta para el sistema descrito en la siguiente ecuación de
diferencia

3 3 1
𝑦(𝑛) = 𝑦(𝑛 − 1) − 𝑦(𝑛 − 2) + 𝑥(𝑛) − 𝑥(𝑛 − 1)
4 4 3

La forma transpuesta II es la siguiente:

8.14 Encuentre la función del sistema y la respuesta unitaria de la siguiente red y dibuje la forma directa
II:
La forma directa II esta mostrada en la siguiente figura:

8.15 Encuentra la función del sistema de la siguiente red, y determina las condiciones de los
coeficientes, para asegurar la estabilidad del sistema:

La primera cosa para observar es que este sistema corresponde a la retro alimentación siguiente

Donde G(z) es el sistema de segundo orden:

Este sistema tiene una retro alimentación de la siguiente forma:

8.17 Encuentre la función del sistema de la siguiente red:

La función del sistema de la red puede ser encontrada escribiendo las ecuaciones de diferencia de cada
sumador y resolviendo en esa ecuación usando la transformada z.

8.18 Considere la red en la figura siguiente. Redibuje la red como casaca de segundo orden:
8.19 Un oscilador digital tiene una respuesta unitaria:
ℎ(𝑛) = 𝑠𝑖𝑛[(𝑛 + 1)𝑤0]𝑢(𝑛)
Dibuje la forma directa II de este oscilador, y muestre como la señal seno puede ser generado sin
entradas.

La red que implementa este par de ecuaciones esta mostrada a continuación:

8.20 Implemente el sistema

9 1
4 + 𝑧 −1 − 𝑧 −2
𝐻(𝑧) = 4 4
1 −1 1 −2
1+ 𝑧 − 𝑧
4 8

Para implementar H(z) como una red paralela de primer orden, nosotros debemos expresar H(z) como
un sumatorio de primer orden usando fracciones parciales. Por que el orden del numerador es igual que
el denominador. Esta expansión va a contener términos constantes:

8.21 La función del sistema es:

(1 + 𝑧 −1 )4
𝐻(𝑧) =
7 3
(1 − 𝑧 −1 + 𝑧 −2 )(1 + 2𝑧 −1 + 𝑧 −2 )
8 4

Dibujar una señal en diagrama de flujo de este sistema usando una cascada de segundo orden en forma
directa II, y escriba el set de ecuaciones de diferencia:

8.22 Considere la ecuación de cuarto orden que tiene la función de sistema:

1 + 𝑧 −4
𝐻(𝑧) = 𝐴
1 + 𝑎4 𝑧 −4
Donde 0<a<1
Dibuje el diagrama polo cero de H(z)

El diagrama polo cero esta amostrado en la siguiente figura:

8.23 La función de sistema de un filtro pasa todo tiene la forma:

𝑁𝑡 ∝ 𝑘 + 𝐵𝑘𝑧 −1 + 𝑧 −2
𝐻(𝑧) = ∏ −1 −2
𝐾=1 1 + 𝐵𝑘𝑧 +∝ 𝑘𝑧

Considerando el filtro pasa todo de primer orden:

∝ +𝑧 −1
𝐻(𝑧) =
1+∝ 𝑧 −1
Donde a es real. Encuentre una implementación para este sistema que requiere dos retardos y una
multiplicación:

Filtro Reja
8.24 Realiza la implementación de un filtro FIR:

𝐻(𝑧) = 8 + 4𝑧 −1 + 2𝑧 −2 + 𝑧 −3
Para implementar este filtro con una estructura reja, debemos encontrar los coeficientes de reflexión
que general H(z), es necesario normalizar

𝐻(𝑧) = 8(1 + 0.5𝑧 −1 + 0.25𝑧 −2 + 0.125𝑧 −3 )

8.25 Mostrado en la figura es un filtro reja FIR:

Encuentre la función del sistema A(z) = F(z)/X(z) relacionado a la entrada x(n) para la salida f(n).

1 1 1
[ ]=[ ]=[ ]
𝑎1(1) ∓1 0.5

𝑎𝑦(1) 0.7 0.4 0.78

[𝑎𝑦(2)] = [0.4] + ∓ [. 07] = [0.54]
𝑎𝑦(3) 0 1 0.2

8.27 Dibuje un filtro reja de un filtro todo polo

1
𝐻(𝑧) =
1 − 0.2𝑧 −1 + 0.4𝑧 −2 + 0.6𝑧 −3

8.28 Sin facturar en polinomios, determine cual de estos sistemas es estable:

1 + 2𝑧 −1 + 2𝑧 −2 + 𝑧 −3
𝐻(𝑧) =
1 + 1.85𝑧 −1 + 1.638𝑧 −2 + 1.556𝑧 −3 + 0.4𝑧 −4

Siguiente que T= 0.4<1. Usando la recursión decrecida para encontrar A(z), nosotros tenemos:

𝐴𝑦(𝑧) = 1 + 1.14𝑧 −1 + 1.17𝑧 −2 + 1.1𝑧 −3

8.29 Use la estabilidad de Schur-Cohn para derivar las condiciones de estabilidad

 |𝑎(2)| < 1 |𝑎(1)| < 1 + 𝑎(2)

Para un filtro de segundo orden

𝑏(0)
𝐻(𝑧) =
1 + 𝑎(1)𝑧 −1 + 𝑎(2)𝑧 −2

Para que h(z) sea estable. es necesario y suficiente los coeficientes de reflexión t, que tengan
magnitudes menor a 1. En términos de que las primeras dos coeficientes son:

𝐴(𝑧) = 1 + (𝑇1 + 𝑇1𝑇2)𝑧 −1 + 𝑇2𝑧 −2

8.30 Implemente el filtro pasa todo

−.0512 + 0.64𝑧 −1 − 0.8𝑧 −2 + 𝑧 −3

𝐻(𝑧) =
1 − 0.8𝑧 −1 + 0.64𝑧 −2 − 0.512𝑧 −3

usando la estructura del filtro reja.

Primero, notamos que T=-0.512. Entonces, encontramos A(z)

1
𝐴(𝑧) = [𝐴(𝑧) − ∓3𝐴(𝑧 −1 )]
1 − 𝑇3
𝐴(𝑧) = 1 − 0.6401𝑧 −1 + 0.3123𝑧 −2

8.31 Encontrar la función del sistema para el filtro reja dado en la figura a continuación:

La estructura a implementar es de tercer orden con tres polos y ceros

Para encontrar la función del sistema usamos la recursión de paso a paso para encontrar A(z) para los
coeficientes de reflexión T1, T2 y T3. Con T1=0.2 tenemos:
 1 1 1
[ = [ ] = [ ]]
𝑎(1) 𝑇1 0.2

Por lo tanto la función del sistema es:

0.15 + 0.5138𝑧 −1 + 0.5260𝑧 −2 + 0.1𝑧 −3

𝐻(𝑧) =
1 + 0.26𝑧 −1 + 0.568𝑧 −2 − 0.1𝑧 −3

8.32 Diseñe un filtro reja para las siguiente función de sistema:

2 − 𝑧 −1
𝐻(𝑧) =
1 + 0.7𝑧 −1 + 0.49𝑧 −2

Usando un filtro reja, nosotros debemos encontrar los coeficientes de reflexión correspondientes al
denominador polinomial. Usando la recursión reversa, nosotros tenemos

∓1 = 04698 ∓ 2 = 0.49

Usando la recursión

𝑐(𝑘) = 𝑏(𝑘) − ∑ 𝑐𝑞(𝑗)𝑎 (𝑗 − 𝑘)

𝑗=𝑘+1

Longitud de palabras finitas

8.33 Expresa la fracción 7/32 y -7/32 en una señal magnitud, complemento de uno, y complemento de
dos usando 6 bits

Con B+1=6 bits, 1 bit va a ser la señal de signo, y 5 van a las fracciones

La representación para x=7/32 en las forma binaria es

𝑥 = 0.00111

Para x=-7/32 tenemos

7
− = 1.00111
32
Y el complemento uno es
𝑥 = 1.11000

complemento dos es:

𝑥 = 1.11001

8.34 Considera la siguiente implementación de segundo orden:

Encontrar la función del sistema correspondiente a esta red

𝑣(𝑛) = 𝑥(𝑛) − 𝑟𝑠𝑖𝑛(𝑤0)𝑦(𝑛 − 1) + 𝑟𝑐𝑜𝑠(𝑤0)𝑣(𝑛 − 1)

𝑦(𝑛) = 𝑟𝑠𝑖𝑛(𝑤0)𝑣(𝑛 − 1) + 𝑟𝑐𝑜𝑠(𝑤0)𝑦(𝑛 − 1)

Tomando la transformada z de la primera ecuación tenemos:

𝑉(𝑧) = 𝑋(𝑧) − 𝑟𝑠𝑖𝑛(𝑤0)𝑧 −1 𝑌(𝑧) + 𝑟𝑐𝑜𝑠(𝑤0)𝑧 −1 𝑉(𝑧)

sustituyendo la transformada en la ecuación de diferencia y resolviendo tenemos

𝑟𝑠𝑖𝑛(𝑤0)𝑧 −1
𝐻(𝑧) =
1 − 2𝑟𝑐𝑜𝑠(𝑤0)𝑧 −1 + 𝑟 2 𝑧 −2

8.36 Considere la siguiente cascada de segundo orden en filtro polo

Encontrar la variante de la salida de la cascada para un procesador de 8 bits con ruteo

Donde la variante de cada ruido es igual a

2−2𝐵
𝑎2 =
12

La función del sistema del filtro es igual a

2 1
𝐻(𝑧) = −
1 −1 1
1− 𝑧 1 − 𝑧 −1
2 4
1 𝑛 1 𝑛
ℎ(𝑛) = 2( ) 𝑈(𝑛) − ( ) 𝑈(𝑛)
2 4

8.37 Considere un sistema linear invariante con una función del sistema:

1 − 0.4𝑧 −1
𝐻(𝑧) =
(1 − 0.6𝑧 −1 )(1 − 0.8𝑧 −1 )

Suponer que este sistema es implementado en un procesador de 16 bits y que la suma de productos
están acumulados para la cubanización

Si es l sistema es implementa en forma directa II, encontrar la variante de la salida del filtro
Por que el sumatorio
𝑥(𝑛) + 1.4𝑤(𝑛 − 1) − 0.48𝑤(𝑛 − 2)

Puede ser acumulado para la cuantisacion, la variante del ruido. Similarmente por que el sumatorio

𝑦(𝑛) = 𝑤(𝑛) − 0.4𝑤(𝑛 − 1)

Puede ser acumulado para la variante de ruido, Con el comienzo filtrado por el sistema y en inicio de
ruido simplemente sumado a la entrada, la cuantisacion del ruido es:

−1 2
𝐻(𝑧) = −1
+
1 − 0.6𝑧 1 − 0.8𝑧 −1

8.38 Un sistema lineal invariante con una función del sistema de la forma:

𝑁
𝑏(0) + 𝑏(1)𝑧 −1 + 𝑏(2)𝑧 −2
𝐻(𝑧) = ∏
1 − 𝑎(1)𝑧 −1 + 𝑎(2)𝑧 −2
𝑘=1

Para ser implementada como cascada de N secciones de segundo orden, donde cada sección es
realizada en ya sea forma directa I o forma directa II en sus formas transpuestas. Cuantas realizaciones
son posibles

8.39 Si h(z) es de orden con una ganancia de 1 es implementado en forma directa II usando un
procesador de B+1 bits

Si el producto de dos bits es rondado a B+1 antes de esta sumas, encuentre la variante de rudo en la
salida del filtro

𝑎(𝑝) + 𝑎(𝑝 − 1)𝑧 −1 + ⋯ + 𝑧 −𝑝

𝐻(𝑧) =
1 + 𝑎(1)𝑧 −1 + ⋯ + 𝑎(𝑝)𝑧 −𝑝
8.40 En la figura se muestra una forma directa II y transpuesta a la forma directa II del sistema de primer
orden:
𝑏(0) + 𝑏(1)𝑧 −1
𝐻(𝑧) =
1 − 𝑎(1)𝑧 −1

Asumir que ambos sistemas están implementados usando b+1 bits y que todos los productos están
acercados a b+1 antes de cualquier suma

Usando el modelo lineal, encontrar la variante de ruido de la salida de la forma directa II

8.41 Un filtro de sexto orden con una función de sistema

H(z)=
𝜋
(1 + 𝑧 −2 )(1 + 𝑧 −1 )2 (1 − cos( ))
6
𝜋 𝜋 −1 𝜋
(1 − 1.6 cos )(1 + 1.6𝑐𝑜𝑠 𝑧 )(1 − 1.8𝑐𝑜𝑠 𝑧 −1 )
4 4 6

Para ser implementada como cascada de segundo orden. Considerando solo los efectos de ruido,
determinar cual es el mejor orden de la sección de segundo orden

Nota que las seis ceros de este sistema están un único circulo, y los polos por otra mano están en este
diagrama:

𝜋
1 − 2 cos ( ) 𝑧 −1 + 𝑧 −2
𝐻(𝑧) = 6
𝜋 −1
1 − 1.8 cos ( ) 𝑧 + 0.81𝑧 −2
6

(1 + 𝑧 −2 )2
𝐻(𝑧) = 𝜋
1 + 1.6 cos ( ) 𝑧 −1 + 0.64𝑧 −2
6
Capitulo 6
La DFT

6.1 INTRODUCION

En capítulos anteriores, nosotros hemos visto como representar una secuencia en términos de una
combinación lineal de exponentes complejos usando la DTFT, y como valores de secuencia puede ser
usado como los coeficientes en una expansión de serios de valores complejos en función de z. Para las
secuencias de longitud finita existe otra representación, llama la transformada discreta de Fourier DFT.
Lamentablemente la DTFT, que es una función continua de variables continuas, w, la DFT es una
secuencia que corresponde a muestras de la DTFT. Como la representación es muy útil para
computadoras digitales y para implementación de hardware digital. En este capitulo veremos como la
DFT, explora las propiedades, y veremos como puede ser usada como filtro digital y evaluando la
respuesta de frecuencia de un siste,a lineal invariante.

6.2 Serie discreta de Fourier

Dado x’(n) como secuencia periódica con periodo N:

x’(n) = x’(n + N)

x’(n) no tiene una transformada de Fourier porque no es absoluta sumable, puede ser expresada en
términos de DFS como:

𝑁−1
1
x’(n) = ∑ X′(k)𝑒 𝑗2𝜋𝑛𝑘/𝑁
N
𝑘=0

que es una descomposición de x’(n) en un sumatorio de N armónicamente exponenciales complejos. Los

valores de la DFS, X’(k), pueden ser derivados multiplicando ambos lados de la expansión y sumando un
periodo, usando el factor de que los complejos son ortogonales.
𝑁−1
𝑗2𝑛𝜋𝑘
𝑁 𝑘=1
∑𝑒 𝑁 ={
0 𝑜𝑡𝑟𝑜
𝑘=0

El resultado es:

𝑁−1

X′(k) = ∑ x′(n)𝑒 −𝑗2𝜋𝑛𝑘/𝑁

𝑘=0

La transformada discreta de Fourier tiene un numero de útiles e interesantes propiedades. Un poco de

esas propiedad están descritas a continuación
Linealidad
Los pares DFS satisfacen la propiedad de la linealidad, Específicamente, si x′1(n) y x′2(n) son periódicas con
periodo N, los coeficientes DFS del sumatorio son iguales a los coeficientes del sumatorio para
x ′ 1(n)𝑦 x ′ 2(n) individualmente.

x ′ 1(n) + x ′ 2(n)~X ′ 1(k) + X′2(k)

Desplazamiento

Si una secuencia periódica x′(n) es desplazada, los coeficientes DFS son multiplicados por un complejo
exponencial. En otras palabras, si X’(k) son los coeficientes DFS para x′(n), los coeficientes para y’(n)son
𝑌 ′ (𝑘) = 𝑤𝑁𝑘 x′(n)

Convolucion Periódica

Si h(n) es periódica con un periodo N con coeficientes DFS H y X, respectivamente, la secuencia es

𝑦 ′ (𝑛) = ℎ′ (𝑛)°𝑥′(𝑛)

La única diferencia entre periódica y consolación lineal es que, con una consolación periódica, la
sumatoria es solo evaluada sobre un periodo simple, con la consolación lineal la sumatoria es tomada
sobre todo los valores de k

6.3 Transformada discreta de Fourier

la DFT es una descomposición de secuencia que son finitas. Donde la DTFT es un mapeo de la secuencia
en función de una variable w

𝑥(𝑛) = 𝑋(𝑒 𝑗𝑤 )

Esta extensión de periodo pero ser expresada así:

𝑥 ′ (𝑛) = 𝑥(𝑛 𝑚𝑜𝑑 𝑁) = 𝑥((𝑛))𝑁

La secuencia X(k) es llamada los N puntos DFT de x(n). Esos coeficientes están relacionados a x(n) así:

𝑁−1

𝑥(𝑘) = ∑ 𝑥(𝑛)𝑒 −𝑗2𝑛𝑘/𝑁

𝑘=0

Esta expansión es valida para valores complejos y para secuencias reales;

𝑋(𝑘) = 𝑋(𝑒 𝑗𝑤 )|𝑤 = 2𝑘/𝑁

6.4 Propiedades

En esta sección, vamos a mencionar propiedades de la DFT. Por que cada secuencia es asumida para ser
de duración finita.
Linealidad

Si x1(n) y x2(n) tienen N puntos DFT X1(K) y X2(K), respectivamente

𝑎𝑥1(𝑛) + 𝑏𝑥2(𝑛) = 𝑎𝑋1(𝐾) + 𝑏𝑋2(𝐾)

Simetría
Si x(n) es un valor real, X(k) es simétricamente

𝑋(𝑘) = 𝑋((−𝑘))

Desplazamiento circular

El Desplazamiento circular
De una secuencia esta definida como:

𝑥((𝑛 − 𝑛0))𝑅(𝑛) = 𝑥 ′ (𝑛 − 𝑛0)𝑅(𝑛)

fig. 6-1. Visualización del despl. Circular

 Fig. 6-2. Despl. Circular de 4 puntos

Convolucion Circular
Sea h(n) y x(n) una secuencia finita de longitud N con N puntos, la secuencia que tiene DFT igual al
producto

𝑁−1

𝑦(𝑛) = [∑ ℎ(𝑛 − 𝑘)𝑥(𝑘)] 𝑅(𝑛)

𝑘−0

En general, la convolucion circular no es la misma convolucion, y es diferente en forma general cuando

M no es igual a N

Los cuatro puntos de la convolucion circular son:

𝑁−1

𝑦(𝑛) = [∑ ℎ(𝑛 − 𝑘)𝑥(𝑘)] 𝑅(𝑛)

𝑘−0
Mostrado en la figura siguiente

Convolucion circular contra lineal

En general, la convolucion circular no es la misma que la lineal. Por la tanto, hay una simple relación
entra ellas ilustrando que pasos deben ser tomado para estar seguros de que ellas son las mismas.
Especialmente, sea x(n) y h(n) finitas

𝑦(𝑛) = 𝑥(𝑛) ∗ 𝑦(𝑛)

Los N puntos de la convolucion circular de x(n) con h(n) es relacionada con y(n) asi:

𝑁−1

𝑦(𝑛) = 𝑥(𝑛) ∗ 𝑦(𝑛) [∑ ℎ(𝑛 − 𝑘)𝑥(𝑘)] 𝑅(𝑛)

𝑘−0

6.5 Muestreando la DTFT

Sea x(n) una secuencia con DTF, y considerando que es una secuencia finita y(n) de longitud N, que
coeficientes DFT son obtenidos muestreando X a 2K/N

𝑌(𝑘) = 𝑋(𝑒 𝑗𝑤 )𝑤 = 2𝜋𝑘/𝑛

Ese Muestreo están ilustrados en la figura 6-3 para N=8. Para expresar los valores de la secuencia y(n)
en términos de x(n) nosotros comenzamos encontrando la inversa DFT de Y(k):

𝑁−1
1
𝑦(𝑛) = ∑ 𝑌(𝑘)𝑒 𝑗2𝜋𝑛𝑘/𝑁
𝑁
𝑘=0
Sustituyendo esta expresión con Y(K) nos da:
𝛼

𝑦(𝑛) = [ ∑ 𝑥(𝑛 − 𝑚𝑁)] 𝑅(𝑛)

𝑚=0

6.6 Convolucion Lineal usando La DFT

La DFT brinda una manera conveniente para hacer las convoluciones periódicas sin tener que evaluar la
sumatoria.
Específicamente si h(n) es de N puntos puede ser lineal

1. Las secuencias h(n) y x(n) con ceros

2. Encuentra los N puntos DFT de h(n) y x(n)
3. Multiplica la DFT para formar el producto Y(k)=H(k)X(K)
4. Encuentra la inversa de Y(K)

Si parece aparecer que es considerablemente mas recomendable hacer la convolucion usando DFTs. Por
lo tanto como vimos en el capitulo 7 la transformada rápida de Fourier nos brinda ese algoritmo

Superposición suma

Sea x(n) una secuencia envuelta con un filtro casual FIR de longitud L:

𝐿−1

𝑦(𝑛) = ℎ(𝑛)8𝑥(𝑛) = ∑ ℎ(𝑘)

𝑘=0

Asumir que x(n)=0 y la longitud es mucho mayor que L. En la superposición x(n) es particionada de la
longitud de M como se ilustra en la figura, y puede ser escrita como el desplazamiento de secuencias
finitas de longitud M
 Fig. 6-4. Secuencia particional de longitud M de superposición

Superposición guardar

La segunda manera para que el DFT pueda ser usado en convolucion lineal es usar el método de
superposición guardar.
Este método toma ventaja del factor de aliasing que ocurre en la convolucion circular y solo afecta a una
porción de la secuencia.

ℎ(𝑛) ∗ 𝑥(𝑛) = [ ∑ 𝑦(𝑛 + 𝑘𝑁)] 𝑅(𝑛)

𝑘=−𝛼

Porque y(n+N) es el único termino que esta ligado al intervalo de n, y y(n+N) solo se superpone al primer
L-1 termino de y(n), los valores restantes en la convolucion circular no se emparejan
El procedimiento es el siguiente:

1. sea x1(n) la secuencia

0
𝑥1(𝑛) = {
𝑥(𝑛 − 𝐿 + 1)

2. Hacer la convolucion de N puntos de x1(n) con h(n) formando el producto, y entonces

encontrando la DFT inversa,
 Fig. 6-5 Ilustración de la superposición guardar de bloques convolucion

3. Sea x2(n) la secuencia de N puntos que es extraída de x(n) con el primer valor L-1
4. Hacer la convolucion circular de N puntos de x2(n) con h(n) formado por el producto y
tomando la inversa DFT.

𝑦(𝑛) = 𝑦1(𝑛 + 𝐿 − 1)

5. Paso 3 y paso 4 repetidos hasta que los valores en la convolucion circular sean evaluados

La razón para que el nombre sea superposición guardar es que x(n) es particionado en la superposición
de secuencias de longitud N y, después de hacer la convolucion lineal de N puntos, solo el ultimo N-L+1
esta guardado

Problemas resueltos

6.1 Encuentre la DFS de la secuencia

𝑛𝜋
𝑥 ′ (𝑛) = 𝐴𝑐𝑜𝑠( )
2

Alternamente, si nosotros expresamos x’(n) en términos de complejos exponenciales,

𝐴 𝑗2𝑛𝜋 𝐴 −𝑗2𝑛𝜋
𝑥 ′ (𝑛) = 𝑒 4 + 𝑒 4
2 2
Puede ser expresado x’(n) como

𝐴 𝑗2𝑛𝜋 𝐴 𝑗2𝑛𝜋
𝑥 ′ (𝑛) = 𝑒 4 + 𝑒 4
2 2

6.2 Si x’(n) es una secuencia periódica con un periodo N

𝑥 ′ (𝑛) = 𝑥′(𝑛 + 𝑁)

x’(n) también es periódico con un periodo 2n. Sea X’(k) los coeficientes DFS cuando x(n) es considerada a
ser periódica con periodo M, y sea X’2(k) los coeficientes DFS cuando el periodo es 2N.
Expresa los coeficientes DFS en términos de X’(k)

2𝑛−1

𝑋2(𝑘) = ∑ 𝑥(𝑛)𝑒 −𝑗𝑤0𝑘

𝑛=0

Note que el termino en paréntesis es igual a dos, y es igual a cero cuando k es sumado

𝑘
𝑥2(𝑘) = 2𝑋( )
2

Por lo tanto, los coeficientes son:

𝑘
𝑋 ′ 2(𝑘) = {2𝑋′(2)
0

6.4 Sea x(t) una secuencia periódica

𝑋𝑎(𝑡) = 𝐴𝑐𝑜𝑠(200𝜋𝑡) + 𝐵𝑐𝑜𝑠(500𝜋𝑡)

Que es muestreado a una frecuencia de 1kHz, Encuentre los coeficientes DFS de la señal sampleada
X’(n)=Xa(nTs)

𝜋 𝜋
𝑥 ′ (𝑛) = 𝐴𝑐𝑜𝑠 ( 𝑛) + 𝐵𝑐𝑜𝑠( 𝑛)
5 2

El primer termino tiene un periodo 10 y el segundo 4. Por lo tanto la sumatoria es periódica con un
periodo igual a 20
]
𝜋2 2𝜋
𝑥 ′ (𝑛) = 𝐴𝑐𝑜𝑠 ( 2𝑛) + 𝐵𝑐𝑜𝑠( 5𝑛)
20 20

que es la forma de descomposición en DFS

19
′ (𝑛)
1
𝑋 = ∑ 𝑋(𝑘)𝑒 𝑤0
20
𝑘=0

Transformada discreta de Fourier

6.5 Calcule los N puntos DFT de la secuencia

 𝑥1(𝑛) = 𝑑(𝑛)

La Dft de el impulso unitario puede ser evaluada fácilmente por la definición de DFT

𝑁−1

𝑋1(𝑘) = ∑ 𝑑(𝑛)𝑊 𝑛𝑘 = 1
𝑘−=0

6.6 Encuentre los 10 puntos inversos de

3 𝑘=0
𝑋(𝑘) = {
1 𝑘 𝑑𝑒 1 𝑎 9

Puede ser expresado de la siguiente manera

𝑋(𝑘) = 1 + 2𝑑(𝑘)

Por lo tanto,
1
𝑥(𝑛) = + 𝑑(𝑛)
5

6.8 Si x’(n) es una secuencia periódica con un periodo N

𝑥 ′ (𝑛) = 𝑥′(𝑛 + 𝑁)

x’(n) también es periódico con un periodo 2n. Sea X’(k) los coeficientes DFS cuando x(n) es considerada a
ser periódica con periodo M, y sea X’2(k) los coeficientes DFS cuando el periodo es 2N.
Expresa los coeficientes DFS en términos de X’(k)

2𝑛−1

𝑋2(𝑘) = ∑ 𝑥(𝑛)𝑒 −𝑗𝑤0𝑘

𝑛=0

Note que el termino en paréntesis es igual a dos, y es igual a cero cuando k es sumado

𝑘
𝑥2(𝑘) = 2𝑋( )
2

Por lo tanto, los coeficientes son:

𝑘
𝑋 ′ 2(𝑘) = {2𝑋′(2)
0

6.9 Encuentre la DFS de la secuencia

𝑛𝜋
𝑥 ′ (𝑛) = 𝐴𝑐𝑜𝑠( )
2

Alternamente, si nosotros expresamos x’(n) en términos de complejos exponenciales,

𝐴 𝑗2𝑛𝜋 𝐴 −𝑗2𝑛𝜋
𝑥 ′ (𝑛) = 𝑒 4 + 𝑒 4
2 2

Puede ser expresado x’(n) como

 𝐴 𝑗2𝑛𝜋 𝐴 𝑗2𝑛𝜋
𝑥 ′ (𝑛) = 𝑒 4 + 𝑒 4
2 2

Propiedades DFT

6.10 Considere la secuencia de longitud finita

𝑥(𝑛) = 𝑑(𝑛) + 2𝑑(𝑛 − 5)

Encuentre los 10 puntos de la transformada discreta de Fourier de x(n)

La DFT de x(n) es fácil ver que:

𝑗2
𝑋(𝑘) = 1 + 2𝑊 5𝑘 = 1 + 2𝑒 −10 = 1 + 2(−1)𝑘

6.11 Considere la secuencia

𝑥(𝑛) = 4𝑑(𝑛) + 3𝑑(𝑛 − 1) + 2𝑑(𝑛 − 2) + 𝑑(𝑛 − 3)

Sea X(k) los seis puntos DFT de x(n)

Encuentre una secuencia finita y(n) que tenga los seis puntos DFT

𝑌(𝑘) = 𝑤64𝑘 𝑋(𝑘)

La secuencia y(n) esta formada por la multiplicación DFT de los números complejos

𝑦(𝑛) = 𝑥(𝑛 − 4)

Que sigue:

𝑦(𝑛) = 4𝑑(𝑛 − 4) + 3𝑑(𝑛 − 5) + 2𝑑(𝑛) + 𝑑(𝑛 − 1)

6.12 Considere la secuencia

𝑥(𝑛) = 𝑑(𝑛) + 2𝑑(𝑛 − 2) + 𝑑(𝑛 − 3)

Encuentra los cuatro puntos DFT de x(n)

Los cuatro puntos DFT de X(n) es:

𝑋(𝑘) = ∑ 𝑥(𝑛)𝑤 𝑛𝑘 = 1 + 2𝑤42𝑘 + 𝑤43𝑘

𝑛=0