Mue
stre
o y
Proc
esam
ient
o D
igita
l
Introducción general
Condiciones y cronograma Mue
stre
o y
Proc
esam
ient
o D
igita
l PROGRAMA Sintético
1. SeñalesUnidad I: Introducción a las señales.Unidad II: Espacio de señales.
2. TransformacionesUnidad III: Bases y transformaciones lineales.Unidad IV: Transformada de Fourier.
3. SistemasUnidad V: Introducción a los sistemas. Unidad VI: Convolución. Transformada Z
4. AplicacionesUnidad VII: Filtros digitales.Unidad VIII: Identificación de sistemas.Unidad IX: Procesamiento digital de la voz.Unidad X: Análisis tiempo-frecuencia.
Fundamentos
Mue
stre
o y
Proc
esam
ient
o D
igita
l Condiciones
• Ver planificación…
• Grupo:– http://groups.yahoo.com/group/mpdfich/
Mue
stre
o y
Proc
esam
ient
o D
igita
l Cronograma (tentativo)Sem. Fecha Descripción Sem. Fecha Descripción
1 10/03/08 TP: Unidad I (Introd. pract.) 9 05/05/08 TP: Unidad VII (Introd. pract.). 13/03/08 Introducción. Unidad I. 08/05/08 Unidad VII.
2 17/03/08 TP: Unidad I (cont.). 10 12/05/08
Descrip. trabajo final y selección artículos. Eval: Unidad VI. Recup. eval. (I al V).
20/03/08 Feriado: Semana Santa 15/05/08 Feriado: Docente universitario.
3 24/03/08 Feriado: Memoria 11 19/05/08 TP: Unidad VIII (+Introd. pract.). Eval.: Unidad VII.
27/03/08 TP: Unidades II y III. 22/05/08 Parcial 1 (I al VI).
4 31/03/08 TP: Unidad II y III. Eval: Unidad I 12 26/05/08 TP: Unidad VIII (cont.).
03/04/08 Unidad IV 29/05/08 Unidad VIII y IX. 5 07/04/08 TP: Unidad IV. 13 02/06/08 TP: Unidad IX. 10/04/08 Unidad V. 05/06/08 Unidad X (primera parte).
6 14/04/08 TP: Unidad V. 14 09/06/08 TP: Unidad X. Consultas del trabajo final. Eval: Unidad VIII.
17/04/08 Unidad VI (1era parte) 12/06/08 Unidad X (segunda parte). Repaso y consultas Parcial 2.
7 21/04/08 TP: Unidad VI (1era parte). Eval: Unidad II, III y IV. 15 16/06/08 Feriado: Belgrano
24/04/08 Unidad VI (2da parte). 19/06/08 Parcial 2 (VII al X)
8 28/04/08 TP: Unidad VI (2da parte). Eval: Unidad V. 16 23/06/08 Entrega del trabajo final.
Eval. : Unidad IX y X.
01/05/08 Feriado: Dia del trabajador. 26/06/08 Recup. eval. semanales (VI al X). Recup. evaluaciones parciales.
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Introducción a las Señales
Mue
stre
o y
Proc
esam
ient
o D
igita
l Temas a tratar
• Definiciones básicas de señales.• Clasificación de las señales.• Operaciones elementales sobre y entre señales.
• Contexto de la teoría de la señal.• Tipos de procesamientos más usuales.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Objetivos
• Operar con señales discretas y reconocer las características y propiedades generales de las mismas.
• Aprender a aplicar en ejemplos sencillos las herramientas y conceptos en estudio.
• Motivar el interés mediante ejemplos concretos de aplicación.
• Generar y manipular señales digitales en forma de vectores por medio de un lenguaje de programación.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Definiciones
• La palabra señal tiene distintas significados según el contexto:– De uso común– De uso técnico
• Ambos significados están relacionados…
Mue
stre
o y
Proc
esam
ient
o D
igita
l
• “Una gran señal apareció en el cielo: una Mujer, vestida de sol, con la luna bajo sus pies, y una corona de doce estrellas sobre su cabeza;” (Apocalipsis 12,1)
Mue
stre
o y
Proc
esam
ient
o D
igita
l Señal: Definiciones comunes
• Del latín “signale”.• Marca que se pone o hay en una cosa para
darla a conocer o distinguirla de otras.• Signo, imagen o representación de una cosa.• Otro concepto relacionado: Símbolo.
Señales marítimasSeñales de tránsito Símbolos alfabéticos
Mue
stre
o y
Proc
esam
ient
o D
igita
l Conceptos relacionados: Signo y símbolo
Se utilizan para comunicar ideas o mensajes.
• Signo: específico de un cometido o circunstancia (más “físico”).• Símbolo: tiene un significado más amplio y menos concreto (más
“abstracto”. Derivado de Symbolum.
Los signos pueden ser comprendidos por humanos y animales; los símbolos no.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Señal: Definiciones técnicas
• Es una variable física, de la naturaleza que sea, que proporciona información sobre el estado o evolución de un sistema.
• Es la representación física de la información que transporta desde su fuente hasta su destino.
H(a, t)
Mue
stre
o y
Proc
esam
ient
o D
igita
l
SeSeññalesalesque transportanque transportan
InformaciInformacióón n y son transformadas pory son transformadas por
SistemasSistemas
Podemos ver el mundo como…
Mue
stre
o y
Proc
esam
ient
o D
igita
l Podemos ver el mundo como…
SistemaSeñal de entrada
Señal de salida
TransformaciónFunción Función
Información de entrada
Información de salida
Mue
stre
o y
Proc
esam
ient
o D
igita
l Observaciones
• Aunque las señales pueden ser representadas de muchas maneras, en cualquier señal la información está contenida en un patrón de variaciones de alguna magnitud.
• Las señales son representadas matemáticamente como funciones de una o mas variables independientes.
• Generalmente se toma como variable independiente al tiempo.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo: Evolución del índice MERVAL
Tiempo
200
300
400
500
600
700
800
900
1000
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo: Precio PCs IBM
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo: Señal de ECG y Presión
06/12/96 - 12:00 19
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo: Señal de Voz
wavwavwav
txttxttxt
wrdwrdwrd
phnphnphn Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo: Imágenes médicas
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo: Imágenes médicas
• TAC de cráneo• La reconstrucción da
una señal 3D
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ruido
• Llamamos ruido a cualquier fenómeno que perturba la percepción o interpretación de una señal.
• Comparte la misma denominación que los efectos acústicos análogos.
• Generalmente aditiva, pero puede ser también: multiplicativa, convolucional, etc
Ruido Aleatorio UniformeRuido Aleatorio Uniforme
Mue
stre
o y
Proc
esam
ient
o D
igita
l Dicotomía Señal-Ruido
• La diferencia entre señal y ruido es artificial, y depende solamente del criterio del observador
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Relación señal-ruido
•La relación señal-ruido (S/N o SNR) es una medida de cuanto una señal está contaminada por ruido. •Puede ser expresada como la razón ξ entre la potencias de la señal Ps y la potencia del ruido Pr:
ξ = Ps / Pr
ξ dB = 10 log(Ps / Pr) dB
Mue
stre
o y
Proc
esam
ient
o D
igita
l Procesamiento de señales con ruido
• Normalmente un sistema trata correctamente a una señal cuando el nivel útil de la misma es más alto que el nivel de ruido.
• Algunos métodos de procesamiento más elaborados permiten trabajar con pequeñas SNR, gracias a la información acerca de propiedades de la señal o del ruido conocidas a priori.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ubicación de las fuentes de ruido
• Relacionadas con el sistema bajo estudio:– Intrínsecas.– Asociadas.
• Relacionadas con el sistema de procesamiento o medida:– Internas. – Externas.
Sistema Bajo estudio
Sistema De medida
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplos: ruido acústico
• Automóvil
• Murmullo
• Turbina
• Máquina
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplos: ruido acústico
• Espectrogramas de:• señal de habla
limpia (vocales /a/, /e/, /i/, /o/ y /u/)
• señal de habla con ruido (vocales /a/, /e/, /i/, /o/ y /u/ más murmullo de fondo) a una SNR de 0 dB.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplos: ruido acústico
• Porcentajes de reconocimiento de palabras aisladas (dígitos, vocales y consonantes) para ON a una SNR de -10 dB, producidas por hablantes femeninos y masculinos en forma normal y con reflejo Lombard y utilizándose dos tipos de ruido: murmullo y blanco
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo: ruido en imágenes
• “Sal y Pimienta”
Mue
stre
o y
Proc
esam
ient
o D
igita
l Señales Físicas yModelos Teóricos (funciones)...
• Una señal experimental es la imagen de un proceso físico, y por lo tanto debe ser físicamente realizable.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Señales Físicas yModelos Teóricos (funciones)...
• Su energía debe ser finita• Su amplitud es necesariamente limitada• Esta amplitud es una función continua
(la inercia del sistema prohíbe discontinuidad).• El espectro de la señal es acotado
(tiende a cero cuando la frecuencia tiende a infinito).
Mue
stre
o y
Proc
esam
ient
o D
igita
l Señales Físicas yModelos Teóricos (funciones)...
• Cuando se elige una función para representar en forma simplificada una señal física, no es necesario que el modelo cumpla con esas condiciones
Señal “física” f(t)
modelo
Mundo real Representación
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Clasificación de Señales
Criterios
Mue
stre
o y
Proc
esam
ient
o D
igita
l Criterios de Clasificación de Señales
• Morfológico• Fenomenológico• Energético• Dimensional• Espectral
• Otros…
Mue
stre
o y
Proc
esam
ient
o D
igita
l Clasificación Morfológica
• Basada en el carácter continuo o discreto de la amplitud de la señal o de la variable independiente.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Señales Discretas y Continuas en el dominio temporal
• El eje temporal es discreto si consiste en un conjunto finito o numerable de instantes de tiempo
• Una señal cuyo eje temporal es discreto (sólo está definida para esos instantes) se denomina señal de tiempo discreto.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Señales Discretas y Continuas en el dominio temporal
• El eje temporal es continuo si consiste en un intervalo Real o Complejo. Este intervalo puede ser además infinito o semi-infinito.
• Una señal cuyo eje temporal es continuo se denomina señal de tiempo continuo.
Mue
stre
o y
Proc
esam
ient
o D
igita
l
EjemplosSeñal de Tiempo ContinuoSeñal de Tiempo Continuo
Señal de Tiempo DiscretoSeñal de Tiempo Discreto Mue
stre
o y
Proc
esam
ient
o D
igita
l Clasificación Morfológica
• Señales Analógicas• Señales Muestreadas• Señales Cuantizadas• Señales Digitales
x
Mue
stre
o y
Proc
esam
ient
o D
igita
l Clasificación Fenomenológica
• Basada en la posibilidad de predecir o no la evolución “exacta” de la señal a lo largo del tiempo.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Clasificación Fenomenológica
• Señales Determinísticas– Su evolución es perfectamente predecible por un modelo
matemático. – Los próximos valores de la señal pueden ser determinados
exactamente si son conocidas ciertas condiciones anteriores.
• Señales Aleatorias o Estocásticas– Su comportamiento es impredecible y sólo pueden
describirse mediante observaciones y modelos estadísticos
Mue
stre
o y
Proc
esam
ient
o D
igita
l Clasificación Fenomenológica
Periódicas
Señales
Determinísticas Aleatorias
Aperiódicas No EstacionariasEstacionarias
Sinusoidales
Armónicas
PseudoAleatorias
CuasiPeriódicas
Transitorias
Ergódicas
No Ergódicas
Especiales
Mue
stre
o y
Proc
esam
ient
o D
igita
l Señales Periódicas
• Una señal continua es periódica si y sólo si
• El menor valor positivo de T o N para el que se cumple cada una de las ecuaciones anteriores se llama período de la señal.
Caso Continuo: x(t + T) = x(t) para todo t ∈ (-∞, ∞)
Caso Discreto: x(n + N) = x(n) para todo n ∈ (-∞, ∞)
Mue
stre
o y
Proc
esam
ient
o D
igita
l Clasificación Fenomenológica
Periódicas
Sinusoidales
Armónicas
PseudoAleatorias
Mue
stre
o y
Proc
esam
ient
o D
igita
l Señales Periódicas
• Pseudo-aleatorias:– “Parecen” aleatorias pero en realidad no lo son.– Por ejemplo: secuencia random de la computadora.
Generador Congruencial Multiplicativo
Período de repetición muy largo
Mue
stre
o y
Proc
esam
ient
o D
igita
l Señales Aperiódicas
• Cualquier señal determinística que no es periódica se dice que es aperiódica.
• Algunas señales aperiódicas tienen propiedades únicas y son conocidas como funciones singulares.– Función escalón– Delta de Dirac
Mue
stre
o y
Proc
esam
ient
o D
igita
l Cuasiperiódicas
• “Casi” periódicas: pequeñas variaciones entre “cuasiperiodos”.
• Por ejemplo: duración, amplitud, etc.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Señales Transitorias
• Son aquellas que agotan su energía dentro del período de observación.
• Esta clasificación no depende tanto de la señal en sí, como de la escala temporal desde la cual se observa a la misma.
• No confundir con período transitorio de una señal o respuesta de un sistema.
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Delta de Dirac Continuo
( )
( )
1
0, 0
t dt
t t
δ
δ
∞
−∞
=
= ≠
∫
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Delta de Dirac Discreto
[ ][ ] 0,0
0,1≠=δ==δ
nnnn
Mue
stre
o y
Proc
esam
ient
o D
igita
l
ERGODICAS NO ERGODICAS
ESTACIONARIAS NO ESTACIONARIAS
ALEATORIASo ESTOCASTICAS
Mue
stre
o y
Proc
esam
ient
o D
igita
l Proceso y Realización
• Una señal aleatoria es una realización o una muestra de un proceso.
• Una realización difiere de otra por su descripción temporal.
• El conjunto completo (infinito) de realizaciones definen el proceso.
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Sea que denota el valor de un experimento. Para cada valor suponemos que se asignauna forma de ondaLa colección de esas señales forman un proceso estocástico.El conjunto de y el índice temporal t pueden ser continuos o discretos.Para fijo (el conjunto de todos los valores experimentales),
es una función específica del tiempo.Para t fijo, es una variable aleatoria. El arreglo de todas esas realizaciones en el tiempo constituye elproceso aleatorio X(t).
ξ
),( ξtX
}{ kξ
Si ∈ξ
),( 11 itXX ξ=),( ξtX
t1
t2
t
),(n
tX ξ
),(k
tX ξ
),(2
ξtX
),(1
ξtX
M
M
M
Fig. 1
),( ξtX
0
),( ξtX
Definición formal
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo: EEG
• Proceso: EEG de niños entre 8 y 12 años, sanos, tomados en REM
EEG1
EEG2
EEG3
EEGn
Mue
stre
o y
Proc
esam
ient
o D
igita
l Estacionaridad
• Un proceso en el que las propiedades estadísticas de la señal no dependen del tiempo es estacionario.
• Un proceso se dice que es estacionario cuando la fdp no depende del tiempo.
• Prácticamente: de un proceso estacionario se pueden extraer parámetros estadísticos.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Estacionaridad
t1 tm tnp(x)
x
p(x)
x
p(x)
x
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ergodicidad
• El promedio estadístico a lo largo de la muestra es igual el promedio temporal a lo largo del eje del tiempo para cualquier función muestra.
t1
t2
t
),(n
tX ξ
),(k
tX ξ
),(2
ξtX
),(1
ξtX
M
M
M
Fig. 1
),( ξtX
0
Mue
stre
o y
Proc
esam
ient
o D
igita
l
•Ergodicidad ⇒ Estacionariedad
•Estacionariedad ⇒ Ergodicidad
Mue
stre
o y
Proc
esam
ient
o D
igita
l Clasificación Energética
• De acuerdo a si la señal posee, o no:
– Energía finita– Potencia media finita
Mue
stre
o y
Proc
esam
ient
o D
igita
l Clasificación Dimensional
• Basada en el número de variables independientes del modelo de la señal.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Clasificación Espectral
• Basada en la forma de la distribución de frecuencias del espectro de la señal.
– Baja Frecuencia– Alta Frecuencia– De banda Angosta– De Banda Ancha
Mue
stre
o y
Proc
esam
ient
o D
igita
l Otras Clasificaciones
• Limitadas en duración• Limitadas en amplitud• ...
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Operaciones con señales
Mue
stre
o y
Proc
esam
ient
o D
igita
l Operaciones básicas
• Operadores binarios– Adición – sustracción ...– Productos
• por un escalar• punto a punto• interno / externo
– ... • Operadores unarios
– Operaciones sobre el rango– Operaciones sobre el dominio– Interpolación y decimación
Mue
stre
o y
Proc
esam
ient
o D
igita
l Operaciones sobre el rango
( ))()( txtx viejonuevo ρ=
Mue
stre
o y
Proc
esam
ient
o D
igita
l Operaciones sobre el rango
• Amplificación• Rectificación• Cuantización• ...
( ))()( txtx viejonuevo ρ=
Mue
stre
o y
Proc
esam
ient
o D
igita
l Operaciones sobre el dominio
( ))()( txtx viejonuevo τ=
Mue
stre
o y
Proc
esam
ient
o D
igita
l Operaciones sobre el dominio
• Compresión• Expansión• Inversión• Traslación• ...
( ))()( txtx viejonuevo τ=
Mue
stre
o y
Proc
esam
ient
o D
igita
l Interpolación y decimación
• Interpolación lineal• Interpolación polinómica• Interpolación sinc• Decimación (muestreo)• ...
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Interpolación• La interpolación aumenta la frecuencia de muestreo original de
una señal de tiempo discreto (puede ser hasta infinito).
Mue
stre
o y
Proc
esam
ient
o D
igita
l Interpolación
∑ −=n
TnTtinTxtx )().()( *
Mue
stre
o y
Proc
esam
ient
o D
igita
l Interpolación de orden 0
⎩⎨⎧ ≤
=caso otroen 01<t0 1
)(tistep
Mue
stre
o y
Proc
esam
ient
o D
igita
l Interpolación de orden 1
⎪⎩
⎪⎨⎧ −
=caso otroen 0
1<t 1)(
ttilineal
Mue
stre
o y
Proc
esam
ient
o D
igita
l El interpolador ideal
⎩⎨⎧
=≠
=0 10 /)sin(
)(tttt
tisinc
Mue
stre
o y
Proc
esam
ient
o D
igita
l Interpolación ideal
Mue
stre
o y
Proc
esam
ient
o D
igita
l Decimación
• La decimación reduce la frecuencia de muestreo original de una señal de tiempo discreto, es lo opuesto a la interpolación.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Digitalización de señales
• Conversión analógico/digital (A/D)– Ventaneo– Muestreo– Retención– Cuantización– Codificación (ej: binaria)
Mue
stre
o y
Proc
esam
ient
o D
igita
l Conversión A/D
Señal analógica, de tiempo continuoy amplitud continua
Señal de tiempo discretoy amplitud continua
Señal de tiempo discretoy amplitud discreta
Muestreo(retención) Cuantizador Codificador
Señal digital
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Algunas observaciones...
• Muestreo:– Solo medimos a intervalos prefijados por lo cual
perdemos los cambios rápidos.– Dependemos de la fiabilidad del reloj del sistema.
• Ventaneo:– Solo medimos durante un intervalo finito de tiempo por
lo cual perdemos los cambios más lentos.– La forma de esta ventana también afecta el resultado.
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Algunas observaciones...
• Una señal continua
• ...medida contra un reloj...
• ...mantiene su valor entre cada pulso del reloj...
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Algunas observaciones...
• Un reloj preciso...
• .... conduce a valores precisos.
• Un error en el reloj...
• ... se traduce en error en los valores.
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Algunas observaciones...
• Una “evento” de la señal...
• que ocurre entre muestras...
• parece como...
• si no hubiese estado allí
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Algunas observaciones...
• Las componentes de alta frecuencia...
• ...pasadas por un filtro pasa bajos...
• ...desaparecen
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Algunas observaciones...
• Una señal periódica...
• muestreada dos veces por ciclo...
• tiene suficiente información como...
• para ser reconstruida
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Algunas observaciones...
• Una señal de alta frecuencia...
• ...muestreada suficientemente rápido...
• ...puede verse todavía mal...
• ...pero puede ser reconstruida.
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Algunas observaciones...
• Una señal muestreada...
• ...debe ser procesada por un filtro pasa-bajos...
• ...para reconstruir la señal original.
• La respuesta al impulso del filtro debe ser una sincrónica.
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Algunas observaciones...
• Una señal de alta frecuencia...
• muestreada a una tasa muy baja...
• parece como...
• una señal de menor frecuencia.
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Algunas observaciones...
• Un objeto que gira a de alta frecuencia y lo iluminamos a baja frecuencia.
• Una "cámara" acelera constantemente hacia la derecha a la misma velocidad que los objetos se desplazan hacia la izquierda.
Otros problemas de aliasing temporal: Efectos estroboscópicos o visuales
Mue
stre
o y
Proc
esam
ient
o D
igita
l Muestreo de Imágenes
• Efecto de “Aliasing”
Mue
stre
o y
Proc
esam
ient
o D
igita
l Muestreo y retención
• Muestreo Uniforme • Muestreo No uniforme
Mue
stre
o y
Proc
esam
ient
o D
igita
l Cuantización
⎪⎩
⎪⎨
⎧
−=
≥
≤
HN-x
HN-x<
x<
HNHxH
x
)1(
)1(0
0
)1( )/int(.
0)(ρ
Mue
stre
o y
Proc
esam
ient
o D
igita
l Cuantización de Imágenes
• 16 bpp 1 bpp
Mue
stre
o y
Proc
esam
ient
o D
igita
l Cuantización
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Algunas observaciones...
• Cuantización:– La precisión está limitada al número de bits disponible.– Depende también del rango dinámico de la señal.– Los errores introducidos en el proceso son no lineales y
dependientes de la señal.– También pueden cometerse errores aritméticos dentro
del procesador debido a la precisión.
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Algunas observaciones...
• La precisión limitada en la cuantización...
• ...conduce a errores...
• ... que dependen de la señal
Ruido de cuantización (± ½ LSB)
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Algunas observaciones...
• Por ello el espectro de un tono puro...
• ...se ensucia cuando lo cuantizamos.
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Teoría de la Comunicación y Teoría de Señales
(2da parte)
Mue
stre
o y
Proc
esam
ient
o D
igita
l Contexto
• El estudio de las señales se encuentra contenido en lo que se denomina
Teoría de la Comunicación
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo: la comunicación humana
(a)
Hablante Aire Oyente
Comprensión delmensaje
Transducciónneuronal
Decodificación
Movimientomembrana
basilar
Formulación delmensajeCodificación
Acciones neuro-musculares
Fuentedelsonido
Ondaacústica
Tractovocal
Ruidoambiente
IDEA IDEA
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo: la comunicación por radio
Mue
stre
o y
Proc
esam
ient
o D
igita
l
MODULACION Y MUESTREO
ANALISIS ESPECTRAL
DETECCION Y ESTIMACION
RECONOCIMIENTO DE PATRONES
TEORIA DE LA SEÑAL
CODIFICACION DE LA FUENTE(REDUCCION DE REDUNDANCIA)
CODIFICACION DE CANAL(CORRECCION Y DETECCION
DE ERROR)
CRIPTOGRAFIA(PRIVACIDAD)
TEORIA DE LA CODIFICACION
TEORIA DE LA INFORMACION
TEORIA DE LA COMUNICACION
Mue
stre
o y
Proc
esam
ient
o D
igita
l Teoría de la Información
• La teoría de la información se ocupa de la medición de la información, de la representación de la misma y de la capacidad de los sistemas de comunicación para transmitir y procesar información.
• C. E. Shannon: “A Mathematical Theory ofCommunication” (1948). M
uest
reo
y Pr
oces
amie
nto
Dig
ital Procesamiento de la Señal
• Es la disciplina técnica que, basada en los métodos de la teoría de la información y la señal, se encarga de la elaboración o interpretación de señales que transportan información, con la ayuda de la electrónica, la computación y física aplicada.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Procesamiento de Señales
• Principales objetivos – Extracción de la información útil que se encuentra
en las señales y presentación los resultados en forma apropiada para el hombre o la máquina.
– Generación de señales, que permiten el estudio del comportamiento de sistemas.
– Transmisión o almacenamiento de la información contenida en las señales
Mue
stre
o y
Proc
esam
ient
o D
igita
l Procesamiento Digital de Señales (DSP)
• Procesamiento– Realizar operaciones sobre datos de acuerdo con instrucciones programadas
• Digital – Operar mediante el uso de señales discretas para representar datos en forma de
números• Señal
– Una variable por medio de la cual se transmite información en un circuito electrónico
entrada A/D DSP D/A salida
Mue
stre
o y
Proc
esam
ient
o D
igita
l Procesamiento Digital de Señales (DSP)
• Definición sencilla:
“Modificar o analizar señales representadas a partir de una secuencia discreta de números”
Mue
stre
o y
Proc
esam
ient
o D
igita
l DSP: Ventajas
• Versatilidad:– Pueden ser reprogramados fácilmente– Pueden ser migrados a diferentes circuitos
• Repetibilidad:– Pueden ser fácilmente duplicados– No dependen de estrictas tolerancias de los coeficientes– Sus respuestas no varían con la temperatura
• Simplicidad:– Algunas cosas pueden ser hechas más fácilmente en forma
digital que con sistemas analógicos
Mue
stre
o y
Proc
esam
ient
o D
igita
l DSP: Desventajas
• Trabaja con señales que provienen del mundo real.
• Utiliza “mucha” matemática (multiplicando y sumando señales) .
• Requiere un tiempo finito para dar una respuesta.
• Puede necesitar capacidades importantes de almacenamiento de datos.
Mue
stre
o y
Proc
esam
ient
o D
igita
l DSP: Aplicaciones
• Se utiliza en una gran variedad de aplicaciones:
• Y extensamente en la tecnología actual...
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Síntesis
Análisis
Medidas
Filtrado
Regeneración
Detección
Identificación
Codificación
ModulaciónSESEÑÑALAL
Generación de la señal
Interpretación de la señal
Extracción de Información
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Técnicas de Procesamiento de Señales
• Amplificación– Consiste en aumentar la amplitud, o potencia, de
una señal eléctrica.– Es uno de los procesamientos más “sencillos”
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Técnicas de Procesamiento de Señales
• Análisis– Consiste en aislar los componentes del sistema
que tienen una forma compleja para tratar de comprender mejor su naturaleza u origen.
Ej: Análisis Espectral de Sonido Cardíacos.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo: Análisis Autosimilar con Onditas
Mue
stre
o y
Proc
esam
ient
o D
igita
l Análisis
• Muchas veces se utiliza como etapa previa a un sistema automático de clasificación...
Análisis y Extracción de
Características
Clasificador
Automáticoclaseseñal M
uest
reo
y Pr
oces
amie
nto
Dig
ital
-1
-0,5
0
0,5
1
1,5
2
2,5
-2,5 -2 -1,5 -1 -0,5 0 0,5 1 1,5 2 2,5
had
hAd
hed
hEd
hid
hId
hod
hOd
hud
hUd
hYd
Ejemplo clasificación Vocales (Deterding)
Mue
stre
o y
Proc
esam
ient
o D
igita
l
11 vocales de Ingles Británico hablado por 15 hablantes en un contexto h*d
528 de entrenamiento de 8 hablantes, 462 de prueba de los 7 restantes
Cada ejemplo en forma de un vector con 10 dimensiones
Clasificador # de unidad % correctoPerceptron - 33
PMC 88 51PMC 22 45PMC 11 44RBR 528 53RBR 88 481-NN - 56
Algunos Resultados
Ejemplo de Vocales de DeterdingM
uest
reo
y Pr
oces
amie
nto
Dig
ital Modulación
• La modulación consiste en variar la amplitud, la fase o la frecuencia de una señal portadora con referencia a una señal mensaje o moduladora.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo modulación AM
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo modulación AM
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo modulación FM
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo modulación FM
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Técnicas de Procesamiento de Señales
• Medición• (especialmente en señales con componentes aleatorias)
– Se trata de estimar el valor de una variable característica de la señal, con un determinado nivel de confianza.
Ej: Medición de la temperatura corporal.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Medición: Precisión y Exactitud
• Diferentes situaciones para una medida, el valor real es el centro del blanco.
No precisaNo exacta
PrecisaNo exacta
No precisaExacta
PrecisaExacta
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Técnicas de Procesamiento de Señales
• Filtrado – Consiste en la eliminación de componentes
indeseadas de la señal, preservando las de interés.
Ej: Eliminación ruido 50 Hz ECG. Mue
stre
o y
Proc
esam
ient
o D
igita
l Filtrado
• Tipos de filtros:– Pasa-bajos (Lowpass)
– Pasa-altos (Highpass)
– Pasa-banda (Bandpass)
– Rechaza-banda (Bandstop)
– Multibanda (Multiband)
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo Filtrado lineal 1D
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1-1
-0.5
0
0.5
1
Time (s econds)
Tim
e w
avef
orm
0 5 10 15 20 25 30 35 40 45 500
10
20
30
40
50
60
Frequenc y (Hz)
Ma
g. o
f F
ouri
er t
ran
sfor
m
0 5 10 15 20 25 30 35 40 45 500
0.2
0.4
0.6
0.8
1
Frequenc y (Hz)
Mag
. of
freq
uen
cy
res
pon
se
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1-3
-2
-1
0
1
2
3
Time (seconds)
Tim
e w
avef
orm
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo Filtrado no lineal 1D
• Limpieza de ruido con Onditas
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo Filtrado 2DM
uest
reo
y Pr
oces
amie
nto
Dig
ital
Técnicas de Procesamiento de Señales
• Regeneración – Su objetivo es retornar la señal a su forma inicial,
después que ésta haya sufrido algún tipo de distorsión.
Ej: Deconvolución de una Imagen Médica.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo: Regeneración
• Imagen con iluminación no uniforme:
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Técnicas de Procesamiento de Señales
• Detección – Determinación de la presencia o ausencia de una
señal– Extracción de una señal útil de un ruido de fondo
de grandes dimensiones.
Ej: Potenciales Evocados.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Detección y correlación...
• La correlación cruzada puede ser utilizada para detectar y localizar una señal conocida de referencia inmersa en ruido:– Una copia de la señal conocida de referencia se
correlaciona con la señal desconocida. – La correlación será alta cuando la referencia sea similar a la
señal desconocida. – Un valor grande de correlación muestra el grado de
confianza en la detección de la señal. – Este valor indica también cuando ocurre la señal de
referencia.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Detección y correlación...
•Una señal “chirrido” (chirp) de radar o sonar ...
•emitida por un objeto “blanco” puede estar “enterrada” en ruido...
•pero correlacionándola con la referencia...
•revela claramente el momento en que se ha producido el eco...
Otro ejemplo: detección del QRS
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Técnicas de Procesamiento de Señales• Identificación
– Es un proceso complementario, que permite clasificar la señal observada.
– Las técnicas de Correlación son frecuentemente usadas con este fin.
– En el caso paramétrico culmina en la obtención de un conjunto de parámetros que caracterizan a la señal.
Ej: Diagnóstico Automático de Patologías (para casos complejos puede requerir el uso de técnicas de Reconocimiento de Patrones e IA).
Mue
stre
o y
Proc
esam
ient
o D
igita
l Identificación y correlación...
• La correlación cruzada puede ser utilizada para identificar una señal por comparación con una librería de señales conocidas de referencia:– La señal desconocida es correlacionada con un número de
señales conocidas de referencia. – La mayor correlación corresponde al patrón o referencia
más similar.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Identificación y correlación...
• Por ejemplo:
El canto de un ruiseñor...
se correlaciona fuertemente con otro ruiseñor...
pero débilmente con una paloma...
o un herón...
Mue
stre
o y
Proc
esam
ient
o D
igita
l Identificación y correlación...
• La correlación cruzada es una de las formas en las cuales un sonar puede identificar distintos tipos de cuencas o lechos:– Cada cuenca tiene una “firma” de sonar única. – El sistema del sonar posee una librería de ecos pregrabados
desde diferentes cuencas. – Un eco de sonar desconocido se correlaciona con la librería
de ecos de referencia. – Cuando más grande es la correlación más probable es la
coincidencia.
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Técnicas de Procesamiento de Señales
• Síntesis – Es la operación opuesta al análisis, consiste en
crear una señal con una forma apropiada mediante la combinación, por ejemplo, de un número de señales elementales.
Ej: Sintetizador de Voz Artificial.
Mue
stre
o y
Proc
esam
ient
o D
igita
l
G +
PredictorLineal
Parámetros an
Entonación
Generadorde
pulsos
Generadorde
ruido blanco
Emisiónsonora o sorda
nsnu
Ej: Sintetizador paramétrico de voz
Mue
stre
o y
Proc
esam
ient
o D
igita
l
+
Señal sintetizada
Osciladores
Síntesis no paramétrica
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Técnicas de Procesamiento de Señales
• Codificación1) Reducción de redundancia en una señal.
• Es frecuentemente usada aprovechar el ancho de banda o el volúmen de memoria de una computadora. Ej: Compresión de ECG.
2) Reducción de los efectos del ruido• La modulación y traducción a frecuencias son las
formas principales de adaptar una señal a las características de una línea de transmisión, de un filtro analizador, o de un medio de registro. Ej: Transmisión de ECG por TE.
DSP
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo de Codificación (1)
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo de Codificación (2)
Mue
stre
o y
Proc
esam
ient
o D
igita
l Bibliografía para esta Unidad
En general se puede encontrar una introducción a señales en casi cualquier texto de “Señales y Sistemas”. Por ejemplo:
• Sinha: 2.1 a 2.5• Kwakernaak: 1.1 a 1.3, 2.1 a 2.3, 2.5• Oppenheim-Willsky: 2.1 a 2.4• Cohen: 1.2, 1.3, 3.3
(Las referencias completas se encuentran en el libro de la Cátedra)
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Espacios de Señales
Facultad de Ingeniería y Ciencias HídricasUNL
3
T1
T2
2
Mue
stre
o y
Proc
esam
ient
o D
igita
l Temas a tratar
• Señales y vectores. • La relación entre el álgebra lineal y las señales. • Espacios de señales y espacios vectoriales. • Bases y transformaciones lineales.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Introducción
• En general asociamos a las señales con “elementos aislados”.
• Ahora vamos a incorporar a las señales en un marco estructurado: el espacio vectorial.
• Considerando a las señales como vectores de unespacio n-dimensional, podemos:– aprovechar las propiedades de la estructura algebraica de
los espacios vectoriales.– interpretar el procesamiento de las señales desde una
perspectiva conceptual sencilla.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Señales y vectores...
3
T1
T2
2
23
m
T
21
•Medimos la temperatura ambiente a intervalos de 1 minuto...
•Representamos en una gráfica en donde el eje de las ordenadas indica el tiempo y el de las abscisas la magnitud de la temperatura.
2R
Mue
stre
o y
Proc
esam
ient
o D
igita
l
0 0 . 0 5 0 . 1 0 . 1 5 0 . 2 0 . 2 5 0 . 3 0 . 3 5 0 . 4 0 . 4 5 0 . 5- 1
- 0 . 8
- 0 . 6
- 0 . 4
- 0 . 2
0
0 . 2
0 . 4
0 . 6
0 . 8
1
Señales y vectores...
0 10 20 30 40 50 600
0.5
1
1.5
2
2.5
3
m
T
60REn 1 hora ...
Para señales continuas...
Ya no puedo representarlo gráficamente como un “vector”en el espacio “tradicional”, pero el concepto es el mismo ...
Es un solo elemento,
vector o punto∞R
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ahora con varios elementos...
• Nos interesa estudiar a cada elemento en relación al resto:
– Conjuntos de señales– Espacios de señales– Espacios lineales o vectoriales– Espacios normados
31/03/2008 Espacios de Señales 152
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Para ello debo primero definir un conjunto:
O el conjunto de las x, tal que p sea cierto, op es cierto, implica que x pertenece a S.
S
Otra forma es como solución de la ecuación diferencial:
{ ; ( ) Re[exp( )]} =2 - ,
CS x x t j tf t f
α ωω π α= = +
∞ ≤ ≤ ∞ ∈ R
{ ; 0}CdxS x xdt= + =
Ejemplo: conjunto de las señales sinusoidales (1)
Una “señal” es un elemento de un espacio S
{ ; } S x p p x S= ⇒ ∈
Mue
stre
o y
Proc
esam
ient
o D
igita
l
{x; x(t) ≤ A1 v x(t) ≥ A2 }
{x; x(t) = 0, T1 > t v t > T2}
{ }1 2 1 2
( ) ( )
; ( ) 0, ,
j tX x t e dt
x x X
ωω
ω ω ω ω ω ω ω ω
∞−
−∞
=
= = ≤ ≥
∫
A1
A2
tT1 T2
Otros ejemplos...
Señales limitadas temporalmente (2)
Señales limitadas en amplitud (3) Señales de banda
limitada (4)( ) X ω
Mue
stre
o y
Proc
esam
ient
o D
igita
l Sin embargo...
• Un espacio es un conjunto de elementos que satisfacen una condición, pero además...
• Se requieren otras propiedades para poder llamar al conjunto “espacio”...
• En particular se debe dotar al conjunto de:– una estructura geométrica (espacio de señales).– una estructura algebraica (espacio vectorial).
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Estructura Geométrica
Mue
stre
o y
Proc
esam
ient
o D
igita
l Espacio de Señales
• Si al conjunto de señales definido anteriormente le agregamos una métrica entonces estamos hablando de un espacio de señales.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Espacio de señales
Conjunto de señales+
Estructura geométrica Mue
stre
o y
Proc
esam
ient
o D
igita
l Norma
• Nos proporciona información acerca del “tamaño” de un elemento del espacio:– Es un número real no negativo.– Es homogénea con respecto a la escala.– Satisface la Desigualdad Triangular.
• La norma se refiere a un solo elemento, mientras que la distancia a dos.
Mue
stre
o y
Proc
esam
ient
o D
igita
l Distancia
• La distancia es otro concepto muy importante asociado a un espacio.
• Nos permite dar sentido geométrico al espacio a través de una “métrica”.
• Una métrica puede derivarse a partir de una norma:
• Significados: “error”, “diferencia”o “grado de aproximación” entre dos señales.
( , )d X Y Y X= −Pueden existirmétricas que no deriven de normas
Mue
stre
o y
Proc
esam
ient
o D
igita
l Norma - p
• Secuencias temporales:
• Señales continuas
1/
1/
( )
( )
pp
pn
pp
p
x x n
x x t dt
∞
=−∞
∞
−∞
⎛ ⎞= ⎜ ⎟⎜ ⎟⎝ ⎠
⎛ ⎞⎜ ⎟=⎜ ⎟⎝ ⎠
∑
∫
1 p< < ∞
Mue
stre
o y
Proc
esam
ient
o D
igita
l Cuando p es infinito
sup ( )
sup ( )
n
t
x x n
x x t
∞∈
∞∈
=
=
Z
R
Mue
stre
o y
Proc
esam
ient
o D
igita
l
2
2
1
x
x
x
∞ Se denomina AMPLITUD de la señal x
Se conoce como ENERGIA de la señal x
Suele llamarse ACCION de la señal x
Otros nombres...
Mue
stre
o y
Proc
esam
ient
o D
igita
l Amplitud y Energía
x1
E(x)1/2
A(x)x2
Mue
stre
o y
Proc
esam
ient
o D
igita
l ¿ Y cuando p es = 0 ?
{ }
00
0
lim
# : ( ) 0
p
ppx x
x n x n
→=
= ≠
Medida de “dispersión”
Mue
stre
o y
Proc
esam
ient
o D
igita
l ¿La norma-p es la única?
• Existen muchas normas, pero esta es la más utilizada porque permite diferentes comportamientos variando p.
• Otros ejemplos:– Norma del Volumen Mínimo (similar a ||x||0)– Norma de Cauchy– Norma Varimax– Otras dependiendo de la aplicación...
Mue
stre
o y
Proc
esam
ient
o D
igita
l ¿Por qué hay diferentes normas?
Superficies para distintas normas del
vector bidimensional
S
Mue
stre
o y
Proc
esam
ient
o D
igita
l ¿Por qué hay diferentes normas?
Curvas de nivel para distintas
normas del vector
bidimensional S
Mue
stre
o y
Proc
esam
ient
o D
igita
l Potencia media de una señal
PN
x n
PT
x t dt
xn N
N
xT
T
=
=
=−
−
∑
∫
12
12
2
2
( )
( )
Mue
stre
o y
Proc
esam
ient
o D
igita
l Potencia media TOTAL de una señal
P limN N
x n
P limT T
x t dt
xn N
N
xT
T
=→∞
=→∞
=−
−
∑
∫
12
12
2
2
( )
( )
Mue
stre
o y
Proc
esam
ient
o D
igita
l RMS
PxValor cuadrático medio
Mue
stre
o y
Proc
esam
ient
o D
igita
l Espacios de Señales
• Espacio de Secuencias Temporales• Espacio de Señales de Tiempo Continuo• En ambos casos se suele usar la métrica basada
en la norma 2.
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Estructura Algebraica
Mue
stre
o y
Proc
esam
ient
o D
igita
l Ejemplo: Campo Escalar
• F campo escalar– Adición + : F x F → F – Producto . : F x F → F – Neutro aditivo: 0– Neutro multiplicativo: 1
• Ejemplos: Z, R, C
Mue
stre
o y
Proc
esam
ient
o D
igita
l Espacio Lineal...
• Conjunto para el que están definidas las operaciones binarias (cerradas) de:– Multiplicación de cualquier elemento POR un
ESCALAR – Adición ENTRE cualesquiera de sus elementos
• Estas operaciones son conmutativas, asociativas y distributivas.
• Poseen elemento neutro y cancelativo
Mue
stre
o y
Proc
esam
ient
o D
igita
l
•Ejemplos: ZN, RN, CN(1) no es
un espacio vectorial.
Espacio Lineal...
• A los elementos de los espacios lineales los llamamos VECTORES y podemos referirnos al espacio como ESPACIO VECTORIAL
2 ( )L R1( )L R2 ( )l Z1( )l Z
Mue
stre
o y
Proc
esam
ient
o D
igita
l Espacios Normados
• Son aquellos espacios vectoriales en los que TODOS sus elementos poseen norma finita.
• Los subconjuntos de señales que poseen energía finita o acción finita son espacios normados.
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Analogías entre Señales y Vectores
Producto Interno
Mue
stre
o y
Proc
esam
ient
o D
igita
l Producto interno
Medida de
similitudentre señales
Mue
stre
o y
Proc
esam
ient
o D
igita
l Componente de un vector en otro
• Proyección de v1 sobre v2
• Menor error de modo que:v1 = c12 v2 + ve
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Pero no cumplen la condición de error mínimo
Otras alternativas podrían ser
Mue
stre
o y
Proc
esam
ient
o D
igita
l ¿Cómo calculamos c12?
c12 |v2| = |v1| cos(θ)
La componente de la componente de v1 a lo largo de v2 será:
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Además, sabemos que:
¿Cómo calculamos c12?
c12 |v2| = |v1| cos(θ)
La componente de la componente de v1 a lo largo de v2 será:
< v1 , v2 > = |v1| |v2| cos(θ)
Mue
stre
o y
Proc
esam
ient
o D
igita
l ¿Cómo calculamos c12?
Ahora podemos escribir:
22
2112 ,
,vvvv
=c
Mue
stre
o y
Proc
esam
ient
o D
igita
l c12 mide el parecido entre v1 y v2
Mue
stre
o y
Proc
esam
ient
o D
igita
l c12 mide el parecido entre v1 y v2
Si v2 tiene norma unitaria:
2112 , vv=c Mue
stre
o y
Proc
esam
ient
o D
igita
l
Producto interno en ¿señales continuas?
Mue
stre
o y
Proc
esam
ient
o D
igita
l
• El concepto de proyección y ortogonalidadde vectores se puede extender a las señales.
• Se considerarán dos señales f1(t) y f2(t) donde se se desea aproximar f1(t) en términos de f2(t) en un cierto intervalo (t1, t2)
Producto interno …
Mue
stre
o y
Proc
esam
ient
o D
igita
l Se desea aproximar f1 mediante f2
f1(t) ≈ C12 f2(t) en (t1 < t < t2).
Se define la función error fe(t):
fe(t) = f1(t) - C12 f2(t).
Debemos encontrar un valor de C12 que minimice el error entre las dos funciones
Mue
stre
o y
Proc
esam
ient
o D
igita
l
2
1121 2
2 1
( ) ( )t
t t dttEM
t t
f fC⎡ ⎤−⎢ ⎥⎣ ⎦=
−
∫
2
1
2
2 1
( )e
tt dt
tECMt t
f=
−
∫
Mue
stre
o y
Proc
esam
ient
o D
igita
l
21 21
12 2 221
( ) ( )
( ( ))
t
tt
t
f t f t dtC
f t dt=
∫
∫
120
ECMC
∂=
∂
Mue
stre
o y
Proc
esam
ient
o D
igita
l
21 21
12 22 21
( ) ( )
( ) ( )
t
tt
t
f t f t dtC
f t f t dt=
∫
∫
120
ECMC
∂=
∂
Si nuestra señal puede tomar valores complejos
Mue
stre
o y
Proc
esam
ient
o D
igita
l
2
1
( ) ( ) 01 2tf t f t dt
t=∫
Ortogonalidad de Funciones
Mue
stre
o y
Proc
esam
ient
o D
igita
l
Iguales
Ortogonales
Opuestas
Vectores Señales Produto Productointerno
x, y > 0
x, y = 0
x, y < 0
Mue
stre
o y
Proc
esam
ient
o D
igita
l Espacios con Producto Interno
• Debido a la importancia del producto interno para comparar señales aparece este tipo particular de espacios.
• Un espacio con producto interno I es un espacio vectorial con un producto interno definido en él.
• Ejemplos: los anteriores agregando el producto interno, o los espacios de Hilbert (EPI “completos”).
Mue
stre
o y
Proc
esam
ient
o D
igita
l
0
( ) ( ) stX s x t e dt∞
−= ∫
( ) ( ) j tX x t e dtωω∞
−
−∞
= ∫
( ) ( ) . n
nX z x n z
+ ∞−
= − ∞= ∑
Transformaciones lineales...M
uest
reo
y Pr
oces
amie
nto
Dig
ital
( ) ( ) ( ) ( )x t y t x y t dτ τ τ∞
−∞
∗ = −∫
( ) ( ) ( )xyR t x y t dτ τ τ∞
−∞
= +∫
Otras operaciones lineales...
Mue
stre
o y
Proc
esam
ient
o D
igita
l Bibliografía
• L. Franks, Teoría de la señal, Reverté.
• F. De Coulon, Signal Theory and Processing, Artech-House.
• B. Lathi, Modern Digital and AnalogCommunication Systems, Holt, Rinehart & Winston.
Top Related