, " * • :

CAPITULO II

ANÁLISIS DE SEÑALES

Como ya se expresó en la introducción a este curso, la señal usada

en los sistemas de comunicación es de naturaleza eléctrica. Puede
s e r electromagnética, puesto que crea campos- De esta señal nos in-
t e r e s a estudiar su comportamiento en el dominio del tiempo, puesto
que contiene una información, y en el dominio de la frecuencia, pue£
to que puede s e r limitada por circuitos o dispositivos El análisis
que haremos en el presente capítulo s e r á suficientemente generaliza-
do y tendremos que recordar conceptos como el análisis de Fourier
y el teorema de la convolución con el objeto de ayudarnos en el a n á -
l i s i s frecuencial de la señal- ^

2.1 DOMINIO DEL TIEMPO

La información, transmitida por el canal de comunicación u ob -

tenida por medición, está contenida en la señal. Hasta l a r e c e £
ción de la información la señal debe considerarse como un p r o -
ceso aleatorio, que representa en sí un conjunto de funciones a
leatorias del tiempo. Una de estas funciones, que es completa-
mente conocida después de recibir la información, se denomina
realización del proceso aleatorio.

Esta realización ya no es aleatoria sino una función determina-

da del tiempo. Las alteraciones propias de todo canal de comii
nicación, también son procesos aleatorios.

La característica fundamental del proceso aleatorio es la ley de

distribución de la probabilidad del valor instantáneo de la función
aleatoria dado en cualquier instante de tiempo prefijado. En la
Fig. 2.1.1 puede v e r s e varias funciones x^it), X2(t).. . que for-
man el proceso aleatorio x(t). Los valores que pueden tomar
las funciones individuales en el instante t - to son las magnitu-
 - 23 -

des aleatorias X-^ÍIQ), X2(to)-

La probabilidad de que, al medir, la magnitud xj^(to) dé en

algún intervalo prefijado (a,b) se determina por la expresión

P (a< Xk^b) = P(x) dx 2.1.1

La función P(x) es una ley diferencial de distribución de la

magnitud aleatoria x y se denomina densidad unidimensional
de probabilidad; mientras que, P es la probabilidad integral.
La función P(x) tiene sentido para las magnitudes aleatorias
de tipo continuo, que pueden tomar cualquier valor en c i e r -
to intervalo.

x,(t)

Pig. 2.1.1
 :«!.I"!L'"

- 24 -

P a r a toda distribución continua (para cualquier función p(x) )

debe cumplirse la igualdad

r^máx '/

.- ' / p(x) dx = 1 2.1.2

~^mn

donde xináx Y ^mín son os límites de los valores posibles de x .

^on 1los
Si x es una magnitud aleatoria de tipo discreto y puede tomar só
lo uno del número finito de valores discretos, tendremos que la
ecuación 2 . 1 . 2 debe s e r sustituida por la expresión análoga

< "
/ Pi = 1 2.1.3
i^r
En esta ecuación Pi es la probabilidad correspondiente al i - é s i -
mo nivel de la magnitud x

El planteamiento de la densidad unidimensional de probabilidad

p(x) permite tomar el valor medio estadístico, tanto de la m i s -
ma magnitud x como de cualquier función f(x). P o r la toma
de un valor medio estadístico se entiende la operación de p r o -
mediar X según un conjunto, en cualquier sección del proceso ,
es decir, en el intervalo de tiempo fijado.

De la teoría de la probabUidad se conocen las igualdades siguien

tes:

<x>
r
= / X p(x) dx 2.1.4

llamado esperanza, valor medio o p r i m e r instante

'•>»

<x2) = / x2 p(x) dx 2.1.5

denominado cuadrado medio o segundo instante^y el cuadrado m £

dio de la fluctuación o sea la dispersión
 - 25 -

0-2 = <(x - <x> )2> = < x 2 > - ( <x> )^ 2.1.6

E x i s t e diferenciación e n t r e los p r o c e s o s a l e a t o r i o s e s t a c i o n a r i o s y
no e s t a c i o n a r i o s . En el caso del p r o c e s o e s t a c i o n a r i o l a d e n s i -
dad unidimensional de probabilidad p(x) no depende del t i e m p o .

El p r o c e s o e s t a c i o n a r i o s e denomina e r g ó d i c o si l a o p e r a c i ó n de
t o m a r la magnitud a l e a t o r i a media por un conjunto e s equivalente
a la t o m a de un valor medio según el t i e m p o en los l í m i t e s de u -
na resQización. Un ejemplo e l e m e n t a l del p r o c e s o ergódico e s t a -
c l o n a r l o e s el conjunto de oscilaciones a r m ó n i c a s con f a s e s i n i c i a -
l e s a l e a t o r i a s . Supongamos que l a s amplitudes y l a s f r e c u e n c i a s
de todas l a s o s c i l a c i o n e s son idénticas y p r e v i a m e n t e conocidas con
c e r t e z a , de m a n e r a que cualquiera de l a s r e a l i z a c i o n e s del conjun-
to puede e s c r i b i r s e de la forma siguiente

Sk (t) = A eos (wt - (í'k) 2.1.7

La diferencia e n t r e la oscilación a r m ó n i c a d e t e r m i n a d a y e s t a fun

ción c o n s i s t e en que su fase '^ k es una magnitud a l e a t o r i a que
con idéntica probabilidad puede t o m a r cualquálquier v a l o r en el i n -
t e r v a l o O a 2 Tí . E s t o significa que la densidad de probabUidad
p( if ) e s una magnitud c o n s t a n t e en el i n t e r v a l o 0 , 2 r r y en c o n s e -
c u e n c i a , teniendo en cuenta la ecuación 2 . 1 . 3 s e t e n d r á que

P(<F) = - ^ 2.1.8
2K

M t o m a r el v a l o r medio de s (t) por el conjunto, por la fórmula

2 . 1 . 4 s e obtiene

'2Tr ^2n

eos (wt - ^^ ) d V' =0

puesto que la función eos (wt - </^ ) es una función p e r i ó d i c a de

^ con p e r í o d o 2 ÍI .
 - 26 -

Al promediar S(t) por el tiempo, a lo largo de cualquier realiza

ción, se obtiene un resultado idéntico
.T/2 ^T/2

S(t) = lím JL i s ( t ) d t - - 2 . Icos (wt - V^) dt =0^

T-».^ -T72 T/2

donde T = 2 TT /w es el período de la función del tiempo conside-

rada .

Las señales aleatorias continuas aplicadas en comunicaciones, g e -

neralmente son la suma de un gran número de oscUaciones a r m ó -
nicas cuyas amplitudes y fases o bien son completamente indepen-
dientes o bien están ligeramente relacionadas entre s í . Ante esta
eventualidad surge la pregunta: Cual es la distribución de probabi-
lidades de semejante señal ?

La respuesta la da el teorema central límite de la teoría de proba-

bilidades que afirma, que la distribución de probabilidades para la
suma de magnitudes aleatorias independientes en el crecimiento del
número de sumandos tiende a la ley normal:

(x - x)2
2 <r 2
p(x) =
yf^lr
donde x y (T son, respectivamente, el valor medio y la disper -
sión de la s u m a . En la figura 2.1.2 se muestran las curvas de
la ley normal o gaussiana para algunos valores de <r

Basándose en el teorema límite central se llega a la siguiente con

elusión: en todos los casos en que la señad considerada es la s u -
ma de un gran número de oscilaciones mutuamente independientes
entre l a s cuales no se encuentran dominantes, su distribución es
próxima a la n o r m a l . La ley normal de distribuciones de a m p l i -
tudes aleatorias se presenta en la naturaleza con más frecuencia
que o t r a s . Esta ley es muy conveniente para el a n á l i s i s . Por e -
so, los procesos aleatorios, cuva distribución no se diferencia mu
cho de la normal, generalmente se sustituyen por el proceso nor-
m a l . La ley normal es especialmente para las interferencias del
canal de comunicación.
 - 27 - '^

Si el proceso es estacionario y ergódico, x t i e n e ' el s ig

nificado de la componente constante, mientras que CT^, el de l a p o
tencia media de la componente de fluctuación de cualquiera de las
realizaciones del proceso.

2.2 DOMINIO DE LA FRECUENCIA

Puesto que una multitud de las fimciones casuales se entiende c o -

mo un proceso casual, se debe tener en cuenta que a cada función
de diferente forma le corresponde también característica espectral
diferente.

P a r a el análisis espectral de las señales se hace necesario un r e -

paso de nuestro estudio de análisis de Fourier que iniciaremos de
inmediato

2.3 SERIES DE FOURIER

Sabemos que una función compleja v(t) periódica con período funda
mental TQ puede descomponerse en una s e r i e de componentes s e -
noidales así:

v(t) = Ao + ^ An eos wnt + / Bn sen Wnt 2.3.1

"ñ^l ~ñ^l

donde wn = 2)7 n/To es la frecuencia angular;

^To/2

Ao = - ^ 1 v(t) dt 2.3.2
-To/2

es el valor promedio de v(t); mientras que los coeficientes An y

Bn son dados por
 ^:' 'Pyzíi-'-m «"•>•• V"'
- 28 -

• To/2

An " — - / v ( t ) eos Wnt dt 2.3.3

T
-To/2

.To/2

Bn = = / V (t) s e n w^t dt 2.3.4

To
-To/2

Una p r i m e r a forma a l t e r n a de l a s s e r i e s de F o u r i e r e s

2.3.5

donde Co, Cn y y n e s t á n relacionados a Ao, An y Bj^ p o r l a s e -

euaeíones

Cn - A(
2.3.6
2
n = J^l
Cn =

<Pn = tan - 1 ^n
An
2.3.7

La s e r i e de F o u r i e r de una función p e r i ó d i c a a s í v i s t a c o n s i s t e en
una s u m a de a r m ó n i c a s de una frecuencia fundamental fo - I / T Q .
L o s c o e f i c i e n t e s Cn son l l a m a d o s a m p l i t u d e s e s p e c t r a l e s ; es d e c i r
Cn e s l a anaplitud de la componente e s p e c t r a l Cn e o s (wnt - Y r\)
en la f r e c u e n c i a nf. En la figura 2 . 3 . 1 a s e m u e s t r a un e s p e c t r o
de amplitud de una s e ñ a l p e r i ó d i c a ; s e ha t r a z a d o una linea v e r U
c a l en c a d a a r m ó n i c a de frecuencia eon una longitud r e l a c i o n a d a a
la amplitud e s p e c t r a l de la a r m ó n i c a . P o r s u p u e s t o un e s p e c t r o
de a m p l i t u d d e s c o n o c e la información de fase y p o r tanto no e s p e
 - 29 -

eifica la forma de onda v ( t ) .

I

Las igualdades de Euler permiten dar una segunda forma alterna

de la serie de Fourier, muy empleada en teoría de comunicacio-
n e s . Esta forma está dada por:
•sw»

v(t) = / Dne^"^* 2.3.8

n=-3o

donde Dn está dado por

D n = ^ / v(t)e"'^^*dt • 2.3.9
T,o
•To/2

Los coeficientes Dn tienen la propiedad de que Dn y D = n son con

jugados complejos uno del otro, es decir Dn = D-n * . Los coefi-
cientes son relacionados a los Cn de-la ecuación 2 . 3 . 5 por:

D,
2.3.10
Dn = ^ e-^^n y D.n = Dn *

Los Dn son las amplitudes espectrales de laa componentes e s p e c -

t r a l e s Dne^^*^** En la figura 2.3.1b se muestra el espectro de
amplitudes Dn correspondiente al espectro de amplitudes Cn mos-
trado en la figura 2 . 3 . 1 a . Puede observarse que mientras Do =
CQ. a cada línea de amolitud Cn corresoonden dos líneas de a m -
plitudes Dn = Cn/2 colocadas en las frecuencias Wn y w - ^ . El especi
t r o de la figura 2.3.1a es Uamado espectro de amplitudes monola
t e r a l mientras que el de la figura 2.3.1b es Uamado bilateral.

P a r a comunicaciones resulta más apropiado trabajar con la forma

exponencial de las s e r i e s de F o u r i e r .

2.4 LA TRANSFORMADA DE FOURIER

 - 30 -

^ '
. ^ • :

^1" 1041'

m"- ikf
'»
N'

o f»m 2Í„m 3Í„m 4f„m 5f^n 6fm

p.r ID/
M '1^' ,,r ^^ í \^:
r p.r ^
te/
:i
Sím 5fm *ím ^^m 2''a ' n ° 'm ^^m 5f„ 4^^ 5f„ Sf^

Pig. 2.3.3-
 - 31 -

Una forma de onda periódica puede expresarse como ya se vio

por la suma de sus componentes espectrales. Estas componen
tes tienen amplitudes finitas y están separadas por intervalos fi
nitos de frecuencia fo = I / T Q . Ahora podemos suponer que au
menta sin limite el período de la señal. Tomemos como refe-
rencia los pulsos de la figura 2 , 4 . 1 , al aumentar el valor del
periodo indefinidamente, tendremos finalmente un solo pxilso o
sea una señal no periódica.

Cuando T—^oe, el espaeiamiento entre las componentes espectra

les llega a s e r infinitesimal. La frecuencia de las componentes.

-*<rK-

Pig. 2.4.1
que en la serie de Fourier es una variable discreta, se convierte
en el límite en una variable continua. Las amplitudes espectra -
les se convierten en infinitesimales y la s e r i e de Fourier para la
onda periódica

v(t) = j27Tñ
n - - -^

se convierte en

v ( t ) = / V ( f ) e i ^ ^ ^ * df 2.4.1
•_53«»

Las amplitudes espectrales finitas Dn son análogas a las amplitu

des espectrales infinitesimales V(f)df. La cantidad V(f) es l l a -
mada la densidad espectral de amplitudes o más generalmente la
 - 32 -

transformada de Fourier de v(t). La transformada de Fourier e ¿

ta dada por

V(f) = I v ( t ) e " J 2 ^ f t d t 2.4.2

/.m:fi

en correspondencia eon la ecuación 2 . 3 . 9 para Dn.

Si un circuito eon una función de transferencia H(f) es excitado por

una señal vi(t), con transformada Vi(f), como se muestra en la fi-
gura 2 . 4 . 2 , la señal de salida vo(t) estará dada por

Vo(t) = I H(f) Vi(f)e^^'^^*df 2.4.3

-'-o-s

Vi(t) v„(t)

Pig. 2.4.2

Comparadas las ecuaciones 2.4.1 y 2 . 4 . 3 se puede concluir

y[vo(t)] = H(f)7r[vi(t)l
2.4.4
Vo(f) = H(f) Vi (f)

La ecuación 2 . 4 . 4 está acorde con lo previsto en análisis de cir-

cuitos, donde se hace su presentación en una forma fasorial.

2.5 PROPIEDADES DE LA TRANSFORMADA

La transformada de Fourier no es más que una nueva forma de

expresar una función. De manera que una supuesta función ya la
 - 33 -

podemos expresar en el dominio del tiempo y también en el donii

nio de la frecuencia.

De las ecuaciones 2.4.1 y 2.4.2 puede observarse que existe cier

ta simetría entre la transformada y la transformada inversa; s i -
metría que deben conservar las propiedades que posean tales tran£
formadas.

La notación

f(t)<=5F(f)

denotará que F (f) es la transformada directa de Fourier de f ( t ) y

que f(t) es la transformada inversa Fourier de F (f).

2.5.a Propiedad de simetría

Si f(t) <í=> F(f)

2.5.al
entonces F(f) <=:^ f (-f)

De la ecuación 2 . 4 . 1

f(-t) = / V(f) e "''^'^^^df

/-•T»

Puesto que f es la variable de integración puede ser cam-

biada por cualquiera otra

./ V I Tr/ V - j 2 / r x t
f (-t) = I V(x) e dx

de donde f(-f)= I V(x) e "^ ^"^^^idx

.30

De la misma manera substituyendo la variable de integra

ción X por otra t se tendrá
•oo

f(-f) = 1 V(t) e"^^'^"dt

 - 34 -

= ^[F(t)l
De donde
F(t) ^=^ f(-f)

2.5.b Propiedad de Ljnealidad

Si fl (t) ^ Fl (f)

f2 (t) <=> F2 (f)

Entonces, para constantes arbitrarias cualesquiera ai y a2

ai fi(t) + a2 f2 (t) <=^ aj Fi (f) + a2 F2 (f) 2.5.bl

La relación-2.5.bl puede ser demostrada fácilmente por la

definición de la transformada directa de Fourier y puede ser
generalizada a sumas finitas:

ai fl (t) + a2 f2 (t) + a3 f3 (t) + . . + an fn(t) ^=^^1 ^ i (f) +

a2(f) + ag Fgíf) + . . + an F^ (f).

2.5.e Propiedad Escalar

Si f(t) <=^ F(f)

entonces para una constante real a.

f(at)<=:>—i— F(-L) 2.5.el

|a| a

Para demostrar la relación 2 . 5 . e l se tiene:

 - 35 -

entonces para a positiva; eon x = a t

; 2íTfx
7tf(at)l =Í f (x)e-^ a dx
2.5.C2
= 1 F (^)
a ^a '

De igual manera si a es negativa se puede establecer

yrf(at)] =- i F f X \ 2.5.e3
•* a ^a^

De las ecuaciones 2 . 5 . c 2 y 2.-5.c3 se concluye la 2 . 5 . c l .

La propiedad escalar establece que el comprimir una fun

ción en el dominio del tiempo llevándola de la fornaa f (t)
a f ( a t ) equivale a expandirla en el dominio de la frecuen
cia nevándola de la forma F(f) a F ( t / a ) . Este resultado
e s , intuitivamente obvio puesto que si la fimeión se com-
prime en el dominio del tiempo quiere decir que varia
más rápidamente en ese factor y en eonseeuaieia las com
ponentes de frecuencia se incrementan proporeionalmente.

Este resultado se puede observar en el eiercicio

De 2 . 5 . e l se puede observar que

f(-t) = F (-f)

2.5.d Propiedad de desplazamiento en la frecuencia

Si f(t) 4=^ F(f)

entonces f(t)e J^' fo^ ^ F(f-fo)

La demostración es sencilla partiendo de la definición de

la transformada directa de Fourier:
 '••'•y - 36 - ; . . .,• _ .- ,;,; •:-•. ;•..

5?[f(t)e^2"^-*] = /'f(t)eí2^fote-i2^ft^^

•V-4
JÍt)e-í2'^(f-fe)t dt > "

:..- • = F(f-fo) .y,

-^ Esta propiedad establece que un desplazamiento fo en el

dominio de la frecuencia equivale a multiplicar f COpor
•yZj:Jx • ' e^ ° en el dominio del tiempo.
En los sistemas de comunicación, muv a menudo hay n e -
cesidad de trasladar el espectro de frecuencias y se efe£
túa multiplicando la señal f(t) por una función senoidal.
Al proceso se le denomina modulación el desarrollo mate^
mátieo puede verse en el ejercicio

2.5.e Propiedad del desplazamiento en el tiempo

Si f(t)^=^F(f)

entonces f(t-to) <=^ I f ( t - t o ) e ' ^ ^'^^*^d t

P a r a su demostración se puede tomar

y[f(t-to)l = I f(t-to) e-^2nft^^

Si se establece t - to = x

7[f(t-tJ= f(x) e-J^'" <x + to)^

dx
'o*

rJ2'-^fto f(,)e-J2'^f'^
dx

-j2Vrfto
= F(f)e
 - 37 -

E s t a propiedad establece que si s e d e s p l a z a una función en

el dominio del tiempo en la cantidad to, entonces no s e al
t e r a su e s p e c t r o de magnitud j F(f) | , p e r o s i el e s p e c -
t r o de fase que sufre un cambio - 2 r t f t o . Concisamente
s e puede d e c i r que un d e s p l a z a m i e n t o en el dominio del -
t i e m p o en to equivale a una desviación de fase de - 2 n f t o ,
es d e c i r a la multiplicación por e - J 2 n f t o en el dominio
de f r e c u e n c i a .

2 .5.f Diferenciación e integración en el t i e m p o

Si f(t).í=^F(f)

entonces J É I é = ^ (i w) F (w )
dt

f(t)dt < ^ - ^ - F({)

j2/If

S i e m p r e y cuando que F (f) / 2 H f e s t é l i m i t a d a en f = O

Demostración _^
j2fTft
f(t) = I F(f) e df

d e donde

** j2nft
j2nf F(f) e df

de donde s e concluye que

||<=^j27rf F(f)

y de igual m a n e r a s e puede e x t e n d e r a

d'^f
^=>(i2íTf)'^ F(f)
dtn ''
 - 38 —

Ahora considérese

9 (t) = ¡ i ( V ) d t

1-= ± í f ( C ) d r = f(t)
dt dt
Si • ' - • »

<p(t) = í> (f)

f (t) = j 2 n f <í>(f)

F(f) = j2/Tf <j) (f)

b (f) = -TTTTF (f)

Existe este resultado solo si existe <^ (f), es decir si ^ ( t )

es absolutamente integrable

2.5.g Diferenciación en la frecuencia

Si . f(t)<=>F(f)

entonces -j 2 TT tf (t) ^ = > Í Z .

df
Demostración

F(f) = / f ( t ) e'-^^^^^dt
»/y> roa
dF á \ , . -Í2Tr ft
. •. -Sf = -2. f(t) e •' dt
df df /

= f-j2/Tt f(t) e - 2 ^ " d t

de donde
-j2frt f(t)^=^ dF
dt
 - 39 -

y s e puede g e n e r a l i z a r

(-j2nt)nf(t) = ^ ^
dfn

m
2.6 E L TEOREMA DE LA CONVOLUCIÓN

Con l a aplicación del t e o r e m a de la convolución s e obtiene con fa

c u i d a d muchos r e s u l t a d o s i m p o r t a n t e s . P a r a su enunciado debe
t e n e r s e en cuenta que existen d o s : uno en el dominio del t i e m p o
y o t r o en el dominio de la f r e c u e n c i a .

2.6.a Convolución en el t i e m p o

Si fl (t) ^ F l (f)

y f2 (t) - ^ F2 (f)
.-o»
entonces
fl(t) f2 (t - D d r ^ í = ^ Fi(f) F2(f)

que puede e s c r i b i r s e t a m b i é n como

fl (t) * f2 (t) = F i ( f ) F2(f)

2.6.b Convolución en la frecuencia

SI fl (t) 4 = ^ F i ( f )

y f2 (t)<i=) F2(f)

entonces
fl(t) £2(i)<=^ | F i ( g ) F 2 ( f - g )dg

o sea
fl(t) f 2 ( t ) C = : > ^ [ F i ( f ) * F2 (f)]

L a d e m o s t r a c i ó n d e l o s doa e n u n c i a d o s s e proponen c o m o
e j e r c i c i o final de c a p i t i i l o .
 - í»*i

. - 40 - .

La convolución presenta leyes algebraicas similares a la mult^

plieaeión. Estas son:

Ley Conmutativa :. ' . ; . • ^

fl(t) * f2(t) = f2(t) * fi(t)

Ley distributiva

fl(t) * [f2(t) + f3(t)] = fi(t) * f2(t)- + fi(t) * f3(t)

Ley Asociativa

fl(t) * [f2(t) * f3(t)] = rfi(t) * f2(t)] * f3(t)

La interpretación gráfica de la convolución es muy útü en el aná-

lisis de sistemas, puesto que permite visualizar los resultados de
muchas relaciones abstractas, sobre-todo en la teoría de la comu
nicación. Para obtener gráficamente la convolución de las funcio
nes fi(t) y f2(t) se procede así:

1. Se gira la función f2(t) alrededor del eje vertical que p a s a p o r

el origen para obtener f2 (- T )

2. Se considera la función girada como un cuadro rígido que se

desplazará sobre el eje T en una cantidad to- Este cuadro r_f
gido representa aqui la función f2 (t - iT ).

3. La función, representada por el cuadro rígido desplazado, miil

tiplieada por fi( Z ) es la función í\{ t )f2 ( Í Q - T ) y el á r e a
bajo esta curva producto está dada por

fl(r)f2(to-í)dT =[fi(t) * f2(t)] t=i

A*»

4. Se repite este procedimiento para diferentes valores de t, des

plazando sucesivamente el cuadro en diferentes cantidades, ob
teniendo los valores de la función de convolución fi(t) * f2(t)
para estos valores de t .

Puesto que
 - 41 -

fl(t) * f2(t) = f2(t) * fl(t)

Se podría mantener fija f 2 ( r ) y tomar la imagen reflejada de í^iX)

en la convolución gráfica en los dos casos se obtendrá el mismo
resultado.

2.7 EL TEOREMA DE MUESTREO

El teorema de muestreo que constituye una herramienta de g r a n -

des Eilcances en la teoría de la comunicación puede enunciarse así:

Una señal limitada en banda que no contiene componentes espec -

t r a l e s mayores que la frecuencia fm Hz~ está délerminadá en for-
rfíá^mQa-por sus valores" eñ^íitérvatos'liJíifOT'ines menores" de
1/2fm segundos.

Esto implica que si la transformada de Fourier de f(t) vale c e r o

fuera de determinada frecuencia fm, entonces toda la información
acerca de f(t) queda contenida en sus muestras uniformemente es_
pactadas a intervalos menores de l / 2 f m segundos.

Es fácil demostrar el teorema de muestreo con la ayuda del t e o -

rema de la convolución en la frecuencia. ' Considérese una señal
f(t) limitada en banda que no contenga componentes espectrales ma
yores que fm Hz. Esto significa que F(f), la transformada de
Fourier de i[t) es cero cuando|f I > fni. Supongamos que multipU
camos la función f(t) por la función impulso periódica S T Í Í ) . La
función producto es una sucesión de impulsos localizados a i n t e r -
valos regulares de T segundos con intensidades iguales a los valo
r e s de f(t) en los instantes correspondientes. El producto
f(t) ¿-p(t) representa una función f(t) muestreada a intervalos uni-
formes de T segundos. La función muestreada s e r á denotada por

fs(t) = f(t) ^T(t)

El espectro de frecuencias de f(t) es F(f). La transformada de un

tren uniforme de funciones impulso Sxít) es otro tren uniforme
de funciones impulso 8 fo(f) . Los impulsos están separados por
un intervalo uniforme fo = l/T

T(t)<í=»2fTfo Síoin
 - 42 -

La transformada de Fourier de f(t) ó j í t ) estará dada d e acuerdo

eon el teorema de la convolución en la frecuencia por la convolu
ción de F(f) con 2 a f o 5 fo(f)

fs(t)«=^[,F(f) * fo6fo(í)T

2.7.1
= ~ [F(f)* ¿fo(f)]

P o r la ecuación 2.7.1 es evidente que el espectro de la señal mués

treada fs está dada por la convolución de F(f) con un t r e n de impxú
s o s . Podemos someter a las funciones F(f) y Sfo(f) a una convolu
ción gráfica con el procedimiento descrito en la sección 2 . 6 . P a r a
llevar a cabo esta operación giramos la función bfo(f). Sobre el e
je vertical f = 0. Como ^ fo(f) es una función par la función g i r a -
da resulta igual a 6 fo(f) - Para efectuar la convolución, d e s p l a z a -
mos todo el tren de impulsos ¡ S Í Q Í O I en la dirección positiva de
f. Cuando cada impulso pasa por F(f) reproduce la misma F(f).
Como los impulsos están a intervalos de fo = l / T i la operación de
convolución resulta en que se repita la función de densidad espec -
t r a l correspondiente a fs(t) e s , por tanto la misma F(f) pero r e p e -
tida periódicamente cada wo radianes por segundo. Designaremos
esta función con F2(f). Obsérvese que F(f) se repetirá periódica-
mente sin traslaparse siempre que fo-^ 2 fm , o sea

Es decir T ^ -4— 2,7.2

Por consiguiente cuando se muestra la función f(t) a intervalos uní

formes, menores de l / 2 f m segundos la densidad espectral defs(t)
s e r á un réplica periódica de F(f) y, por lo tanto, contendrá toda
la información acerca de f(t). Se puede recuperar fácilmente F(f),
a p a r t i r de Fs(f), pasando la señal muestreada a través de un fil-
t r o de paso bajo que permite la trasmisión de todas las componen
tes de frecuencia inferior a fm y atenúa todas aquellas de frecuen
cia superior a fm.
 - 43 -

2.8 POTENCIA NORMALIZADA

En el análisis de sistemas de comunieaciones se encuentra que con

una señal v(t) está relacionada la cantidad v2(t)^ donde la b a r r a in-
dica el valor promedio. En el caso de funciones periódicas se to
ma el valor promedio sobre un cielo se puede suponer que la señal
v(t) se aplica sobre un resistor de 1 ohm, entonces la potencia dis_i
pada s e r á v2(t) v2/jl = w watts, donde el número w sería numéri
camente igual a v2(t), el valor cuadrado medio de v(t). Por esta
razón se le llama potencia normalizada de v(t) a la expresión
v2(t). Debe recordarse sin embargo que las unidades de la poten -
cia" normalizada es voltios2 y no w a t t s .

En la práctica se omite el término normalizado cuando no se dé lu

gar a confusión y aún se llega a hablar de potencia en watts pero
no debemos olvidar la aclaración del párrafo a n t e r i o r .

Considérese una función periódica v(t) que puede expresarse por la

serie de F o u r i e r . De la ecuación 2 , 3 . 8 se tendrá
o»

v(t) = 2 ^ Dn e J ^ ' 2.8.1

Si se representa la potencia normalizada por la l e t r a p ' s e tendrá

To/2
2.8.2

-To/2

Relacionando las ecuaciones 2 . 8 . 1 y 2.8.2, al calcular el cuadrado

de v(t) se obtendrá el cuadrado de cada término de la serie y los
productos cruzados de ellos. Entre estos últimos debe destacarse
los productos Dn D_n o Dn Dn que representa el mismo resultado.
Siendo los términos de la serie de Fourier ortogonales, los únicos
términos de la serie elevada al cuadrado serán Dn I^'^ ya que el va
Ior promedio de los demás términos s e r á c e r o :
•QO
•o»

p' =y
=y DnDn
DnDn 2.8.3
-oo
 - 44 -

Puesto que

DnDÍ + D.nDÍn = 2Dni:f ,

la ecuación 2 . 8 . 3 puede escribirse

«o

2DnD* 2.8.4

De acuerdo con las ecuaciones 2 . 8 . 3 y 2 . 8 . 4 podemos establecer

la relación de los coeficientes Dn y la potencia normalizada que
aporta cada término de la serie de Fourier a la señal compuesta
v(t). Podríamos hablar de la potencia Dn normalizada de un tér
mino de orden n

Pn = 2 D n D * = 2 | D n l 2.8.5
y la potencia normalizada total:

p ' ' 4 2lD„|2 2.8.6

En la figura 2 . 8 . 1 a s e muestra la distribución de la potencia norma

lizada correspondiente a la ecuación 2.8.6
p(f)
W r
'P K\ V.I ^V i
^V
f

Pig. 2.8.1
 - 45 -

2.9 DENSIDAD ESPECTRAL DE POTENCIA

Supóngase que la figura 2 . 8 . 1 a representa la contribución, Pn .

de cada término de la serie de Fourier a la potencia normaliza
da total. Si iniciamos en f = -o« y nos vamos en la dirección
positiva de la frecuencia podemos ir sumando cada contribución
y encontramos que p' resulta función de la frecuencia, p' ten -
drá una forma como la graneada en la figura 2 . 8 . 1 b . No c a m -
bia cuando va de una linea espectral a otra pero si csonbia bru£
camente cuando la potencia normalizada de cada línea es agrega-
da. P a r a establecer la potencia normalizada en un rango df a l -
rededor de una freeuenfcia f, se puede expresar por

dp(f) = l £ Í Ü df 2.9.1

La cantidad d p ( t ) / d f es Uamada la densidad de potencia normaU

zada G(f) asi

G(f) = A g l i 2.9.2

La potencia en el rango dt en la frecuencia f es G(f)dt. La po-

tencia en el rango positivo de fi a f2 es

2.9.3

La potencia en el rsmgo negativo de frecuencias entre -f2 a -fi

será

p(f) =/ G(f) df 2.9.4

Las ecuaciones 2.9.3 y 2.94 tal como están expresadas no tienen

sentido físico. Sin embargo, la potencia total en el rango de fre
cuencias de fi a f2 si tiene significado y esta potencia está dada
por
 - 46 -

-fl rh - V
p(f) = / G(f)df + / G(f) df 2.9.5
•^f2 -^fl

fl^|f)^f2

P a r a hallar la densidad espectral de potencia, debe diferenciarse

p(f) en la figura 2 . 8 . 1 b . Entre frecuencias armónicas tendremos
G(f) = O. En las armónicas G(f) s e r á un impulso de amplitud i -
gual al tanaaño del salto en p(f).

Asi se podrá establecer

r^

X
G(f) = > |Dnl ^ ¿ ( f - n f o ) 2.9.6
- 5 *

La representación gráfica de la ecuación 2 . 9 . 6 coincidirá con la

figura 2 . 8 . 1 a .

BIBLIOGRAFÍA

1. GABEL, R. y ROBERTS R. Señales y Sistemas Lineales, Edi-

torial Limusa, México, 1975. Este libro está orientado al
estudio de señales en los dominios de tiempo y frecuencia y
el estudio de las transformadas z, de Fourier y de Laplace.

2. GONOROVSKI. Señales y Circuitos Radiotécnicos, Editorial Mir,

Moscú, 1972. Libro ya presentado en la bibliografía del pri
m e r capitulo. Dedica los capítulos 2,3 y 4 al estudio de se
nales y de información.

3. LATHI, B . P . Introducción a la Teoría y Sistemas de Comuni-

cación, Editorial Limusa, México, 1974. Libro que dedica
su p r i m e r capitulo al análisis de señales en los dominios de
tiempo y frecuencia.
 - 47 -

4. TAUB, H. y SCHILLING, D. Principies of Communication

Systems. McGraw-Hül Kogakusha, Tokyo, 1971. Este
libro orientado al estudio de sistemas de eomtmieación
dedica su capítulo inicial al análisis espectral de seña -
les.