@ un QO FIME ‘TRIVERSIDAD AUTONOMADENUEVOLION, TRCTIND DE NGINIERINMECANICAY FLECTRIA, UNIVERSIDAD AUTONOMA DE NUEVO LEON FACULTAD DE INGENIERIA MECANICA Y ELECTRICA Procesamiento Digital de Sefiales Actividad Fundamental N.°01 - Fase 1: Introduccién a los sistemas de procesamiento digital de sefiales Grupo: 001 Nombre Matricula Carrera Marcos Ezequiel 1953168 1B Cervantes Castro Javier Osmar Covarrubias 1958896 1B Bautista Jaime Jiménez Suarez 2077627 1B Manuel Paredez Sanchez 1953821 1B Nombre del profesor: Ing. Rodolfo Rubén Trevifio Martinez Semestre en curso: 7mo Dias de la clase y Hora: lunes, miércoles, viernes, N1 San Nicolas de los Garza, N.L Fecha: 05/10/20231.2) Determine..- A) Cas aN Va Cos CWew) dJe =. .O\U= wit ver Feat _ .ov 5 tL - a7 Te 220 ¥ lo Frecuencia es Periodica Qeriedo funda mental wv N= 200 Tt 20% o cos (Xi a) \os F= 208 not > ASL Ds Tos ~ Fe - tik toed ) Perirodica fos = Ne ak<) cos Btn Cos (Wen) Wo- a> 20 Dp Fo ot _ -*% eT ETS 4 eS Qeriodica Vee todo Cundamental:, 5) Sen Bun Sen Cwes) We= B= wt $22 wey dso es Qeriodico a2 Sen Cs co ) Sen CWen) Us = 6% — F lo oad wu doz om1.3) Delermme.. Ca) bo (= BGG, C5 a* 5 y 175 = 2 $2 5/2w oe Meviadion f? teeta t 5. wt 6) % GX) = 3 Cog CSu * ©) 6 Wo=5 = ri F Fo 20 Fos z*& aw 8 We Ne es geriod:ee QQ ¥G= Zee Ly OV A Wee + = uae Pe Sx rota WA RN, No es geriedicnd) XO Cos CV) Cos C78) Cos CF) Nove 3 = UR Be ae | A K ion # oe No 6s Qertedica Cs CVS) Wor = x 2 we 2 tp. ¥ Ve D . XG = C08 C%)- Sen CMV) 4 Blox OM * HA) Cos C82) War zB 2aey uvWes = x = 2K So> + + : . 7 S$: es @riod:cy Lt Nous @) Cock es el vongo de rewencios? fs 2 Fwoxr -> Co 2 rer = wu b) Su gen ge fs o AKL 2 Stkrz7 4k Ric MPs = seer- bx “key Fy esta encivo de la Frecencto de solapowiento c-) Cegita AkKRL? 4KRe P= Pao Fs = AkKWe- 4% LeyL s) Senc\ analegico sim soidcl %e C4)= 3 sen Croo rns) 6) fs 300 w/e AKAW= D sen (\oo% Ce) = D sen (L008 (=) ACW = sen (40 Gm) Wo = aT = Ut fe 4.4% a & : ers sedica a) 3 z : + 6 . w 30 2 -t 2©) Calcle los... i Koa) FOM= sen (: we) ‘ as ag (ug > VO0v= 20, u LEAL \oo% ~ fo 3 ° uw 4 -TLAG 5 - LSM So +40 6 ° tek \Cy —¥, AC Xr) =| 25. YGNE Ch de (Gaon) iF YGY= =eeaCtom) S| | fel My oly Tadaihe | de aA ahi ce de | comuns¢alciones |digitel | — Toh S porte Co AiFic mn) bimarso| Fee oko sAcS| fe! lo SeAnl |_| Tt)ry 1 |_| HcoPncicr | de | lo a tenon a | ;yn ale Te \n cet atta Im} a) it! 7 a aa Cae ceehy n alt) = bel, 2 fot | IL tod te desert en |Fakmg oncdtenct} es A vikibed a arte c Tr S| Uo | sain uestrelada | se dleck mediante [a | ul iduitnte | mn} Ela kh kled F dade Fal es lal cheba mbestreo Gd 2; fi a_|seKe ch) Ss paral fle Ski as aL tee LO ro. | Kiel, Exali4 ee lds pte | died YE Let | ve nes ee ee rm racvental db lsoles fala ia = |S = iw a ls ov | ell Feld dlfirakinby, aw an Cinaphea OY yeaa Co) Serirans zIpdrding S cho'ts Manelan obiFdeemrel jn-ebodw de EV Ssporge ge Fabel fel Ok walter lal endl [xd]. dud! les) Ie | ven Pel a leamal bel” | fo |=|Fq =| 2K) = 1010 Bs Wes pe ai Be ao = BS l= 2] | ce IS s/s i in I 1 | athe Le. presentlal ol prgble vt bs| ale | cel Apy 1o le Ibe dbsérviw!) Superbrands1.15 (a) Codificacion: import numpy as np import matplotlib.pyplot as pt # Parametros de la sefial Fs = 5000 # Frecuencia de muestreo en Hz n= np.arange(1e0) # Valores de n de @ a 99 Fos = [500, 2000, 3000, 4500] # Frecuencias de oscilacién en Hz # Funcién para calcular la sefial x(n) def signal(Fo): return np.sin(2 * np.pi * (Fo/Fs) * n) # Crear una figura para las graficas plt.figure(figsize=(12, 8)) # Graficar las seflales individualmente para diferentes Fos for Fo in Fos: xn = signal (Fo) plt.plot(n, xn, label=f'Fo = {Fo} kHz") plt.xlabel('n') plt.ylabel('x(n)") plt.title(f'Sefial muestreada para Fo = {Fo} kHz') plt.grid() plt. legend() plt.show()¢) Fo = 3 kHz Sel muesreada para Fo = 3000 be 100: Fen moss d) Fo = 4.5 kHz(b) + Codificacion: import numpy as np import matplotlib.pyplot as plt # Pardmetros de la sefial Fs = 50000 # Frecuencia de muestreo en Hz in = np.arange(1000) # Valores den de @ a 999 para mayor resolucién Fo = 2000 # Frecuencia de oscilacién en Hz # Funcion para calcular 1a seal x(n) def signal(Fo): return np.sin(2 * np.pi * Fo * n/ Fs) # Crear una figura para la grafica plt.figure(Figsize=(12, 6)) # Graficar 1a sefal para Fo = 2 kHz xn = signal(Fo) plt.plot(n, xn, label=f'Fo = {Fo} kHz") plt.xlabel(‘n') plt.ylabel(*x(n)") plt.title(f*Sefial muestreada para Fo = {Fo} kHz y Fs = {Fs} Hz") plt.grid() plt.legend() plt.show() Sef! muesteada para Fo = 2000 Ky Fs = 50000 Hz &2 Codificacién: import numpy as np import matplotlib.pyplot as plt # Parametros de la sefial Fs = 50000 # Frecuencia de muestreo en Hz n= np.arange(1000) # Valores de n de @ a 999 para mayor resolucién Fo = 2000 # Frecuencia de oscilacién en Hz # Funcién para calcular la sefial x(n) def signal(Fo): return np.sin(2 * np.pi * Fo * n/ Fs) # Crear la sefal x(n) xn = signal(Fo) # Tomar las muestras pares para obtener y(n) yn = xn{::2] # Crear una figura para las grdficas plt.figure(Figsize=(12, 6)) # Graficar y(n) plt.plot(yn, label='y(n) (Muestras pares de x(n))") plt.xlabel(‘n') plt.ylabel(*y(n)") plt.title("Sefial y(n) obtenida tomando muestras pares de x(n)') pit.grid() pit. legend() plt.show()3 180 30 30 a0 30(Al ag bev z Fiche | A, vs| {D | SE Pha Bree ee al cudnbFicay lla! seal | x|cn) =| Sein 27 F a a4 ide) (a i dewhy Isel | sigue | ~ ciass Sagvuvonr E & E : uk < “4 Henge! lh >i cako4 fa de 4s | ones [e-y 4 fe (4) lal SQINR medida exeevimevitalmende | edn la a li le fortrulg Chanlsd) |] cde te lek dj ; rey ey) | 4g bs SINR F : cee - niece Late a dake yea ee el obey tenbio| ; YANNVNVV VV VV EVV VSAS Ver e/S Ie a LEI! teontcol Henle Vit rdnda 2rl holds ) Sipetrans psa1.16 (a) Codificacion: import numpy as np import matplotlib.pyplot as plt # Parametros de la sefial N= 200 # Numero de muestras Fo =1/ 50 # Frecuencia de oscilacién en Hz # Funcion para calcular la seal x(n) def signal(Fo): return np.sin(2 * np.pi * Fo * np.arange(N)) # Cuantificacién quantization_levels = [64, 128, 256] for levels in quantization levels: x = signal(Fo) xmax = np.max(x) in = np-min(x) # Cuantificacion usando truncamiento delta = (x max - x min) / (levels - 1) xq = np.round(x / delta) * delta # Calcular el error de cuantificacién e=K = xq # Calcular 1a potencia de la sefial original y el error de cuantificacion Px = np.mean(x**2) Pq = np.mean(e**2) # Calcular 1a relacién SQNR en dB SQNR = 16 * np.logie(Px / Pq) # Crear una figura para las graficas plt.figure(figsize(12, 6)) # Graficar 1a sefial original x(n) plt.subplot(3, 1, 1) plt.plot(x)plt.title(F*Sefal original x(n) - {levels} niveles de cuantificacién') # Graficar 1a sefial cuantificada xq(n) plt.subplot(3, 1, 2) plt.plot(xa) plt.title(f'Sefial cuantificada xq(n) - {levels} niveles de cuantificacion’) # Graficar el error de cuantificacién e(n) plt.subplot(3, 1, 3) plt.plot(e) plt.title(f'érror de cuantificacién e(n) - {levels} niveles de cuantificacién') plt.tight_layout() # Imprimir 1a relacién SQNR print (F*SQNR para {levels} niveles de cuantificacién: {SQNR:.2f} dB. # Mostrar las graficas plt.show() Para 64: Sete xg xn) - 4 nivees de cunticacon ‘Seta cuomeas xan) 64 niles de uanifienlén €or de conic fn) = 6 nies de cunicacdn SQNR para 64 niveles de cuantificacién: 37.01 dBPara 128: ‘Sef rginal xn) - 128 nveles de cuatificacion Sehal cuantiada xa) - 128 niveles de cuanticacién Error de cuantiicacién e(n)- 128 nvees de cuantiicaciin SQNR para 128 niveles de cuantificacion: 41.76 dB Para 256: ‘Sefol origina xin} - 256 nvees de cuarienen ror de cuatiicacién en) - 256 nveles de cvantifcacién ‘SQNR para 256 niveles de cuantificaci 48.09 dB(b) Codificacién: import numpy as np import matplotlib.pyplot as plt # Parametros de la sefal Fs = 5000 # Frecuencia de muestreo en Hz N= 200 # Numero de muestras Fo = 1/50 # Frecuencia de oscilacio # Funcién para calcular la sefial x(n) def signal(Fo): return np.sin(2 * np.pi * Fo * np.arange(N)) # Cuantificacion quantization_levels = [64, 128, 256] for levels in quantization_levels: x = signal(Fo) xmax = np.max(x) xmin = np.min(x) # Cuantificacién usando redondeo delta = (x.max - xmin) / (levels - 1) xq = np.round(x / delta) * delta # Calcular el error de cuantificacién eax - xq # Calcular 1a potencia de la sefal original y el error de cuantificacion Px = np.mean(x**2) Pq = np.mean(e**2) # Calcular 1a relacién SNR en dB SQUR = 10 * np.1ogie(Px / Pq) # Crear una figura para las graficas plt. figure(figsize=(12, 6)) # Graficar 1a sefial original x(n) plt.subplot(3, 1, 1) plt.plot(x)plt.title(f*Senal original x(n) - {levels} niveles de cuantificacién (Redondeo)') # Graficar 1a sefial cuantificada xq(n) plt.subplot(3, 1, 2) plt.plot(xq) plt.title(#'Sefial cuantificada xq(n) - {levels} niveles de cuantificacion (Redondeo)') # Graficar el error de cuantificacién e(n) plt.subplot(3, 1, 3) plt.plot(e) plt.title(f'érror de cuantificacién e(n) - {levels} niveles de cuantificacién (Redondeo)') plt.tight_layout() # Inprimir 1a relacién SQNR print (F*SQNR para {levels} niveles de cuantificacién (Redondeo): {SQNR:.2F} dB") 4 Mostrar las graficas plt.show() Para 64: Selgin xn) - 6 ives de cvereencén (Redondo) Seta cwotcad ral) 6 ives de cuntccin Reon) srr de cuateain of) 64 nies de cna (Redondo) ‘SQNR para 64 niveles de cuantificacion (Redondeo): 37.01 dBPara 128: Sefalerignal xin) - 128 rivees de cuantiicacén (Redondeo) ‘Sea cuanticada xan) - 128 nivees de cuanticaclon Redongeo) ror de cvatiicacine(n)- 128 nivees de cuanicackn Redoneo) SQNR para 128 niveles de cuantificacién (Redondeo): 41.76 dB Para 256: Sefal origina a(n) - 256 iveles de cuatieacién (Redondee) a ‘Sef cuantiicad xain)- 256 riveles de cuaticacin(Redondeo) ror de cuanticacin en) - 256 nivales de cuantiicaci (Redondo) ‘SQNR para 256 niveles de cuantificacién (Redondeo): 48.09 dBAne | TT se { | xn. (Ch) s[-f T [A_seng ¢d doetivd abe bs : ; en | 4 7 a ” | | = 2 3ea EP RD Fe t : -b bl 3 fe mata aD beh 2 ‘ (Ca) X CH= 2) 4 i ; Xt AE Ld lO data ah ER 2 n+ 2) | Th zt at (BKC - “hk 3] et(yh) Chazy 4 |-3]-2] -4] PERE Lt cg SN. 1 40a fsfaba tal tO nt nit 7)a st ro 6+ Gu. 3 la 4o LLG, AE 29. (8 Ast N et 5 “| a xO ={st do =I ; at bate ts oF Tree a + SNOT Ts : AQ | Ix + = gat ‘ = bt IF +4 u te =| 4 a GED XK (ws (Bx Ca)“9 w | ar cy |_| |_| |__| Re AS Ne “IS as F 3 F | = TT 4 let a 4 4 OE} m4 7 1>=1~3] falsity TS rm : a TIT fi aa Stal” oy 78 lot | | f J a Os > { x “tS apis = 44, a 1S df zis ‘ / MCECEIPE a2 F sy ot “| ; SI “or tf = ~| 2 mae s} [alta a i mast —if=i , alta & . gi a Fx acs SToe "Flak - { al 7 aI Les 1 20s = te is 4} x Lie 3 rls i / ea => C19 =| R “s| ‘f =| ¢€ aera a ete TRACE PRT . ¢ a oe > 7] > i A 1 aloll At oR STFS Ct PCRS ed £ 4 x "| 3 [x tT id n »| Ta 1 F “ fl " ss aS = zi a | = 8) RS < (0) = 1 ned xq): 1 net aC ne-1 x(a)= 6 nz 2 Hy)z0 42-2 3. Dibuje la seal yin) y(n-2) y(n-2)4. Determine y dibuje la seal Xala)= x(a-2) rln-2) ASF | —_—- | | at ie | 4 "s tear 5. Vetermine y dibyje la semal yaln) = ¥ fxein)] yi) = TLxto-2)] iif 6. Compare las seales ys (a) € yln-1). Alval ef su wonclusiin? Yala) # yln-2) 2. EF sistema ex variante ene! Hempo o Repita el apartado (6) para el risfema y(a)= xl) = x(n-1) 1. Dibuje la senal xy2. Determine y dibije ba seral y(n) 5. determine y dibwye la sezal ysind= ‘YLrund) oot M1 ©. Compae las seriales yzin) € y (0-2), Aud ef su conclustin) Yeas yln-2) «El sistema es jovaciante €n ef frempe4) Bepita les apartados tt) y para el sistema yln) = 7 [xin] = nxin) xin) mt. yln) 2 yin= oxlo) —y 1-0 xurt=0 nei xatet nea x(2= 1 h=3 x(3)3=3 4. xyl= Xia~2) 2444 o1 2345" 5. (ky (n))o + ypray X22 Oxt+0 | ; Was vet? | x (abe 1923 2 4 x, taps OTHE _{ tl) oT, 2 35°49 xy (5)= 1K5=5& Vela) # y(n-2) EV sistema es variante cnel tiempo 2.4 Un sistema discreto en el tiempe puede ser 4, Estatico 0 dindémio 4. Lineal o ne lineal 3. Invariante en el tiempo © veciante en el tempo 4+ Causal 6 no cavyal 5. Estable o sacrtable Framioe lor siquients sirkmas rtpecle de lat propiedader esumemdes G) yin)= cos Extn) Es estatico, no lineal, invariante enel diempo, causal y cstable : yi: F x00 kewo Es dina lineal, ievarrante en el heayo, no causal e inestable. del ba ne [a salida—peo y nou él sistema &s lanes table (c) yen) =» () fas (won) Es estetico, lineal, variante en el tiempo, cau (4) y= x(-n 42) E. al y ertable mica, lineal, iavariaale en el tiempo, na causal y stable (€) yin) = Teun fx], donde Tron faya\) indica Ja parte erdeen de x(n) cbfenide por Jew caniento = Estatice, no al, sovaciante en el tiernpo, causal y estable (F) yla) = Round (at9Y}, donde Bound [x60] indica la parte entere de x0) oldenide por redordeo Estetica, no lineal , invariante ene! tempo, causa! y estable (9) yla\= | xen) Estetiro, no lineal, jayariante en el tiempo, causal y estableCh) year = xCa)ula) Estatico, lineal ,iavarioale & el Hempo , causal y estable (1) y (a)=nla) + x(n) Dindiieo, lineal, verrianle en ef tiempo , ao causa) e inestable. (3) yea) = xan) Dindenice, Hneal, vaciante en el tiempo, no cowal y esfable xl), fi x lo) 20 ee aa Exfatico, no hocal, iwvorianle tn ef tiempo, causal y estable (i) yQ)= xn) Dindmnico, Hoel, iavarigate en ef Hempe; no causal y stable. Lm) yl) = syn Exim) Estetica, no lineal) invariaole en el Hempo , cavial y otable 1 El sistema de muesheo ideal con ly entrada Xe t) y lasalide X00): 4 (or) = Xq (nT), Estate; lineal, savariante evel Hiempo, causal y cable, nimers enteros finilos My N, se cumple A_ON+e Benne eee ld N-NFY1, si ast Nv fara a=1, Za” = y-nyyy oy nN faa oat, Za%= a+ ght, |. 4 Qn a ~ MH, ght n+ NOW G-9 Za®satgar—aNtt,. 4 aN gg a at He Wr ¢4 er constante real o compleia caale 5 (D) Demuer, que parr cualguter cons. ° complejo a y caalerquiera al Ntt. gM. ght(b) Demuestre que si 1a\ <1, entonces Haceros M=O=n, laled y N—r0o as Ahaa =N-Mi1 = 0-041 x