leeern by Yuri

Notas de YuriRod


Página tipo blog en el que voy a publicar mis notas de aprendizaje, en especial de temas como matemáticas, física y quizá algo de programación

Redes neuronales
Redes neuronales
Redes neuronales
Redes neuronales
Redes neuronales

Señales

Muestreo de una señal

Sea una señal continua en el tiempo x(t)x(t), su muestreo se define como

x[n]=x(nT),dondeT=1fsx[n] = x(nT), \quad \text{donde} \quad T = \frac{1}{f_s}

Equivalentemente, podemos ver el muestreo como el producto de la señal continua y un tren de impulsos unitarios pT(t)p_T(t):

xs(t)=x(t)pT(t),dondepT(t)=k=δ(tkT)x_s(t) = x(t)\,p_T(t), \quad \text{donde} \quad p_T(t) = \sum_{k=-\infty}^{\infty} \delta(t - kT)

Representación espectral

Dado que la señal muestreada xs(t)=x(t)pT(t)\large x_s(t) = x(t) \cdot p_T(t) (por propiedad de convolución) su espectro esXs(f)=X(f)    PT(f)X_s(f)=X(f)\;\ast\;P_T(f)

PT(f)=F{pT(t)}=1Tm=δ(fmfs),fs=1T P_T(f)=\mathcal{F}\{p_T(t)\} =\frac{1}{T}\sum_{m=-\infty}^{\infty}\delta\bigl(f - m\,f_s\bigr),\quad f_s=\tfrac{1}{T}La transformada de Fourier del tren de impulsos unitarios pT(t)p_T(t), es otro tren de impulsos en frecuencia


Finalmente, al convolucionar X(f)X(f) con el tren de deltas en frecuencia se obtiene

Xs(f)=X(f)(1Tmδ(fmfs))=1Tm=X(fmfs).X_s(f)=X(f)*\Bigl(\tfrac{1}{T}\sum_{m}\delta(f-mf_s)\Bigr)=\frac{1}{T}\sum_{m=-\infty}^{\infty}X(f - m\,f_s).

Es decir, el espectro original X(f)X(f) se replica cada fsf_s Hz, provocando aliasing si las réplicas se solapan.

Para evitar aliasing, se aplica un filtro antialiasing pasabajo con frecuencia de corte fcfs/2f_c \le f_s/2 antes del muestreo:

xfil(t)=x(t)hLP(t),HLP(f)={1,ffc,0,f>fc. x_{\text{fil}}(t) = x(t) * h_{\text{LP}}(t), \quad H_{\text{LP}}(f) = \begin{cases} 1, & |f| \le f_c,\\ 0, & |f| > f_c. \end{cases}

Tras el muestreo, la reconstrucción ideal se realiza con un filtro pasabajo ideal de corte fs/2f_s/2, interpolando mediante la función sinc:

x^(t)=n=x[n]sinc ⁣(tnTT),sinc(u)=sin(πu)πu. \hat{x}(t) = \sum_{n=-\infty}^{\infty}x[n]\,\mathrm{sinc}\!\bigl(\tfrac{t-nT}{T}\bigr), \quad \mathrm{sinc}(u)=\frac{\sin(\pi u)}{\pi u}.

Muestreo y espectro, simulación

x(t)=x1(t)+x2(t)+0.2x(t)=x_1(t)+x_2(t) +0.2 xs(t)=x(t)pT(t)\large x_s(t)=x(t) \cdot p_T(t)
x(t)=cos(2π3)+cos(2π2)+0.2\small x(t)= \cos\left(2\cdot\pi\cdot3\right)+\cos\left(2\cdot\pi\cdot2\right)+0.2

fs:9      Ts:0.11 sf_s : 9 \ \ \ | \ \ \ T_s : 0.11 \text{ s}

N:20N : 20

freq:3 Hzfreq : 3 \text{ Hz}

freq2:2 Hzfreq_2 : 2 \text{ Hz}

c0:0.2c_0 : 0.2

fShift:0 Hz      wShift:2π0 radf_{Shift} : \textcolor{#77FF77}{0} \text{ Hz} \ \ \ | \ \ \ w_{Shift} : 2\pi0 \text{ rad}

tShift:0 st_{Shift} : \textcolor{#44AAFF}{0}\text{ s}

X(f)=X1(f)+X2(f)+0.2 δ(f)\small X(f)=X_1(f)+X_2(f) +0.2\ \delta (f) Xs(f)=X(f)  PT(f)X_s(f)=X(f) \ \ast \ P_T(f)
Xs(5)=n=0N1x[n]ei2π5n/fs=2.32+0.04i\textcolor{#00cc99}{X_s}({\textcolor{#f14e0e}{5}}) = \sum_{n=0}^{N-1} x[n] e^{- i 2 \pi \textcolor{#f14e0e}{5} n/f_s} = 2.32 + -0.04i
X(f)=12δ(f2π32π)+12δ(f2π22π)+0.2δ(f)\small X(f)= \frac{1}{2} \delta \left( |f| - \frac{2 \pi 3}{2 \pi } \right) + \frac{1}{2} \delta \left( |f| - \frac{2 \pi 2}{2 \pi } \right) + 0.2 \delta(f)

[k]:5[k] : 5

animDuration:2000animDuration : 2000

N=fs×T=9×1freq=9×0.33=3.00=3N = fs \times T = 9 \times \frac{1}{freq} = 9\times 0.33 = 3.00 = 3

Recordar

Teorema de escalamiento:x(at) F 1aX ⁣(fa)\quad x(a\,t) \ \xrightarrow{\mathcal{F}} \ \frac{1}{\lvert a\rvert} X\!\left( \frac{f}{a}\right)

Espectro de: cos(t) F 12 δ ⁣(f12π)\quad \cos(t) \ \xrightarrow{\mathcal{F}} \ \frac{1}{2} \ \delta \!\left( |f| - \frac{1}{2\pi}\right)

Escalamiento del impulso: δ(at)=1aδ(t)\quad \delta(at) = \frac{1}{|a|} \delta(t)

cos(t) F 12 δ ⁣(f12π)\quad \cos(t) \ \xrightarrow{\mathcal{F}} \ \frac{1}{2} \ \delta \!\left( |f| - \frac{1}{2\pi}\right)cos(at) F 12a δ ⁣(fa12π)\quad \cos(at) \ \xrightarrow{\mathcal{F}} \ \frac{1}{2|a|} \ \delta \!\left( \left| \frac{f}{a} \right| - \frac{1}{2\pi}\right)cos(at) F 12a δ ⁣(1a(fa2π))\quad \cos(at) \ \xrightarrow{\mathcal{F}} \ \frac{1}{2|a|} \ \delta \! \left( \frac{1}{a} \left( |f| - \frac{a}{2\pi} \right) \right)cos(at) F a2a δ ⁣(fa2π)\quad \cos(at) \ \xrightarrow{\mathcal{F}} \ \frac{a}{2|a|} \ \delta \! \left( |f| - \frac{a}{2\pi} \right)

Convolución

PT(f)=F{pT(t)}=1Tm=δ(fmfs),fs=1T=9 \Large \textcolor{#ae58ff}{P_T(f)} \normalsize =\mathcal{F}\{p_T(t)\} =\frac{1}{T}\sum_{m=-\infty}^{\infty}\delta\left( f - m\,f_s\right),\quad f_s=\tfrac{1}{T} = 9X~(f)=F~{x(t)} \Large \textcolor{#ee00ab}{\widetilde{X}(f)} \normalsize =\widetilde{\mathcal{F}}\{x(t)\}
Xs(f)=X~(f)PT(f)=1Tm=X~(f)δ(fmfs)\textcolor{#00cc99}{X_s(f)} = \textcolor{#ee00ab}{\widetilde{X}(f)} \ast\textcolor{#ae58ff}{P_T(f)} =\frac{1}{T}\sum_{m=-\infty}^{\infty}\widetilde{X}(f)\delta (f - mf_s)



Recuperación de la señal

Al muestrear x(t), su espectro X(f)X(f) se replica cada fsf_s Hz. Para reconstruir la señal continua x(t), basta conservar la banda basefs2ffs2-\tfrac{f_s}{2} \le f \le \tfrac{f_s}{2} y eliminar las réplicas. Esto se logra aplicando un filtro ideal pasa-bajos de ancho fsf_s y ganancia 1/T1/T, es decir que en el dominio de la frecuencia multiplicar por:H(f)=1Trect(ffs)\displaystyle H(f)=\frac{1}{T}\,\mathrm{rect}\left( \tfrac{f}{f_s}\right)En el dominio del tiempo, este filtrado equivale a la convolución con la función sinc:h(t)=sinc(t/T)=sin(πt/T)πt/T\displaystyle h(t) = \mathrm{sinc}\left( t/T\right) = \frac{\sin(\pi t/T)}{\pi t/T}

Las funciones notadas con h(t)h(t) y H(f)H(f) aparecen en el contexto de sistemas lineales e invariantes en el tiempo (LTI) y su análisis en el dominio de la frecuencia.

Funciones Especiales

Rect

rect(t)={1,t<12,12,t=12,0,t>12.\textcolor{#80F700}{\text{rect}}(t) = \begin{cases} 1, & |t| < \tfrac{1}{2},\\ \tfrac12, & |t| = \tfrac{1}{2},\\ 0, & |t| > \tfrac{1}{2}. \end{cases}
F{rect(t)}= sinc(πf)\mathcal{F}\{\textcolor{#80F700}{\text{rect}}(t)\} = \text{ \textcolor{#f14e0e}{\text{sinc}}}(\pi f)


Sinc

sinc(t)=sin(t)t,sinc(0)=1. \textcolor{#f14e0e}{\text{sinc}} (t) = \frac{\sin(t)}{t}, \qquad \textcolor{#f14e0e}{\text{sinc}}(0) = 1.
F{sinc(πt)}=rect(f)\mathcal{F}\{ \textcolor{#f14e0e}{\text{sinc}} (\pi t)\} = \textcolor{#80F700}{\text{rect}}(f)


Recordar el Teorema de escalamiento:x(at)  F  1a  X ⁣(fa)\quad \large x(a\,t)\;\xrightarrow{\mathcal{F}}\;\frac{1}{\lvert a\rvert}\;X\!\Bigl(\frac{f}{a}\Bigr)

rect ⁣(tτ)  F  τ  sinc(τf) rect\!\Bigl(\frac{t}{\tau}\Bigr) \;\xrightarrow{\mathcal{F}}\; \tau\; sinc(\tau\,f)
sinc ⁣(tτ)  F  τ  rect(τf) sinc\!\Bigl(\frac{t}{\tau}\Bigr) \;\xrightarrow{\mathcal{F}}\; \tau\; rect(\tau\,f)

Sistemas LTI

Un sistema LTI (Lineal e Invariante en el Tiempo) es un modelo matemático que permite caracterizar completamente el comportamiento de cualquier entrada mediante convolución con su respuesta al impulso h(t)h(t) y, en el dominio de la frecuencia, mediante su función de transferencia H(f)H(f).