INTRODUCCIÓN

El tratamiento digital de señales es un área de la ciencia y la ingeniería que se

ha desarrollado muy rápidamente a lo largo de los últimos cincuenta años. Este rápido
desarrollo es el resultado de los importantes avances tanto en la tecnología digital, en
el campo de la informática como en la fabricación de los circuitos integrados. Las
computadoras digitales y el hardware digital asociado de hace cinco décadas eran de
tamaño relativamente grande, además muy caros y, en consecuencia, su uso estaba
limitado a las aplicaciones de propósito general en tiempo no real (fuera de línea)
científicos y comerciales. El rápido desarrollo de la tecnología de circuitos integrados,
empezando con la integración a media escala (MSI, medium-scale integration),
continuando con la integración a gran escala (LSI, large-scale integration), y
actualmente con la integración a muy gran escala (VLSI, very-large-scale integration)
de los circuitos electrónicos ha estimulado el desarrollo de computadoras digitales y
hardware digital de propósito especial más potente, de menor tamaño, más rápido y
menos costoso. Estos circuitos digitales baratos y relativamente rápidos han hecho
posible la construcción de sistemas digitales altamente sofisticados capaces de llevar
a cabo tareas y funciones de tratamiento de señales digitales, que normalmente son
bastante complejas y/o caras de implementar mediante circuitería analógica o
sistemas de tratamiento de señales analógicas. En consecuencia, muchas de las
tareas de tratamiento de señales que convencionalmente se realizaban por medios
analógicos, actualmente se llevan a cabo empleando hardware digital que es más
barato y a menudo más fiable. No se quiere dar a entender que el tratamiento digital
de señales es la solución adecuada para todos los problemas de tratamiento de
señales. Así, en el caso de muchas señales con anchos de banda muy grandes, el
tratamiento en tiempo real es un requisito. Para dichas señales, el procesamiento
analógico sea la única solución posible. Sin embargo, siempre que se disponga de
circuitos digitales y se tenga la velocidad suficiente como para utilizar el tratamiento
digital, será preferible emplear dichos circuitos. Los sistemas digitales no sólo
proporcionan sistemas de tratamiento de señales más baratos y fiables, sino que
presentan también otras ventajas. En particular, el hardware de procesamiento digital
permite realizar operaciones programables. Mediante software, es más fácil modificar
las funciones de procesamiento de señales que mediante hardware. Por tanto, el
hardware digital y el software asociado proporcionan un mayor grado de flexibilidad al
diseño del sistema. Además, generalmente, se consigue un mayor grado de precisión
con el hardware y el software digital que con los circuitos y sistemas de procesamiento
de señales analógicos. Por todas estas razones, en las cuatro últimas décadas se ha
producido un crecimiento explosivo en la teoría del tratamiento digital de señales y sus
aplicaciones.
Señales, sistemas y procesado de la señal
Una señal se define como cualquier magnitud física que varía con el tiempo, el
espacio o cualquier otra variable o variables independientes. Matemáticamente,
describimos una señal como una función de una o más variables independientes. Por
ejemplo, las funciones.
s1(t) = 5t
s2(t) = 20t² (1)
describen dos señales, una que varía linealmente con la variable independiente
t (tiempo) y una segunda que varía cuadráticamente con t. Veamos otro
ejemplo, considere la función

s(x, y) = 3x+2xy+10y2 (2)

Esta función describe una señal de dos variables independientes x e y

que podrían representar las dos coordenadas espaciales de un plano. Las
señales descritas por las Ecuaciones (1) y (2) pertenecen a una clase de
señales que se definen de forma precisa especificando la dependencia
funcional de la variable independiente. Sin embargo, existen casos en los que
tal relación funcional es desconocida o extremadamente compleja como para
tener ninguna utilidad práctica. Por ejemplo, una señal de voz (véase la Figura
1) no se puede describir funcionalmente mediante expresiones como la
Ecuación (1). En general, un segmento de voz se puede representar con un
alto grado de precisión como la suma de varias señales sinusoidales de
diferentes amplitudes y frecuencias, es decir, como

∑ (3)

Figura 1. Ejemplo de una señal de voz

Donde {Ai(t)}, {Fi(t)} y {θi(t)} son los conjuntos de amplitudes, frecuencias y

fases (posiblemente variables con el tiempo), respectivamente, de las señales
sinusoidales. De hecho, una forma de interpretar la información o el mensaje enviado
en un corto segmento de tiempo de la señal de voz consiste en medir las amplitudes,
frecuencias y fases contenidas en dicho segmento de la señal.

Otro ejemplo de señal natural es la de un electrocardiograma (ECG). Una señal

de este tipo proporciona a un médico información sobre el estado del corazón de un
paciente. De la misma manera, la señal de un electroencefalograma (EEG)
proporciona información sobre la actividad del cerebro. Las señales de voz, de un
electrocardiograma y de un electroencefalograma son ejemplos de señales que
contienen información y que varían como funciones de una sola variable independiente
que, normalmente, es el tiempo. Un ejemplo de una señal que es una función de dos
variables independientes es una señal de imagen. Las variables independientes en
este caso son las coordenadas espaciales. Se trata tan sólo de unos pocos ejemplos
de las innumerables señales naturales que pueden encontrarse en el mundo real.

Asociados a las señales naturales se encuentran los medios con los que se
generan. Por ejemplo, las señales de voz se generan al pasar el aire a través de las
cuerdas vocales. Las imágenes se obtienen mediante la exposición de una película
fotográfica ante una escena u objeto. Por tanto, normalmente la generación de señales
está asociada con un sistema que responde a un estímulo o fuerza. En una señal de
voz, el sistema está formado por las cuerdas vocales y el tracto bucal, también
conocido como cavidad bucal. El estímulo en combinación con el sistema es lo que se
denomina fuente de señal. Por tanto, existen fuentes de voz, fuentes de imágenes y
muchos otros tipos de fuentes de señal. Un sistema también se puede definir como un
dispositivo físico que realiza una operación sobre una señal. Por ejemplo, un filtro
utilizado para reducir el ruido y las interferencias que distorsionan una señal deseada
que transporta información es un sistema. En este caso, el filtro realiza ciertas
operaciones sobre la señal, que tienen el efecto de reducir (filtrar) el ruido y las
interferencias de la señal de información deseada.

Cuando pasamos una señal a través de un sistema, como en el caso del filtro,
decimos que hemos procesado o tratado la señal. En este caso, el procesamiento de
la señal implica filtrar el ruido y las interferencias de la señal deseada. En general, el
sistema se caracteriza por el tipo de operación que realiza sobre la señal. Por ejemplo,
si la operación es lineal, el sistema es lineal. Si la operación que se realiza sobre la
señal no es lineal, se dice que el sistema es no lineal, etc. Tales operaciones suelen
referirse como tratamiento de la señal.

Para nuestros propósitos, es conveniente ampliar la definición de sistema para

incluir no sólo los dispositivos físicos, sino también la implementación software de
operaciones sobre una señal. En el procesamiento digital de señales de una
computadora digital, las operaciones efectuadas sobre una señal consisten en una
serie de operaciones matemáticas especificadas por un programa de software. En este
caso, el programa representa una implementación del sistema porsoftware. Luego
tenemos un sistema que se implementa sobre una computadora digital por medio de
una secuencia de operaciones matemáticas; es decir, tenemos un sistema de
procesamiento digital de señales implementado por software. Por ejemplo, una
computadora digital puede programarse para llevar a cabo un filtrado digital.
Alternativamente, el tratamiento digital de señales se puede realizar mediante
hardware digital (circuitos lógicos) configurado para realizar las operaciones
especificadas. En una implementación de este tipo, tendremos entonces un dispositivo
físico que realizará las operaciones especificadas. En un sentido amplio, un sistema
digital puede implementarse como una combinación de hardware y software digital,
realizando cada uno de ellos su propio conjunto de operaciones especificadas.

El método o conjunto de reglas para implementar el sistema mediante un

programa que realice las operaciones matemáticas correspondientes se denomina
algoritmo. Por lo general, hay disponibles muchas formas o algoritmos mediante los
que se puede implementar un sistema, bien por software o por hardware, para realizar
las operaciones y cálculos deseados. En la práctica, estaremos interesados en
aquellos algoritmos que sean eficientes y rápidos en lo que respecta a los cálculos, y
también sean fáciles de implementar. Por tanto, un tema importante en el estudio del
procesamiento digital de la señal es el empleo de algoritmos eficientes para realizar
operaciones como el filtrado, la correlación o el análisis de espectros.

Figura 2. Tratamiento de una señal analógica.

Elementos básicos de un sistema de tratamiento digital de señales

La mayor parte de las señales con las que se trabaja en los distintos campos
de la ciencia y la ingeniería son analógicas por naturaleza. Es decir, las señales son
funciones de una variable continua, como por ejemplo, el tiempo o el espacio, y
normalmente toman valores en un rango continuo. Tales señales pueden procesarse
directamente mediante sistemas analógicos apropiados (como filtros, analizadores de
frecuencias o multiplicadores de frecuencia), con el fin de cambiar sus características
o de extraer la información deseada. En tal caso, podemos decir que la señal se ha
procesado de forma directa en su forma analógica, como se ilustra en la Figura 2.
Tanto la señal de entrada como la señal de salida son analógicas.
El tratamiento digital de señales proporciona un método alternativo de procesar
una señal analógica, como se ilustra en la Figura.3. Para poder realizar un tratamiento
digital, es necesario disponer de una interfaz entre la señal analógica y el procesador
digital. Esta interfaz se denomina convertidor analógico-digital (A/D).
La salida del convertidor A/D es una señal digital que es adecuada como
entrada del procesador digital. El procesador digital de señales puede ser una
computadora digital programable grande o un pequeño microprocesador programado
para realizar las operaciones deseadas sobre la señal de entrada. También puede ser
un procesador digital cableado configurado para realizar un conjunto de operaciones
especificado sobre la señal de entrada. Las máquinas programables proporcionan la
flexibilidad de poder cambiar las operaciones de procesamiento de la señal mediante
una modificación del software, mientras que las máquinas cableadas son difíciles de
reconfigurar. En consecuencia, los procesadores de señal programables son de uso
muy común. Por el contrario, cuando las operaciones de tratamiento están bien
definidas, una implementación cableada de las operaciones puede optimizarse, dando
lugar a un procesador de señales más económico y que normalmente trabaja más
rápido que su contrapartida programable. En aplicaciones en las que la salida digital
del procesador digital de señal tenga que entregarse al usuario en formato analógico,
como por ejemplo en los sistemas de comunicación por voz, tendremos que
proporcionar otra interfaz entre el dominio digital y el analógico. Una interfaz así es un
convertidor digital-analógico (D/A). De este modo, la señal que se proporciona al
usuario está en forma analógica, como ilustra el diagrama de bloques de la Figura
1.1.3. Sin embargo, existen otras aplicaciones prácticas que implican el análisis de la
señal, en las que la información deseada se encuentra en formato digital y, por tanto,
no es necesario emplear un convertidor D/A. Por ejemplo, en el procesamiento digital
de las señales de radar, la información extraída de la señal de radar, como por
ejemplo la posición de un avión y su velocidad, puede simplemente imprimirse en un
papel. En este caso, no hay necesidad de utilizar un convertidor D/A.

Figura 3. Diagrama de bloques de un sistema de tratamiento digital de señales.

Ventajas del tratamiento digital de señales sobre el analógico

Como hemos mencionado anteriormente, existen muchas razones por las que el
tratamiento digital de señales analógicas es preferible a procesar dichas señales
analógicas directamente en el dominio analógico. En primer lugar, un sistema digital
programable proporciona la flexibilidad de reconfigurar las operaciones del tratamiento
digital de la señal simplemente modificando el programa. Sin embargo, normalmente,
la reconfiguración de un sistema analógico implica un rediseño del hardware seguido
de los procesos de realización de pruebas y de verificación que permiten comprobar
que todo funciona correctamente.
También, las consideraciones de precisión desempeñan un papel importante en la
determinación de la forma del procesador de señales. Las tolerancias de los
componentes de los circuitos analógicos hacen extremadamente difícil que el
diseñador del sistema pueda controlar la precisión de un sistema de tratamiento de
señales analógicas. Por el contrario, un sistema digital proporciona un control mucho
mejor en lo que respecta a los requisitos de precisión. Tales requisitos, a su vez,
exigen especificar los requisitos de precisión del convertidor A/D y del procesador
digital de señales, en términos de longitud de palabra, aritmética en coma flotante o
coma fija, y factores similares.
Las señales digitales se almacenan fácilmente en soportes magnéticos (cinta o
disco) sin deteriorarse o perder fidelidad, aparte de la introducida por la conversión
A/D. Como consecuencia, las señales se hacen transportables y pueden procesarse
en tiempo no real en un laboratorio remoto. El tratamiento digital de señales también
permite la implementación de algoritmos de tratamiento de señales más sofisticados.
Normalmente, es muy difícil efectuar operaciones matemáticas precisas sobre señales
analógicas, pero esas mismas operaciones pueden implementarse de forma rutinaria
en una computadora digital mediante software.
En algunos casos, una implementación digital del sistema de procesamiento de
señales es más barata que su contrapartida analógica. Este menor coste puede
deberse al hecho de que el hardware digital es más barato o, quizás, es el resultado
de la flexibilidad de poder realizar modificaciones proporcionada por la implementación
digital. Como consecuencia de estas ventajas, el procesamiento digital de señales se
ha aplicado en sistemas prácticos cubriendo un amplio rango de disciplinas. Por
ejemplo, podemos citar la aplicación de técnicas de tratamiento digital de señales en el
procesamiento de voz y la transmisión de señales a través de canales telefónicos, en
el procesamiento y transmisión de imágenes, en los campos de la sismología y la
geofísica, en la prospección petrolífera, en la detección de explosiones nucleares, en
el tratamiento de señales recibidas del espacio exterior y en muchas otras
aplicaciones. Sin embargo, como ya hemos mencionado, la implementación digital
también tiene sus limitaciones. Una limitación práctica es la velocidad de operación de
los convertidores A/D y de los procesadores digitales de señales. Veremos que las
señales que tienen anchos de banda extremadamente grandes requieren
convertidores A/D con una muy alta velocidad de muestreo y procesadores digitales de
señales rápidos. Así, existen señales analógicas con anchos de banda grandes para
las que la solución que proporciona el tratamiento digital se encuentra más allá del
estado del arte del hardware digital.

Clasificación de las señales

 Señales multicanal y multidimensionales

Una señal se describe mediante una función de una o más variables

independientes. El valor de la función (es decir, de la variable dependiente) puede ser
una magnitud escalar real, una magnitud compleja o incluso un vector. Por ejemplo, la
señal
s1(t) = Asen3πt
Es una señal real. Sin embargo, la señal
s2(t) = Ae j3πt = Acos3πt + jAsen3πt
Es compleja.
En algunas aplicaciones, múltiples fuentes o múltiples sensores generan las
señales. Dichas señales pueden representarse en forma vectorial. La Figura 4 muestra
los tres componentes de una señal vectorial que representa la aceleración en la
superficie terrestre debido a un terremoto. Esta aceleración es el resultado de tres

Figura 4. Tres componentes de la aceleración en tierra medida a pocos kilómetros del epicentro de un terremoto
tipos básicos de ondas elásticas. Las ondas primarias (P) y las ondas secundarias (S)
se propagan dentro del cuerpo de la roca y son longitudinales y transversales,
respectivamente. El tercer tipo de onda elástica recibe el nombre de onda superficial,
porque se propaga cerca de la superficie de la Tierra. Si sk(t), k = 1, 2, 3, denota la
señal eléctrica procedente del sensor k como una función del tiempo, el conjunto de
p = 3 señales se puede representar mediante un vector S3(t), donde

Decimos que un vector de señales así es una señal multicanal. Por ejemplo,
en electrocardiografía, se utilizan electrocardiogramas (ECG) de 3 tomas y de 12
tomas, que generan señales de 3 y 12 canales.
Fijémonos ahora en las variables independientes. Si la señal es una función de
una sola variable independiente, se dice que la señal es unidimensional. Por otro lado,
se dice que una señal es M-dimensional si su valor es una función de M variables
independientes.

Figura 5. Ejemplo de una señal bidimensional.

La imagen de la Figura 5 es un ejemplo de una señal bidimensional, dado que

la intensidad o brillo I(x,y) en cada punto es una función de dos variables
independientes. Por otra parte, una imagen de televisión en blanco y negro puede
representarse como I(x,y,t), puesto que el brillo es una función del tiempo. Por tanto,
la imagen de TV puede tratarse como una señal tridimensional. En cambio, una
imagen de TV en color puede escribirse mediante tres funciones de intensidad de la
forma Ir(x,y,t), Ig(x,y,t) e Ib(x,y,t), las cuales se corresponden con el brillo de los tres
colores principales (rojo, verde, azul) como funciones del tiempo. Por tanto, una
imagen de TV en color es una señal tridimensional de tres canales, que puede
representarse mediante el vector:
 Señales continuas y discretas en el dominio del tiempo
Las señales se pueden clasificar en cuatro categorías diferentes dependiendo
de las características de la variable independiente tiempo y de los valores que éstas
tomen. Las señales continuas en el tiempo o señales analógicas están definidas para
cada instante de tiempo y toman sus valores en el intervalo continuo (a,b), donde a
puede ser −∞ y b puede ser ∞. Matemáticamente, estas señales pueden describirse
mediante funciones de una variable continua. Las señales discretas en el tiempo sólo
están definidas en determinados instantes específicos de tiempo. Dichos instantes de
tiempo no tienen que ser equidistantes, aunque, en la práctica, normalmente están
t
igualmente espaciados para facilitar los cálculos. La señal x(tn) = e−| n| , n = 0, ±1, ±2,...
es un ejemplo de una señal discreta en el tiempo. Si utilizamos el índice n para los
instantes de tiempo discretos como la variable independiente, el valor de la señal será
una función de una variable entera (es decir, será una secuencia de números). Por
tanto, una señal discreta en el tiempo se puede representar matemáticamente
mediante una secuencia de números reales o complejos. Con el fin de resaltar la
naturaleza discreta de una señal, denotaremos dicha señal como x(n) en lugar de
como x(t). Si los instantes de tiempo tn están igualmente espaciados (es decir, tn =
nT), también se utiliza la notación x(nT). Por ejemplo, la secuencia

es una señal discreta en el tiempo, que se ha representado gráficamente en la

Figura 6. En la práctica, las señales discretas en el tiempo pueden originarse de dos
formas:
1) Seleccionando valores de una señal analógica en instantes discretos de tiempo.
Este proceso se denomina muestreo. Todos los instrumentos de medida que
realizan medidas a intervalos de tiempo regulares proporcionan señales discretas
en el tiempo. Por ejemplo, la señal x(n) de la Figura 6 puede obtenerse
muestreando la señal analógica x(t) = 0.8t , t ≥ 0 y x(t) = 0, t < 0 una vez por
segundo.
2) Acumulando una variable en un período de tiempo. Por ejemplo, el número de
coches que pasan por una calle determinada en una hora o el valor del oro diario,
dan lugar a señales discretas en el tiempo. La Figura 7 muestra una gráfica del
número de manchas solares de Wölfer. Cada muestra de la señal discreta en el
tiempo proporciona el número de manchas observadas durante un intervalo de 1
año.

Figura 6. Número de manchas solares de Wölfer (1770–1869)

 Señales continuas y señales discretas

Los valores de una señal continua o discreta en el dominio del tiempo pueden ser
continuos o discretos. Si una señal toma todos los valores posibles en un rango finito o
infinito, se dice que es una señal continua. Alternativamente, si la señal toma valores
dentro un conjunto finito de posibles valores, se dice que la señal es discreta.
Normalmente, estos valores son equidistantes y, por tanto, pueden expresarse como
un múltiplo entero de la distancia entre dos valores sucesivos. Una señal discreta en el
tiempo que tiene un conjunto de valores discretos es una señal digital. La Figura 7
muestra una señal digital que toma uno de cuatro valores posibles.

Para que una señal pueda ser procesada digitalmente, debe ser discreta en el tiempo
y sus valores tienen que ser discretos (es decir, tiene que ser una señal digital). Si la
señal que se va a procesar es una señal analógica, se convierte en una señal digital
muestreándola en instantes discretos de tiempo, obteniéndose así una señal discreta
en el tiempo, y cuantificando a continuación sus valores en un conjunto de valores
discretos, como se describe más adelante. El proceso de conversión de una señal
continua en una señal discreta se denomina cuantificación, y es básicamente un
proceso de aproximación. Puede realizarse de forma simple mediante redondeo o
truncamiento. Por ejemplo, si los valores permitidos de la señal digital son enteros,
como por ejemplo, de 0 hasta 15, la señal de valores continuos se cuantifica
empleando esos valores enteros. Por tanto, el valor de la señal 8.58 se aproximará al
valor 8 si el proceso de cuantificación se realiza mediante truncamiento, o a 9 si el
proceso de cuantificación se realiza por redondeo al entero más próximo. Más
adelante se proporciona una explicación más detallada del proceso de conversión
analógico-digital.

Señales deterministas y señales aleatorias

El procesamiento y análisis matemático de señales requiere disponer de una

descripción matemática para la propia señal. Esta descripción matemática, a menudo
denominada modelo de señal, lleva a otra importante clasificación de las señales.
Cualquier señal que se pueda describir unívocamente mediante una expresión
matemática explícita, una tabla de datos o una regla bien definida se dice que es
determinista. Este término se emplea para destacar el hecho de que todos los valores
pasados, presentes y futuros de la señal se conocen de forma precisa, sin
incertidumbre.

Figura 7. Señal digital con cuatro valores de amplitud diferentes

 Sin embargo, en muchas aplicaciones prácticas, existen señales que o no se
pueden describir con un grado razonable de precisión mediante fórmulas matemáticas
o una descripción, resulta demasiado compleja como para resultar práctica. La falta de
una relación de este tipo implica que dichas señales evolucionan en el tiempo de
manera no predecible. Decimos que este tipo de señales son aleatorias. La salida de
un generador de ruido, la señal sísmica de la Figura 4 y la señal de voz de la Figura 1
son ejemplos de señales aleatorias. El marco de trabajo matemático para llevar a
cabo el análisis teórico de las señales aleatorias lo proporciona la teoría de la
probabilidad y los procesos estocásticos. Debemos insistir en que la clasificación de
una señal real como determinista o aleatoria no siempre es clara. En ocasiones,
ambos enfoques llevan a resultados significativos que ayudan a clarificar el
comportamiento de la señal. En otros casos, una clasificación errónea puede llevar a
resultados erróneos, ya que algunas herramientas matemáticas sólo pueden aplicarse
a señales deterministas mientras que otras sólo pueden aplicarse a señales aleatorias.

Concepto de frecuencia en señales continuas y discretas en el tiempo

El concepto de frecuencia ya será familiar a los estudiantes de ingeniería y

ciencias. Este concepto es básico, por ejemplo, en el diseño de un receptor de radio,
de un sistema de alta fidelidad o de un filtro espectral para fotografías en color. De la
Física, sabemos que la frecuencia está estrechamente relacionada con un tipo
específico de movimiento periódico denominado movimiento oscilatorio armónico, que
se describe mediante funciones sinusoidales. El concepto de frecuencia está
directamente relacionado con el concepto de tiempo, y su dimensión es la inversa de
la del tiempo. En consecuencia, la naturaleza del tiempo (continuo o discreto) afectará
a la naturaleza de la frecuencia.

Señales sinusoidales continuas en el tiempo

Una oscilación armónica simple se describe matemáticamente mediante la

siguiente señal sinusoidal continua en el tiempo:

(3)

que se muestra en la ecuación(3). El subíndice a utilizado con x(t) indica que

se trata de una señal analógica. Esta señal queda completamente caracterizada
mediante los tres parámetros siguientes: A, que es la amplitud de la sinusoide, Ω, que
es la frecuencia en radianes por segundo (rad/s) y θ, que es la fase en radianes. En
lugar de Ω, a menudo utilizaremos la frecuencia F medida en ciclos por segundo o
hercios (Hz), donde

Ω = 2πF (4)
 Figura 8. Ejemplo de una señal sinusoidal analógica.

En función de F, podemos escribir la expresión (Figura 8) como sigue

(5)
Utilizaremos ambas formas, (3) y (5), para representar señales sinusoidales. La
señal sinusoidal analógica descrita por (5) queda caracterizada por las siguientes
propiedades:
A1. Para todo valor fijo de la frecuencia F, xa(t) es periódica. En efecto, se puede
demostrar fácilmente, utilizando trigonometría elemental, que
xa(t +Tp) = xa(t)
donde Tp = 1/F es el período fundamental de la señal sinusoidal.

A2. Señales sinusoidales continuas en el tiempo con diferentes frecuencias son

diferentes.
A3. Un incremento de la frecuencia F da lugar a un incremento de la velocidad de
oscilación de la señal, en el sentido de que se incluyen más períodos en un intervalo
de tiempo dado.
Observe que para F = 0, el valor Tp = ∞ es coherente con la relación
fundamental F = 1/Tp. Debido a la continuidad de la variable tiempo t, podemos
aumentar la frecuencia F, sin límite, con el consiguiente aumento en la velocidad de
oscilación. La relación que hemos descrito para las señales sinusoidales es
aplicacable a la clase de señales exponenciales complejas

(6)
Esto puede verse fácilmente expresando estas señales en función de señales
sinusoidales aplicando la identidad de Euler

(7)
Por definición, la frecuencia es una magnitud física inheremente positiva. Esto
resulta obvio si interpretamos la frecuencia como el número de ciclos por unidad de
tiempo de una señal periódica. Sin embargo, en muchos casos, y únicamente por
conveniencia matemática, tendremos que emplear frecuencias negativas. Recordemos
que la señal sinusoidal (8) se puede expresar de la forma siguiente:

(8)
Que se deduce de (7). Observe que se puede obtener una señal sinusoidal sumando
dos señales exponenciales complejas conjugadas de la misma amplitud, las cuales en
ocasiones se denominan fasores, como se muestra en la Figura 9. A medida que
transcurre el tiempo, los fasores giran en direcciones opuestas con frecuencias
angulares de ±Ω radianes por segundo. Dado que una frecuencia positiva se
corresponde con un movimiento angular uniforme en sentido anti horario, una
frecuencia negativa se corresponderá con un movimiento angular en sentido horario.
Por comodidad para la realización de los cálculos matemáticos, utilizaremos tanto
frecuencias negativas como positivas a lo largo de la materia. Por tanto, el rango de
frecuencias para las señales sinusoidales es −∞< F < ∞.

Figura 9. Representación de una función coseno mediante dos señales exponenciales complejas conjugadas

Señales sinusoidales discretas en el tiempo

Una señal sinusoidal discreta en el tiempo puede expresarse como sigue

x(n) = Acos(ωn+θ), −∞ < n < ∞ (9)

Donde n es una variable entera, que se denomina número de muestra, A es la

amplitud de la sinusoide, ω es la frecuencia en radianes por muestra y θ es la fase en
radianes. Si en lugar de ω utilizamos la variable frecuencia f definida por

ω ≡ 2π f (10)

La relación (9) se convierte en

x(n) = Acos(2π f n+θ), −∞ < n < ∞ (11)

En comparación con las señales sinusoidales continuas en el tiempo, la

señales sinusoidales discretas en el tiempo se caracterizan por las propiedades
siguientes:
 Figura 10. Ejemplo de señal sinusoidal discreta en el tiempo (ω = π/6 y θ = π/3).

B1. Una sinusoide discreta en el tiempo es periódica sólo si su frecuencia es un

número racional. Por definición, una señal discreta en el tiempo x(n) es periódica de
período N (N > 0) si y sólo si

x(n+N) = x(n) para todo n (12)

El valor mínimo de N para el que (12) se cumple es el período fundamental. La

demostración de la propiedad de periodicidad es sencilla. Para que una sinusoide de
frecuencia f0 sea periódica, se tiene que cumplir que

cos[2π f0(N +n) +θ] = cos(2π f0n+θ) (13)

Esta relación es cierta si y sólo si existe un entero k tal que

2π f0N = 2kπ

o, lo que es lo mismo,

f0 = k N (14)

De acuerdo con (14), una señal sinusoidal discreta en el tiempo sólo es

periódica si su frecuencia f0 se puede expresar como la relación de dos enteros (es
decir, f0 es racional).

B2. Las señales sinusoidales discretas en el tiempo cuyas frecuencias están

separadas un múltiplo entero de 2π son idénticas. Para demostrar esta afirmación,
consideremos la señal sinusoidal cos(ω0n + θ). Fácilmente se deduce que

cos[(ω0 +2π)n+θ] = cos(ω0n+2πn+θ) = cos(ω0n+θ) (15)

Por tanto, todas las secuencias sinusoidales

xk(n) = Acos(ωkn+θ), k = 0,1,2,... (16)

Donde

ωk = ω0 +2kπ, −π ≤ ω0 ≤ π (17)
 B3. La tasa de oscilación más alta de una señal sinusoidal discreta en el
iempo se alcanza cuando ω = π (uω = −π) o, lo que es lo mismo,
f =1/2 (o f = −1/2)

Exponenciales complejas armónicamente relacionadas

Las señales sinusoidales y las exponenciales complejas desempeñan un papel

importante en el análisis de señales y sistemas. En algunos casos, trabajaremos con
conjuntos de exponenciales complejas (o sinusoides) armónicamente relacionadas.
Se trata de conjuntos de exponenciales complejas periódicas con frecuencias
fundamentales que son múltiplos de una misma frecuencia positiva. Aunque vamos a
limitar nuestra exposición a las exponenciales complejas, evidentemente estas
propiedades son aplicables a las sinusoides. Vamos a considerar exponenciales
complejas armónicamente relacionadas tanto continuas como discretas en el dominio
del tiempo.

Exponenciales continuas en el tiempo. Las señales básicas exponenciales

continuas en el dominio del tiempo y armónicamente relacionadas )son:

Sk(t) = ejkΩ0t = ej2πkF0t k = 0,±1,±2,... (18)

A partir de las señales básicas dadas por (18), podemos construir una
combinación lineal de exponenciales complejas armónicamente relacionadas de la
forma

(19)
Donde ck, k = 0, ±1, ±2,... con constantes complejas arbitrarias. La señal xa(t)
es periódica de período fundamental Tp = 1/F0, y su representación en función de (19)
se denomina expansión de la serie de Fourier de xa(t). Las constantes complejas son
los coeficientes de la serie Fourier y la señal sk (t) es el armónico k-ésimo de xa (t).

Exponenciales discretas en el tiempo. Dado que una exponencial compleja

discreta en el tiempo es periódica si su frecuencia relativa es un número racional,
seleccionamos f0 = 1/N y definimos los conjuntos de exponenciales complejas
armónicamente relacionadas como sigue

(20)

En contraste con el caso de señales continuas en el tiempo, observe que

(21)

Lo que quiere decir que, de acuerdo con (12), sólo hay k exponenciales
complejas periódicas distintas en el conjunto descrito por la expresión (20). Además,
todos los miembros del conjunto tienen un período común de N muestras.
Evidentemente, podemos elegir cualesquiera N exponenciales complejas
consecutivas, es decir, desde k = n0 hasta k = n0 + N − 1, para formar un conjunto
armónicamente relacionado con una frecuencia fundamental f0 = 1/N. Por comodidad,
generalmente, seleccionaremos el conjunto que se corresponde con n0 = 0, es decir, el
conjunto

(22)

Como en el caso de las señales continuas en el tiempo, es obvio que la

combinación lineal

(23)

da como resultado una señal periódica de período fundamental N. Como

veremos más adelante, se trata de la representación de la serie de Fourier de una
secuencia periódica discreta en el tiempo con coeficientes de Fourier {ck}. La
secuencia sk(n) es el armónico k-ésimo de x(n).