interpola Sinc<\/a><\/p>\n\n\n\n ejercicio<\/a><\/p>\n\n\n\n algoritmo<\/a><\/p>\n\n\n\n gr\u00e1fica interactiva<\/a><\/p>\n<\/div>\n\n\n\n Referencia<\/strong><\/em>: McClellan 4-3.6 p147<\/p>\n\n\n\n La interpolaci\u00f3n con pulso Sinc(t) es un pulso relacionado con la Transformada de Fourier Cont\u00ednua en tiempo. El pulso Sinc(t) es de ancho infinito y su amplitud disminuye al alejarse de cero, pero no llega a cero o la se\u00f1al se mantiene en cero.<\/p>\n\n\n\n El valor de p(0)=1 y p(nTs) = 0 para n = \u00b11, \u00b12, \u00b13, ... El tipo de reconstrucci\u00f3n D-to-C es llamada interpolaci\u00f3n de banda limitada, al ser equivalente a seleccionar los componentes de alias principal.<\/p>\n\n\n\n Si el muestreo cumple con las condiciones del teorema del muestreo<\/strong>, la reconstrucci\u00f3n de una onda cosenoidal es id\u00e9ntica a la se\u00f1al original que gener\u00f3 las muestras.<\/p>\n\n\n\n Una se\u00f1al cont\u00ednua x(t)<\/strong> de banda limitada sin componentes de frecuencia mayores a f<\/strong>max<\/sub> se puede reconstruir exactamente a partir de las muestras interpola Sinc<\/a><\/p>\n\n\n\n ejercicio<\/a><\/p>\n\n\n\n algoritmo<\/a><\/p>\n\n\n\n gr\u00e1fica interactiva<\/a><\/p>\n<\/div>\n\n\n\n El algoritmo es el mismo que para un pulso triangular, actualizando la secci\u00f3n de la funci\u00f3n que define el pulso.<\/p>\n\n\n interpola Sinc<\/a><\/p>\n\n\n\n ejercicio<\/a><\/p>\n\n\n\n algoritmo<\/a><\/p>\n\n\n\n gr\u00e1fica interactiva<\/a><\/p>\n<\/div>\n\n\n\n Desarrollar el ejercicio de pulsos triangulares y su algoritmo para realizar la gr\u00e1fica de la se\u00f1al sin(2\u03c0(83)t) con interpolaci\u00f3n de pulsos Sinc(t)<\/p>\n\n\n\n interpola Sinc<\/a><\/p>\n\n\n\n ejercicio<\/a><\/p>\n\n\n\n algoritmo<\/a><\/p>\n\n\n\n gr\u00e1fica interactiva<\/a><\/p>\n<\/div>\n\n\n\n interpola Sinc<\/a><\/p>\n\n\n\n ejercicio<\/a><\/p>\n\n\n\n algoritmo<\/a><\/p>\n\n\n\n gr\u00e1fica interactiva<\/a><\/p>\n<\/div>\n\n\n\n
\n\n\n\n1. Interpolaci\u00f3n Sinc(t)<\/h2>\n\n\n\n
![\"pulso](\"http:\/\/blog.espol.edu.ec\/algoritmos101\/files\/2024\/11\/pulsoSinc01.png\")
<\/a><\/figure>\n\n\n\n![\"interpola](\"http:\/\/blog.espol.edu.ec\/algoritmos101\/files\/2024\/11\/interpolaPulsoSinc_animate.gif\")
<\/a><\/figure>\n\n\n\nx(n Ts<\/sub>)<\/code>, si las muestras se toman a una tasa de f<\/strong>s<\/sub>=1\/Ts<\/sub> que es mayor que 2f<\/strong>max<\/sub>.<\/p>\n\n\n\n
\n\n\n\n
\n\n\n\n2.1 Algoritmo en Python para un pulso Sinc(t)<\/h3>\n\n\n\n
\n# D-to-C, Interpolacion con pulso Sinc(t)\n# ejemplo 4.3.4 p144\nimport numpy as np\nimport matplotlib.pyplot as plt\n\n# INGRESO\nfs = 200 # Hz muestreo\nfs_veces = 10 # suavizar x(t), sobremuestreo\ntitulo = 'pulso Sinc'\nnT = 3.0 # graficar periodos de la se\u00f1al\n\n# pulso Sinc\npulso_causal = True # No causal, pulso centrado en cero\npulso_ancho = 6\n\n# PROCEDIMIENTO\nTs = 1\/fs # muestreo periodo\ndtc = Ts\/fs_veces # suavizar x(t), sobremuestreo\n\n#u = lambda t: np.piecewise(t,t>=0,[1,0])\nu = lambda t: np.heaviside(t,1)\n# pulso Sinc\nu1 = lambda t: u(t+Ts*pulso_ancho\/2)\nu2 = lambda t: u(t-Ts*pulso_ancho\/2)\nsinc = lambda t: (np.sin(np.pi*t\/Ts)\/(np.pi*t\/Ts))*(u1(t) - u2(t)) \n\n# x[n] interpolacion en Ts, a muestreo fs\nt_unpulso = np.arange(-Ts*nT,Ts*nT+dtc,dtc)\nunpulso = sinc(t_unpulso)\n\n# SALIDA\nprint('muestras:',len(t_unpulso))\nprint('t_unpulso:',t_unpulso)\n\n# GRAFICA de un pulso\nplt.axhline(0,color='black')\nplt.axvline(-Ts,color='red',linestyle='dotted')\nplt.axvline(Ts,color='red',linestyle='dotted')\n\n# p(t) componentes\nplt.plot(t_unpulso,unpulso, color='green',linestyle='dashed',\n label='p_sinc(t)')\nplt.stem([0],[1],linefmt = 'C1:', label='xn[0]')\n\n# grafica entorno\nplt.xlabel('t')\nplt.ylabel('amplitud')\ntexto = titulo + ' ; fs='+str(fs)\ntexto = texto +' ; Ts='+str(1\/fs)\nplt.title(texto)\nplt.grid()\nplt.legend()\n\nplt.tight_layout()\nplt.show()\n<\/pre><\/div>\n\n\n
\n\n\n\n
\n\n\n\n2. Ejercicio<\/h2>\n\n\n\n
![\"interpola](\"http:\/\/blog.espol.edu.ec\/algoritmos101\/files\/2024\/11\/interpolaPulsoSinc01.png\")
<\/a><\/figure>\n\n\n\n
\n\n\n\n
\n\n\n\n3. Algoritmo en Python Interpola con Sinc<\/h2>\n\n\n
\n# D-to-C, Interpolacion con pulso Sinc(t)\n# ejemplo 4.3.4 p144\nimport numpy as np\nimport matplotlib.pyplot as plt\n\n# INGRESO\n# se\u00f1al x(t)\nf0 = 83 # frecuencia de senal\nfase0 = 0 # [0,2*np.pi]\nxt = lambda t: np.cos(2*np.pi*f0*t + fase0)\n\nfs = 200 # Hz muestreo\nfs_veces = 20 # suavizar x(t), sobremuestreo\nnT = 2.4 # graficar periodos de se\u00f1al x(t)\n\ntitulo = 'pulso Sinc(t)'\n# pulso Sinc\npulso_causal = True # No causal, centrado en cero\npulso_ancho = 4\n\ncasicero = 1e-10 # cero para valores menores\n\n# PROCEDIMIENTO\nTs = 1\/fs # tama\u00f1o de paso con fs\nT = 1\/f0 # periodo de se\u00f1al\ndtc = Ts\/fs_veces # suavizar x(t), sobremuestreo\n\n# muestreo x(t)\nti = np.arange(0,nT*T+dtc,dtc)\nxti = xt(ti)\nti_max = max(ti)\n\n# muestreo x[n]\nmuestras_n = 2\nif ti_max>=Ts: # varias muestras\n muestras_n = int(ti_max\/Ts)+1\nki = np.arange(0,muestras_n,1,dtype=int)\ntki = ki*Ts # muestras x[n]\nxki = xt(tki)\ntkj = tki # x[n] alias0\nti_0 = ti # No Causal, pulso centrado en cero\nif pulso_causal: # Causal\n tkj = tki + Ts*pulso_ancho\/2\n ti_0 = ti + Ts*pulso_ancho\/2\nxti_0 = xti\n\ndef pulso_ti(muestras_n,fs,fs_veces,ancho=1,causal=True):\n ''' tiempos para las n muestras x(t) con pulsos a frecuencia fs.\n Para suavizar el pulso se usa fs_veces para el sobremuestreo.\n El ancho del pulso es veces el periodo de muestreo (1\/Ts)\n Si es causal el tiempo inicia en t=0, centrado en cero.\n Si no es causal el tiempo inicia t en mitad de intervalo.\n '''\n Ts = 1\/fs # muestreo periodo\n dtc = Ts\/fs_veces # suavizar pulso(t), sobremuestreo\n t_Ts = np.arange(0,Ts,dtc) # tiempo en periodo Ts sobremuestreado\n \n mitad = Ts*ancho\/2\n t_mitad = np.arange(0,mitad,dtc)\n t_pulsos = np.copy(t_mitad) # mitad de primer pulso\n for i in range(1,muestras_n,1):\n t_pulsos = np.concatenate((t_pulsos,t_Ts + t_pulsos[-1]+dtc))\n # mitad de \u00faltimo pulso para muestra_n\n t_pulsos = np.concatenate((t_pulsos,t_mitad + t_pulsos[-1]+dtc))\n\n if causal == False: # centrado en cero\n t_pulsos = t_pulsos - mitad\n return(t_pulsos)\n\n# x[n] interpolacion en Ts, a muestreo fs\nt_pulsos = pulso_ti(muestras_n,fs,fs_veces,\n pulso_ancho,pulso_causal)\n\n#u = lambda t: np.piecewise(t,t>=0,[1,0])\nu = lambda t: np.heaviside(t,1)\n# pulso Sinc(t) # tambien definido como np.sinc()\nu1 = lambda t: u(t+Ts*pulso_ancho\/2)\nu2 = lambda t: u(t-Ts*pulso_ancho\/2)\nsinc_tl = lambda t: ((np.sin(np.pi*t\/Ts)\/(np.pi*t\/Ts))*(u1(t) - u2(t)))\n\ndef sinc_t(t):\n np.seterr(invalid='ignore') # t==0 division para cero\n resultado = sinc_tl(t) # en t=0, resultado es nan\n resultado = np.nan_to_num(resultado, nan=1) # cambia nan por 1\n return (resultado)\n\n# unpulso muestreo\nt_unpulso = pulso_ti(1,fs,fs_veces,\n pulso_ancho,pulso_causal)\nt_pulsoEval= t_unpulso\nif pulso_causal:\n t_pulsoEval = t_unpulso-Ts*pulso_ancho\/2\nunpulso = sinc_t(t_pulsoEval)\nmuestras_pulso = len(t_unpulso)\n\nmuestras_N = len(xki)\nmitad_pulso = int(muestras_pulso\/2)\npulsos_vacio = np.zeros(len(t_pulsos),dtype=float)\nxn_pulsos = np.copy(pulsos_vacio)\nxk_pulsos = []\nfor j in range(0,muestras_N,1): # x[n] pulsos\n k0 = int(j*fs_veces)\n kn = k0 + muestras_pulso\n pulsoj = np.copy(pulsos_vacio)\n pulsoj[k0:kn]= pulsoj[k0:kn] + unpulso*xki[j]\n xk_pulsos.append(pulsoj)\n xn_pulsos = xn_pulsos+pulsoj\n \n# SALIDA\nprint('muestras_pulso:',muestras_pulso)\nprint('t_unpulso:',t_unpulso)\nprint('muestras_tiempo:',len(t_pulsos))\n\n# GRAFICAS ----------------------------\nfig, [graf_t,graf_n] = plt.subplots(2,1)\n\n# x(t) grafico entorno\nt_causal = 0\nif pulso_causal:\n t_causal = Ts*pulso_ancho\/2\ngraf_t.axhline(0,color='black')\ngraf_t.axvline(0,color='black')\ngraf_t.set_xlabel('t')\ngraf_t.set_ylabel('amplitud')\ngraf_t.set_xlim([t_pulsos[0]-t_causal,\n t_pulsos[-1]-t_causal])\ngraf_t.grid()\ntexto = titulo + ' ; f0='+str(f0)\ntexto = texto + ' ; fs='+str(fs)\ntexto = texto + ' ; causal:'+str(pulso_causal)\ngraf_t.set_title(texto)\n# x(t) componentes\ngraf_t.plot(ti,xti,label='x(t)')\ngraf_t.stem(tki,xki,label='x[n]',linefmt = 'C1:')\nfor i in range(0,muestras_N,1):\n graf_t.plot(t_pulsos-t_causal,xk_pulsos[i],\n linestyle='dashed')\ngraf_t.legend()\n\n# x[n] grafico entorno\ngraf_n.axhline(0,color='black')\ngraf_n.axvline(0,color='black')\ngraf_n.set_xlabel('t')\ngraf_n.set_ylabel('amplitud')\ngraf_n.set_xlim([t_pulsos[0],t_pulsos[-1]])\ngraf_n.grid()\n# x[n] componentes\ngraf_n.plot(ti_0,xti_0,linestyle='dotted',\n label='x(t)')\ngraf_n.stem(tkj,xki,label='x[n]',linefmt = 'C1:')\ngraf_n.plot(t_pulsos,xn_pulsos,\n label='x(t) pulso',\n lw=2, color='orange')\n\ngraf_n.legend()\nplt.tight_layout()\nplt.show()\n<\/pre><\/div>\n\n\n
\n\n\n\n
\n\n\n\n4. Algoritmo en Python para gr\u00e1fico interactivo con fs<\/h2>\n\n\n\n
<\/a><\/figure>\n\n\n\n# D-to-C, Interpolacion con pulso Sinc(t)\n# grafico interactivo\n# ejemplo 4.3.4 p144\nimport numpy as np\nimport matplotlib.pyplot as plt\n\n# INGRESO\n# se\u00f1al x(t)\nf0 = 83 # frecuencia de senal\nfase0 = 0 # [0,2*np.pi]\nxt = lambda t: np.cos(2*np.pi*f0*t + fase0)\n\nfs = 200 # Hz muestreo\nfs_veces = 20 # suavizar x(t), sobremuestreo\nnT = 2.4 # graficar periodos de se\u00f1al x(t)\n\ntitulo = 'pulso Sinc(t)'\n# pulso Sinc\npulso_causal = True # No causal, centrado en cero\npulso_ancho = 4\n\ncasicero = 1e-10 # cero para valores menores\n\n# PROCEDIMIENTO\nTs = 1\/fs # tama\u00f1o de paso con fs\nT = 1\/f0 # periodo de se\u00f1al\ndtc = Ts\/fs_veces # suavizar x(t), sobremuestreo\n\ndef xt_actualiza(xt,f0,fs,fs_veces,nT,\n pulso_ancho=1,pulso_causal=True):\n ''' x(t) muestreada a fs, para nT periodos de x(t).\n gr\u00e1fica suavizada con fs_veces. No causal, pulso centrado en cero.\n Causal el pulso inicia en t=0.\n '''\n Ts = 1\/fs # tama\u00f1o de paso con fs\n T = 1\/f0 # periodo de se\u00f1al\n dtc = Ts\/fs_veces # suavizar x(t), sobremuestreo\n \n # muestreo x(t)\n ti = np.arange(0,nT*T+dtc,dtc)\n xti = xt(ti)\n ti_max = max(ti)\n\n # muestreo x[n]\n muestras_n = 2\n if ti_max>=Ts: # varias muestras\n muestras_n = int(ti_max\/Ts)+1\n ki = np.arange(0,muestras_n,1,dtype=int)\n tki = ki*Ts # muestras x[n]\n xki = xt(tki)\n tkj = tki # x[n] alias0\n ti_0 = ti # No Causal, pulso centrado en cero\n if pulso_causal: # Causal\n tkj = tki + Ts*pulso_ancho\/2\n ti_0 = ti + Ts*pulso_ancho\/2\n xti_0 = xti\n return(ti,xti,tki,xki,tkj,ti_0,xti_0)\n\nxt_list = xt_actualiza(xt,f0,fs,fs_veces,nT,\n pulso_ancho,pulso_causal)\n[ti,xti,tki,xki,tkj,ti_0,xti_0] = xt_list # x(t),x[n],x(t)_alias0\nmuestras_n = len(tki)\n\ndef pulso_ti(muestras_n,fs,fs_veces,ancho=1,causal=True):\n ''' tiempos para las n muestras x(t) con pulsos a frecuencia fs.\n Para suavizar el pulso se usa fs_veces para el sobremuestreo.\n El ancho del pulso es veces el periodo de muestreo (1\/Ts)\n Si es causal el tiempo inicia en t=0, centrado en cero.\n Si no es causal el tiempo inicia t en mitad de intervalo.\n '''\n Ts = 1\/fs # muestreo periodo\n dtc = Ts\/fs_veces # suavizar pulso(t), sobremuestreo\n t_Ts = np.arange(0,Ts,dtc) # tiempo en periodo Ts sobremuestreado\n \n mitad = Ts*ancho\/2\n t_mitad = np.arange(0,mitad,dtc)\n t_pulsos = np.copy(t_mitad) # mitad de primer pulso\n for i in range(1,muestras_n,1):\n t_pulsos = np.concatenate((t_pulsos,t_Ts + t_pulsos[-1]+dtc))\n # mitad de \u00faltimo pulso para muestra_n\n t_pulsos = np.concatenate((t_pulsos,t_mitad + t_pulsos[-1]+dtc))\n\n if causal == False: # centrado en cero\n t_pulsos = t_pulsos - mitad\n return(t_pulsos)\n\ndef xn_actualiza(fs,fs_veces,xki,\n pulso_ancho=1,pulso_causal=True):\n Ts = 1\/fs # tama\u00f1o de paso con fs\n T = 1\/f0 # periodo de se\u00f1al\n dtc = Ts\/fs_veces # suavizar x(t), sobremuestreo\n \n #u = lambda t: np.piecewise(t,t>=0,[1,0])\n u = lambda t: np.heaviside(t,1)\n # pulso Sinc(t) # tambien definido como np.sinc()\n u1 = lambda t: u(t+Ts*pulso_ancho\/2)\n u2 = lambda t: u(t-Ts*pulso_ancho\/2)\n sinc_tl = lambda t: ((np.sin(np.pi*t\/Ts)\/(np.pi*t\/Ts))*(u1(t) - u2(t)))\n\n def sinc_t(t):\n np.seterr(invalid='ignore') # t==0 division para cero\n resultado = sinc_tl(t) # en t=0, resultado es nan\n resultado = np.nan_to_num(resultado, nan=1) # cambia nan por 1\n return (resultado)\n\n # x[n] interpolacion en Ts, a muestreo fs\n muestras_n = len(xki)\n t_pulsos = pulso_ti(muestras_n,fs,fs_veces,\n pulso_ancho,pulso_causal)\n\n # unpulso muestreo\n t_unpulso = pulso_ti(1,fs,fs_veces,\n pulso_ancho,pulso_causal)\n t_pulsoEval= t_unpulso\n if pulso_causal:\n t_pulsoEval = t_unpulso-Ts*pulso_ancho\/2\n unpulso = sinc_t(t_pulsoEval)\n muestras_pulso = len(t_unpulso)\n\n muestras_N = len(xki)\n mitad_pulso = int(muestras_pulso\/2)\n pulsos_vacio = np.zeros(len(t_pulsos),dtype=float)\n xn_pulsos = np.copy(pulsos_vacio)\n xk_pulsos = []\n for j in range(0,muestras_N,1): # x(t) pulsos\n k0 = int(j*fs_veces)\n kn = k0 + muestras_pulso\n pulsoj = np.copy(pulsos_vacio)\n pulsoj[k0:kn]= pulsoj[k0:kn] + unpulso*xki[j]\n xk_pulsos.append(pulsoj)\n xn_pulsos = xn_pulsos+pulsoj\n \n return(t_pulsos,xn_pulsos,t_unpulso,unpulso,xk_pulsos)\n\nxn_list = xn_actualiza(fs,fs_veces,xki,\n pulso_ancho,pulso_causal)\n[t_pulsos,x_pulsos,t_unpulso,unpulso,xk_pulsos] = xn_list # x[n]\n\n# SALIDA\n# SALIDA\nprint('fs:',fs,'Hz ; Ts:',Ts,' s')\nprint('pulso_causal:',pulso_causal)\nprint('muestras_pulso:',len(t_unpulso))\nprint('t_unpulso:',t_unpulso)\nprint('muestras_tiempo:',len(t_pulsos))\n\n# GRAFICAS interactivas----------------------------\nfrom matplotlib.widgets import Slider, Button, TextBox\nfrom matplotlib.collections import LineCollection\nimport telg1034 as dsp\ncolores = ["blue", "orange", "green", "red", "purple", "brown"]\n\nfig, [graf_t,graf_n] = plt.subplots(2,1)\n\nt_causal = 0\nif pulso_causal:\n t_causal = Ts*pulso_ancho\/2\n# lineas de cada pulso\nmuestras_n = len(tki)\ntabla = []\nfor j in range(0,muestras_n,1):\n pulsoj = np.concatenate(([t_pulsos-t_causal],[xk_pulsos[j]]),axis=0)\n pulsoj = np.transpose(pulsoj)\n tabla.append(pulsoj)\nprint('tama\u00f1otabla',np.shape(tabla))\n\nlinea_pulsosk = LineCollection(tabla,color=colores,\n linestyles='dashed')\nlinea_pulsosk.set_array(t_pulsos)\ngraf_t.add_collection(linea_pulsosk)\n \n# x(t) grafico entorno\ngraf_t.axhline(0,color='black')\ngraf_t.set_xlabel('t')\ngraf_t.grid()\ntexto = titulo + ' ; f0='+str(f0)\ntexto = texto +' ; fs='+str(fs)\ngraf_t.set_title(texto)\ngraf_t.set_xlim([t_pulsos[0]-t_causal,t_pulsos[-1]-t_causal])\n# x(t) componentes\nlinea_xt, = graf_t.plot(ti,xti,label='x(t)')\npuntos_xn = graf_t.stem(tki,xki,label='x[n]',linefmt = 'C1:')\n#linea_pulso, = graf_t.plot(t_unpulso-t_causal,unpulso,\n# label='pulso',linestyle='dashed',lw=2)\ngraf_t.legend()\n\n# x[n] grafico entorno\ngraf_n.axhline(0,color='black')\ngraf_n.set_xlabel('t_n')\ngraf_n.grid()\n# x[n] componentes\nlinea_xt0, = graf_n.plot(ti_0,xti_0,linestyle='dotted',\n label='x(t)')\npuntos_xki = graf_n.stem(tkj,xki,linefmt = 'C1:') #, label='x[n]')\nlinea_x_pulsos, = graf_n.plot(t_pulsos,x_pulsos,label='x(t) pulsos')\ngraf_n.set_xlim([t_pulsos[0],t_pulsos[-1]])\ngraf_n.legend()\n\nplt.tight_layout()\n# plt.show()\n\n# grafica interactiva\nplt.subplots_adjust(bottom=0.25) # espacio widgets\n\n# slider: barras para valores \n# amplitud slider [x,y,ancho,alto]\nfs_donde = plt.axes([0.2, 0.10, 0.65, 0.03])\ndf_pasos = 5\nfs_slider = Slider(fs_donde, 'fs',\n (f0\/\/df_pasos)*df_pasos,\n (max([fs,10*f0])+2*df_pasos),\n valinit = fs, valstep = df_pasos,\n orientation='horizontal')\n\ndef grafico_actualiza(val):\n # actualiza valores x,y\n fs = fs_slider.val\n \n Ts = 1\/fs # tama\u00f1o de paso con fs\n t_causal = 0\n if pulso_causal:\n t_causal = Ts*pulso_ancho\/2\n \n xt_list = xt_actualiza(xt,f0,fs,fs_veces,nT,\n pulso_ancho,pulso_causal)\n [ti,xti,tki,xki,tkj,ti_0,xti_0] = xt_list # x(t),x[n],x(t)_alias0\n dsp.stem_update(puntos_xn,tki,xki,graf_t) # x[n]\n dsp.stem_update(puntos_xki,tkj,xki,graf_n)\n linea_xt0.set_xdata(ti_0) #x(t)_alias0\n linea_xt0.set_ydata(xti_0)\n \n xn_list = xn_actualiza(fs,fs_veces,xki,pulso_ancho,pulso_causal)\n [t_pulsos,x_pulsos,t_unpulso,unpulso,xk_pulsos] = xn_list # x[n] pulsos, pulso\n linea_x_pulsos.set_xdata(t_pulsos) # x[n] pulsos\n linea_x_pulsos.set_ydata(x_pulsos)\n #linea_pulso.set_xdata(t_unpulso-t_causal) # pulso lti\n #linea_pulso.set_ydata(unpulso)\n\n # lineas de cada pulso\n muestras_n = len(tki)\n tabla = []\n for j in range(0,muestras_n,1):\n pulsoj = np.concatenate(([t_pulsos-t_causal],[xk_pulsos[j]]),axis=0)\n pulsoj = np.transpose(pulsoj)\n tabla.append(pulsoj)\n linea_pulsosk.set_segments(tabla)\n\n texto = titulo+' ; f0='+str(f0)\n texto = texto +' ; fs='+str(fs)\n graf_t.set_title(texto)\n\n graf_t.set_xlim([t_pulsos[0]-t_causal,t_pulsos[-1]-t_causal])\n graf_n.set_xlim([t_pulsos[0],t_pulsos[-1]])\n\n fig.canvas.draw_idle() # actualiza figura\n\n# boton reinicio de gr\u00e1fica\nbtn_rstdonde = plt.axes([0.85, 0.025, 0.1, 0.04])\nbtn_rst = Button(btn_rstdonde, 'Reset',\n hovercolor='0.975')\ndef grafico_reinicia(event):\n fs_slider.reset()\n return()\n\n# objetos interactivos\nfs_slider.on_changed(grafico_actualiza)\nbtn_rst.on_clicked(grafico_reinicia)\n\nplt.show()\n<\/pre><\/div>\n\n\n
\n\n\n\n