!-Mps 05 Teorema de Muestreo

Muestreo de senales en
tiempo continuo
Modulaci
on y Procesamiento de Se
nales
Ernesto L
opez
Pablo Zinemanas, Mauricio Ramos
{pzinemanas, mramos}@fing.edu.uy
Centro Universitario Regional Este
Sede Rocha
Tecn
ologo en Telecomunicaciones
Curso 2016
Muestreo de senales en tiempo continuo

Introduccion
I
Existen se
nales que son intrnsecamente de tiempo discreto, pero es
com
un construir se
nales en tiempo discreto a partir del muestreo de
se
nales de tiempo continuo.
Las se
nales en tiempo continuo se pueden representar con mucha
exactitud a partir de muestras tomadas en instantes discretos de
tiempo.
El objetivo es estudiar:
I
I
I
I
El proceso del muestreo peri

odico de se
nales continuas.
Las condiciones a cumplir para que el muestreo sea apropiado. El
muestreo es apropiado si es posible reconstruir la se
nal continua
original a partir de las muestras de la se
nal en tiempo discreto.
Los problemas que aparecen cuando el muestreo no es apropiado.
Como reconstruir la se
nal en tiempo continuo a partir de la se
nal en
tiempo discreto.
Muestreo periodico
I
El metodo tpico para obtener una representaci

on en tiempo discreto
x[n] a partir de una se
nal en tiempo continuo xc (t) es mediante el
muestreo peri
odico,
< n <
x[n] = xc (nT ),
I
I
I
T es el perodo de muestreo (segundos).

1
fs =
es la frecuencia de muestreo (muestras por segundo).
T
La frecuencia de muestreo tambien puede expresarse en radianes por
2
segundo como s =
.
T
xc (t) x[n]
T
8T 7T 6T 5T 4T 3T 2T
2T
3T
4T
5T
6T
7T
8T
9T
t (segundos)
n
8
Muestreo periodico
I
El sistema que implementa el muestreo peri

odico se llama conversor
de tiempo continuo a tiempo discreto ideal (conversor C/D):
En la practica, la operaci
on de muestreo se implementa con un
conversor anal
ogico-digital (conversor A/D). El conversor A/D
puede verse como una aproximaci
on del conversor C/D.
En general, la operaci
on de muestreo no es invertible: dado x[n] no
es posible reconstruir la entrada al conversor xc (t).
I
Existen infinitas se
nales continuas que producen una secuencia x[n]
especfica.
Es posible eliminar esta ambig
uedad imponiendo restricciones en la
se
nal xc (t) a muestrear.
Muestreo periodico
Representacion matematica del conversor C/D
Es u
til representar matematicamente el conversor C/D en dos etapas:
1. Multiplicaci
on (modulaci
on) de la se
nal en tiempo continuo con un
tren de impulsos peri
odico de perodo T segundos.
2. Conversi
on del tren de impulsos modulado a una secuencia discreta.
Conversor C/D
Conversin de tren
de impulsos modulado
a secuencia
Muestreo periodico
T = T1
T = 2T1
xc (t)
xs (t)
2T T 0
T 2T
2T
2T
x[n]
2 1 0
2 1 0
Muestreo periodico
I
La se
nal continua se convierte a una se
nal intermedia xs (t) tambien
continua con las siguientes caractersticas:
I
I
Luego la se
nal es convertida a una secuencia x[n] de variable entera
n:
I
I
vale cero excepto en los instantes de muestreo.

el valor de xc (t) en los instantes de muestreo est
a codificado en el
area de los impulsos.
x[n] no contiene informaci

on explcita de la frecuencia de muestreo.
el valor de xc (t) en los instantes de muestreo est
a representado por
los valores (finitos) de x[n].
Observaci
on: el conversor C/D no representa ning
un dispositivo
fsico para implementar la operaci
on de muestreo. Es solo una
representaci
on matematica conveniente para analizar el proceso de
muestreo.
Representacion del muestreo en el dominio de la frecuencia

Objetivo: encontrar la relaci
on entre el espectro de la se
nal de entrada y
la se
nal de salida del conversor C/D. Esto es necesario para deducir el
teorema de muestreo.
I Se considera primero la conversi
on de xc (t) a xs (t) mediante la
modulaci
on de un tren de pulsos peri
odico s(t).
I
La modulaci
on de s(t) con xc (t) es
xs (t) = xc (t)s(t)
= xc (t)
s(t) =
(t nT )
(t nT )
n=
n=
Por el teorema de la modulaci

on (ver apendice), la transformada de
Fourier de xs (t) es
F
xc (t) Xc (j)
1
Xs (j) =
Xc (j) S(j) (1)
F
2
s(t) S(j)
I
La transformada del tren de impulsos peri

odico es otro tren de
impulsos peri
odico (ver apendice) con perodo la frecuencia de
muestreo s = 2/T en radianes por segundo,
S(j) =
2 X
( ks )
T
k=

I
Sustituyendo el resultado en la ecuaci

on 1, se tiene que
"
#
1
2 X
Xs (j) =
Xc (j)
( ks )
2
T
k=
1 X
=
Xc (j) ( ks )
T
k=
Finalmente, se llega a que

Xs (j) =
1 X
Xc (j( ks )).
T
k=
Esta ecuaci
on da la relaci
on entre la transformada de Fourier de la
entrada y la transformada de Fourier de la salida del modulador.
Indica que la transformada de Fourier de xs (t) consiste en copias de

la transformada de Fourier de xc (t) desplazadas m
ultiplos enteros de
la frecuencia de muestreo y superpuestas.

Xc (j)
Xc (j)
S(j)
S(j)
T = T1
T > T1
2
T
2
T
2s
2s
4s
3s
2s
Xs (j)
2s
3s
2s
3s
Xs (j)
1
T
1
T
2s
N
s
(s N )
2s
4s
3s
2s
s
0
(s N )
s
N

I
En que condiciones es posible recuperar xc (t) a partir de xs (t)?
Se asume que la se
nal xc (t) es de banda limitada, y que el
componente espectral de mayor frecuencia es N .
El espectro de xs (t) consiste en la suma de copias del espectro de

xc (t) separadas en frecuencia la frecuencia de muestreo s .
Si las replicas no se solapan, se mantienen copias exactas (salvo un

factor de escala de 1/T ) del espectro de la se
nal original y podra ser
recuperada.
En la figura, se ve que las copias del espectro no se solapan si se
cumple que
s N > N
s > 2N
Por el contrario, si las replicas se solapan, el espectro de xs (t) no

contiene una replica exacta del espectro de xc (t) y la se
nal original
no puede ser recuperada.
Para recuperar la se
nal original hay que usar un filtro pasabajos ideal.

Recuperacion de la senal original
Xc (j)
1
Xs (j)
s > 2N
1
T
2s
(s N )
2s
Hr (j)
N < c < s N
Xr (j)
1

Recuperacion de la senal original
I
Para recuperar la se
nal se tiene que cumplir que s > 2N . Esto
significa que la frecuencia de muestreo debe ser mayor que el doble
de la maxima frecuencia que contiene la se
nal.
En ese caso, la se
nal original se puede recuperar mediante el filtrado
con un pasabajos ideal con ganancia T ,

T, || c
Hr (j) =
con
N < c < s N
0, || > c
Una elecci
on de c que siempre cumple la condicion es c =
De esta forma, la se
nal filtrada es
Xr (j) = Hr (j)Xs (j)
= Xc (j),
por lo que se reconstruye la se
nal original.
s
.
2

Aliasing
I
En el caso en que no se cumple la condici

on para que las copias de
Xc (j) no se solapen, es decir,
s < 2N ,
no es posible recuperar Xc (j) mediante el filtrado pasabajos.
Cuando esto ocurre, la se

nal recuperada xr (t) es una version
distorsionada de la se
nal original. Este tipo distorsion se denomina
aliasing.
Para estudiar el efecto del aliasing, se considera como ejemplo el

muestreo de la se
nal sinusoidal
xc (t) = cos 0 t.
Se fija la frecuencia de muestreo s y se toma 0 tal que

s
: no hay aliasing
2
s
ii. 0 >
: hay aliasing
2
i. 0 <

Aliasing
Xc (j)
Xc (j)
Xs (j)
Hr (j)
s
0 >
2
Xs (j)
Hr (j)
s
0 <
2
0 s
2
s
(s 0 )
s 0
0
(s 0 )
s 0
2
Xr (j)
Xr (j)
(s 0 ) 0 s 0

Aliasing
I
Teniendo que cuenta que el espectro de xc (t) es (ver apendice,

ecuaci
on 12)
Xc (j) = ( 0 ) + ( + 0 )
y realizando el analisis en el dominio de la frecuencia se llega a que:
i. Si 0 <
s
, la se
nal recuperada es
2
xr (t) = cos 0 t
ii. Si 0 >
s
, la se
nal recuperada es
2
xr (t) = cos(s 0 )t
En el segundo caso, la se
nal cambi
o de identidad (adopto un alias)
transformandose en una se
nal de menor frecuencia como
consecuencia del proceso de muestreo y reconstruccion.

Aliasing
0 = 0
0.5
0.5
0.5
0.5
1.5
0.2
0.4
0.6
Tiempo (s)
0.8
1.5
0 0.41s
1.5
0 0.09s
1.5
Amplitud
Amplitud
1.5
0.2
0.4
0.6
Tiempo (s)
0.8
0 0.95s
1.5
1
0.5
0.5
Amplitud
Amplitud
Aliasing
1
0.5
0.5
1.5
0.2
0.4
0.6
Tiempo (s)
0.8
1.5
0.2
0.4
0.6
Tiempo (s)
0.8

Teorema de muestreo
Sea xc (t) una se
nal de banda limitada con
Xc (j) = 0,
para || N .
Entonces, xc (t) esta unvocamente determinada por sus muestras

x[n] = xc (nT ), n = 0, 1, 2, . . ., si
s =
I
I
I
2
2N .
T
Si una se
nal se muestrea a una frecuencia de muestreo superior al doble de la
frecuencia m
axima que contiene la se
nal, las muestras determinan unvocamente
a la se
nal.
La mayor frecuencia que contiene la se
nal (N ) se llama frecuencia de Nyquist.
El doble de la frecuencia de Nyquist, es decir, la frecuencia que tiene que ser
superada por la frecuencia de muestreo para poder recuperar la se
nal, se llama
tasa de Nyquist.
El teorema de muestreo es tambien referido como teorema de muestreo de
Nyquist-Shannon, ya que fue conjeturado por Nyquist en 1928 y demostrado por
Shannon en 1949.

Conversor C/D
Conversin de tren
a secuencia
Se vi
o que la relaci
on entre el espectro de xs (t) y xc (t) es
Xs (j) =
1 X
Xc (j( ks )).
T
k=
I
I
Falta encontrar la relaci

on entre el espectro de la secuencia discreta
x[n] con el espectro de la se
nal continua original.
La salida de la se
nal modulada con el tren de pulsos era
X
xs (t) = xc (t)
(t nT )
n=
X
n=
xc (nT )(t nT )

I
Aplicando la transformada continua de Fourier a xs (t),

Z
Xs (j) =
xs (t)ejt dt
#
Z " X
=
xc (nT )(t nT ) ejt dt
=
=
X
n=
n=
Z
(t nT )e
xc (nT )
xc (nT )ejnT
n=
I
Ademas, como x[n] = xc (nT ), se llega a que

Xs (j) =
X
n=
x[n]ejnT
jt

dt

I
Teniendo en cuenta que la transformada de Fourier de tiempo

discreto se define como
X(ej ) =
x[n]ejn ,
n=
I
se concluye que

Xs (j) = X(ej )=T = X(ejT ).
(2)
Finalmente, sustituyendo Xs (j), se llega a que

X(ejT ) =
1 X
Xc (j ( ks )) ,
T
(3)
k=
o equivalentemente,
X(ej ) =

1 X
2k
Xc j
,
T
T
T
k=
donde se us
o ademas que s = 2/T .
(4)

I
Las ecuaciones 2, 3 y 4 indican que el espectro de la se

nal discreta X(ej )
es una versi
on escalada en frecuencia de Xs (j), con el factor de escala
dado por = T .
Esto significa que dado el espectro Xs (j) del tren de pulsos modulado
con la se
nal, para obtener el espectro X(ej ) de la se
nal discreta,
simplemente se multiplica el eje de frecuencia anal
ogica por T .
Este escalamiento tambien puede ser pensado como una normalizacion del
eje de frecuencias, en donde la frecuencia anal
ogica de muestreo s se
normaliza a = 2,
s =
2
T
s = s T = 2.
La normalizaci
on en frecuencia en la transformaci
on de Xs (j) a X(ej )
esta vinculada a que hay una normalizaci
on temporal en la transformacion
de xs (t) a x[n]
I
El espaciamiento entre muestras en xs (t) es el periodo de muestreo T ,

mientras que en x[n] es siempre unitario. El eje temporal se normaliza con
un factor de T .
De forma acorde, el eje de frecuencia se normaliza por un factor de
fs = 1/T .

Resumen
Conversor C/D
Se muestrea la se
nal
en tiempo continuo
xc (t) con perodo de
muestreo T .
Conversin de tren
a secuencia
1. El espectro de xc (t) es
xc (t) Xc (j).
2. El espectro del tren de impulsos modulado es

xs (t) = xc (t)
(t nT ) Xs (j) =
n=
1 X
Xc (j( ks )).
T
k=
3. El espectro de la secuencia x[n] resultante es

F
x[n] = xc (nT ) X(ej ) = Xs (j)=/T

1 X
2k
=
Xc j
.
T
T
T
k=

Ejemplo I: muestreo y reconstruccion de una sinusoide
I
Se considera una sinusoide en tiempo continuo de frecuencia

f0 =2000 Hz y se muestrea usando una frecuencia de muestreo de
fs =6000 Hz.
La frecuencia de la sinusoide en radianes por segundo es

0 = 2f0 = 4000 rad/s.
Ademas, el perodo de muestreo y la frecuencia de muestreo en

radianes por segundo son respectivamente,
T =
1
1
=
s,
fs
6000
s = 2fs =
2
= 12000 rad/s.
T
Notar que s > 20 y por lo tanto se cumplen las condiciones del

teorema de muestreo. La se
nal queda unvocamente determinada
por las muestras, no hay aliasing y se puede reconstruir.
La se
nal en tiempo continuo es xc (t) = cos(0 t) = cos(4000t)

I
La se
nal en tiempo discreto obtenida mediante el muestreo es

2n
x[n] = xc (nT ) = cos(4000nT ) = cos
,
3
es decir, la frecuencia de la se
nal en tiempo discreto es 0 =
2
3 .
Analisis en el dominio de la frecuencia

I
La transformada de Fourier de la se
nal en tiempo continuo es
Xc (j) = ( 4000) + ( + 4000),
esto es, un par de impulsos en las frecuencias 0 = 4000.
El espectro de la se
nal Xs (j) consiste en copias de Xc (j)
centradas en 0, s , 2s , . . .
Finalmente, el espectro de la secuencia discreta es

X(ej ) = Xs (j/T ) y se obtiene simplemente multiplicando el eje
de frecuencia por T .

Xc (j)
4000
4000
Xs (j)
Hr (j)
16000
12000
8000
4000
6000
4000
6000
8000
12000
4
3
16000
X(ej ) = Xs (j/T )
8
3
4
3
2
3
2
3
8
3

Ejemplo II: muestreo y reconstruccion de una sinusoide
I
Ahora, la sinusoide de frecuencia f0 =2000 Hz se muestrea usando

una frecuencia de muestreo de fs =1500 Hz.
La frecuencia de la sinusoide en radianes por segundo es 0 = 4000

rad/s,
xc (t) = cos(4000t).
El perodo de muestreo y la frecuencia de muestreo en radianes por

segundo son respectivamente,
T =
1
1
=
s,
fs
1500
s = 2fs = 3000 rad/s.
Como s < 20 , no se cumplen las condiciones del teorema de

muestreo y se espera que se produzca aliasing.
La se
nal en tiempo discreto obtenida mediante el muestreo es

4000n
8n
2n
x[n] = xc (nT ) = cos
= cos
= cos
.
1500
3
3

Xc (j)
4000
4000
Xs (j)
Hr (j)
6000 5000 4000 3000 2000 1000

1500
s = 3000 rad/s
1000 2000
1500
3000
4000
5000
8
3
10
3
6000
X(ej ) = Xs (j/T )
10
3
8
3
4 2
3
3
2
3
4
3

I
La se
nal discreta obtenida es identica a la del ejemplo anterior.
I
Se puede obtener la misma se

nal discreta muestreando una se
nal
continua con distintas frecuencias de muestreo si una de las
frecuencias no cumple con el teorema de muestreo
Tambien se puede obtener la misma se
nal discreta muestreando dos
se
nales continuas distintas a la misma frecuencia de muestreo si una
de las frecuencias no cumple el teorema de muestreo.
I
Ejercicio: considerar el caso en que se muestrea una sinusoide de

f0 = 8000 Hz con una frecuencia de muestreo de fs = 6000 Hz y
comparar el resultado con el ejemplo I.
En el dominio de la frecuencia puede verse que la se

nal continua
reconstruida es de frecuencia 0 = 1000 rad/s en lugar de 4000
rad/s,
xr (t) = cos(1000t).
Reconstruccion de la senal a partir de las muestras

I
Se vio previamente que si se cumplen las condiciones del teorema de

muestreo, y si el tren de pulsos modulado es filtrado mediante un
filtro pasabajos ideal apropiado, la transformada de Fourier de la
salida del filtro es identica a la transformada de Fourier de la se
nal
en tiempo continuo xc (t).
Esto implica que la salida del filtro sera xc (t).
Xr (j) = Xc (j)
xr (t) = xc (t)
Dada la secuencia x[n], es posible armar el tren de impulsos xs (t),

en donde a los sucesivos impulsos se le asigna un area igual a las
sucesivas muestras,
xs (t) =
x[n](t nT ),
n=
donde T es el perodo de muestreo asociado con la secuencia x[n].

I
Si el tren de impulsos es la entrada a un pasabajos ideal de respuesta

en frecuencia Hr (j) y respuesta al impulso hr (t), la salida sera
!
X
xr (t) = hr (t)
x[n](t nT )
n=
=
=
X
n=
x[n] (hr (t) (t nT ))

x[n]hr (t nT )
n=
Sistema reconstructor ideal
Conversin de
secuencia a
tren de impulsos
Perodo de
muestreo
Filtro reconstructor
ideal
(5)

I
El pasabajos reconstructor ideal tiene ganancia T y frecuencia de

corte c tal que N < c < s N .
Como para cumplir con el teorema de muestreo debe ocurrir que
N < s /2, una elecci
on conveniente y com
un de c es
c =
s
= .
2
T
Por lo tanto, la respuesta en frecuencia del pasabajos reconstructor

es

T, || < /T
Hr (j) =
0, || > /T
La respuesta al impulso hr (t) se obtiene aplicando la transformada

de Fourier inversa a Hr (j), y es (ver apendice, ecuacion 14)
hr (t) =
sin(t/T )
t/T
(6)

Hr (j)
T
hr (t)
1
4T
3T
3T
4T

I
Sustituyendo la respuesta al impulso (ecuaci

on 6) en la ecuaci
on de la
salida del filtro (ecuaci
on 5), se llega a que
xr (t) =
x[n]
n=
sin((t nT )/T )
.
(t nT )/T
(7)
Observaciones
I
Se vio en el dominio de la frecuencia que si se cumplen las condiciones del

teorema de muestreo, Xr (j) = Xc (j), y por lo tanto, xr (t) = xc (t),
pero esto no es obvio a partir de la ecuaci
on 7.
Sin embargo, puede verse que como

hr (0) = 1
hr (nT ) = 0,
n = 1, 2, . . . ,
se cumple que xr (mT ) = xc (mT ) para todo m entero.

I
Esto significa que la se

nal reconstruida es identica a la se
nal original en los
instantes de muestreo.
En el resto de los valores temporales, el filtro reconstructor ideal construye

a la se
nal original interpolando entre los impulsos de xs (t), pero la
justificaci
on de que la interpolaci
on reconstruye correctamente a la se
nal
original proviene del an
alisis realizado en el dominio de la frecuencia.

Secuencia discreta
x[n]
Conversion de secuencia a tren de impulsos
xs (t) =
xc (t)
2T
Tren de impulsos filtrado pasabajos
x[1]
2T
3T
x[n](t nT )
n=
3T
xc (t)
4T
5T
6T
sin((t T )/T )
x[1]
(t T )/T
xr (t)
3T
2T
2T
3T
4T
5T
6T
Conversor de tiempo discreto a tiempo continuo ideal

I
El sistema para reconstruir la se

nal de banda limitada a partir de las
muestras de la secuencia se denomina Conversor de tiempo discreto
a tiempo continuo ideal (conversor D/C).
Sistema reconstructor ideal
Conversin de
secuencia a
tren de impulsos
Perodo de
muestreo
Filtro reconstructor
ideal
Procesamiento de senales analogicas en tiempo discreto

I
Conversor C/D: obtenci

on de una representaci
on en tiempo discreto
de una se
nal en tiempo continuo.
Conversor D/C: reconstrucci

on de la se
nal en tiempo continuo a
partir de las muestras de la se
nal en tiempo discreto.
Una aplicaci
on fundamental de los sistemas en tiempo discreto es en
el procesamiento de se
nales en tiempo continuo:
Procesamiento en tiempo discreto de seales en tiempo continuo
Sistema en
tiempo
discreto
Las caractersticas del sistema global dependen del sistema en

tiempo discreto y de la frecuencia de muestreo.
El analisis del sistema global hay que hacerlo para cada caso
particular.

Filtro antialiasing
I
El filtro antialiasing es un filtro pasabajos que se aplica sobre la

se
nal continua antes de ser muestreada con el objetivo de limitarla
en banda acorde a la frecuencia de muestreo, de forma que el
muestreo se realice bajo las condiciones del teorema de muestreo.
Es de tiempo continuo y la respuesta en frecuencia esta dada por,

1, || < /T = s /2
Haa (j) =
0, || > /T
Aun en una situaci

on te
orica siempre es conveniente emplear un
filtro antialiasing porque la distorsi
on producida por aliasing es peor
que la perdida de ancho de banda.
Filtro
antialiasing
Sistema en
tiempo
discreto

Xc (j)
1
3s
2s
Xs (j)
1
T
N s
2s
3s
Haa(j)
1
s
2
1
3s
2s
s
2
s
2
s
2
s
2
Xa (j)
s (j)
X
1
T
s
2
2s
3s
Cambio de la frecuencia de muestreo

Objetivo
I
Se vio previamente que una se

nal en tiempo continuo xc (t) puede
representarse a partir de muestras tomadas con perodo T ,
x[n] = xc (nT ).
Muchas veces es necesario cambiar la frecuencia de muestreo, es

decir, obtener a partir de x[n] una nueva representacion en tiempo
discreto de la se
nal continua de la forma,
x0 [n] = xc (nT 0 ),
con T 0 6= T.
Una alternativa es reconstruir xc (t) a partir de x[n] usando un

conversor D/C y remuestrear xc (t) con perodo T 0 para obtener
x0 [n],
Cambio de la frecuencia de muestreo
Objetivo
I
Problemas de este enfoque:

I
Los conversores D/C y C/D son sistemas ideales que no pueden ser
implementados en la pr
actica.
En la pr
actica se emplean conversores D/A y A/D que no son
ideales e introducen errores en el proceso.
Como consecuencia, es de interes considerar metodos para cambiar

la frecuencia de muestreo que involucren solo operaciones en tiempo
discreto.
Reduccion de la frecuencia de muestreo

I
Para reducir la frecuencia de muestreo por un factor entero, lo u

nico
que hay que hacer es muestrear la secuencia original,
xd [n] = x[nM ] = xc (nM T ).
x[n]
12 11 10 9
10
11
12
13
14
15
x [n] = x[nM ]
M =3

I
El sistema que realiza la operaci

on de la reducci
on de la tasa de
muestreo se llama compresor de la frecuencia de muestreo, y la
operaci
on se llama submuestreo.
Representacin del compresor
Perodo de
muestreo T
Perodo de
muestreo T' = MT
De la definici
on de la operaci
on, es claro que xd [n] es identica a la
secuencia que se obtendra muestreando xc (t) con perodo de
muestreo T 0 = M T .
Por lo tanto, si la se
nal continua xc (t) es de banda limitada con
Xc (j) = 0 para
|| N ,
xd [n] es una representaci

on sin aliasing de xc (t) si
0s
= 0 =
N .
2
T
MT
(teorema de muestreo)
Equivalentemente, para evitar aliasing en el submuestreo, la

frecuencia de muestreo original tiene que cumplir que
s
=
M N .
2
T
Es decir, la frecuencia de muestreo puede reducirse un factor M sin

producir aliasing si
I
la frecuencia de muestreo original es al menos M veces la tasa de

Nyquist,
o el ancho de banda de la secuencia original se reduce un factor M
mediante el filtrado en tiempo discreto.

I
Al igual que en el caso de muestreo de se

nales continuas, es u
til
encontrar la relaci
on entre el espectro de la entrada y el espectro de
la salida del compresor.
I
En este caso, la relaci

on es entre transformadas de Fourier de tiempo
discreto.
Por un lado, el espectro de la secuencia original x[n] = xc (nT ) en

funci
on del espectro de xc (t) es (ecuaci
on 4),

2k
1 X
X(e ) =
Xc j
T
T
T
j
k=
Analogamente, el espectro de xd [n] = x[nM ] = xc (nT 0 ), con

T 0 = M T es

1 X
2r
j
0
Xd (e ) = 0
Xc j
T r=
T0
T

I
La ecuaci
on anterior indica que Xd (ej ) se compone de copias de
Xc (j) escaladas en frecuencia como = T 0 y desplazadas
m
ultiplos enteros de 2/T 0 .
Sustituyendo T 0 = M T se llega a que,

Xd (ej ) =
(8)
Notar que el ndice r de la sumatoria puede expresarse como

r = i + kM,

1 X
2r
Xc j
.
M T r=
MT
MT
< k < ,
0 i M 1.
De esta forma, r contin

ua siendo un entero que va de a .
Haciendo este cambio de variable, la ecuaci
on 8 queda
"

#
M
1
X
X
1
1
2i
2k
Xd (ej ) =
Xc j
.
M i=0 T
MT
MT
T
k=

I
El termino entre parentesis rectos es el espectro de la se

nal X(ej )
original (ecuaci
on 4) evaluado en ( 2i)/M , es decir,
X(e
j(2i)/M

2i 2k
1 X
Xc j
.
)=
T
MT
T
k=
Sustituyendo este resultado en la ecuaci

on anterior, se llega a que
Xd (ej ) =
M 1
1 X
X(ej(2i)/M ).
M i=0
(9)
Esta ecuaci
on expresa la transformada de Fourier Xd (ej ) de la
secuencia submuestreada xd [n] en funci
on de la transformada de
Fourier X(ej ) de la secuencia original x[n].
Indica que Xd (ej ) consiste en M copias de X(ej ) escaladas en

frecuencia por M y desplazadas m
ultiplos enteros de 2.

Xc (j)
1
Xs (j)
s = 4N
1
T
N =
4
T
2
T
s =
2
T
4
T
X(ej )
1
T
= T

X(ej )
1
T
0 =
N
2
M =2
X(ej/2 )
1
T
MN =
X(e
j(2)/2
1
T
1
Xd (e ) = [X(ej/2 ) + X(ej(2)/2 )]
2
j
1
1
=
MT
2T
MN =

I
En el ejemplo mostrado en las figuras anteriores,

I
Se considera una se
nal discreta con espectro X(ej ) que proviene
del muestreo de una se
nal continua Xc (j) de ancho de banda N .
La frecuencia de muestreo es s = 4N , y por lo tanto, se cumplen
las condiciones del teorema de muestro y no se produce aliasing.
La se
nal discreta es de banda limitada con ancho de banda
N = N T =
T = .
4
2
La se
nal discreta se submuestrea con M = 2. Esto significa que
xd [n] se construye tomando una de cada dos muestras de x[n].
nal submuestreada Xd (ej ) contiene las copias
del espectro de la se
nal original en m
ultiplos de 2, pero escaladas
en frecuencia un factor de M respecto al espectro de la se
nal
discreta original X(ej ).

I
En la figura, puede verse que para evitar aliasing se tiene que

cumplir que,
N M 2 N M
.
M
Es decir, al submuestrear una se

nal discreta de ancho de banda N
por un factor de M , no se produce aliasing si N /M .
El ejemplo de la figura representa el caso extremo:
I
I
I
La frecuencia de muestreo original es exactamente el doble del

mnimo para evitar aliasing.
Al submuestrearla por un factor de M = 2 no se produce aliasing.
Si se submuestreara por un factor mayor, si se producira aliasing.
Considerese el caso anterior, pero ahora la se

nal discreta se
submuestrea con M = 3.
Como N = /2, ahora se cumple que,

N >
=
M
3
(hay aliasing)

N =
X(ej )
1
T
X(ej /3 )
1
T
M=3
X(ej (2)/3 )
1
T
X(ej (4)/3 )
1
T
Xd (ej )
1
1
=
MT
3T

Filtrado pasabajos para evitar aliasing
I
Si la condici
on N /M no se cumple, se produce aliasing. A
un
as, es posible evitarlo a costa de reducir el ancho de banda de la
se
nal x[n].
Concretamente, se filtra la se
nal x[n] con un filtro pasabajos ideal
discreto de frecuencia de corte
c =
.
M
nal filtrada x
[n], tiene ancho de banda
N = /M y puede submuestrearse sin aliasing.
Notar que debido al filtrado, la secuencia submuestreada es

x
d [n] = x
[nM ], y ya no representa a la se
nal continua xc (t) en los
instantes de muestreo, es decir, no se cumple que x
d [n] = xc (nM T ).

N =
X(ej )
1
T
=
M
3
Xd (ej )
M=3
1
1
=
MT
3T
Hd (ej )
1
c =
j ) = Hd (ej )X(ej )
X(e
1
T
d (ej )
X
1
MT
Filtrado pasabajos para evitar aliasing

I
El sistema general para submuestrear una se

nal por un factor M
consiste en un pasabajos de frecuencia de corte c = /M seguido
de un compresor, y se denomina decimador:
Decimador
Filtro pasabajos
Ganancia 1
Perodo de
muestreo T
Perodo de
muestreo T' = MT

Analoga con el muestreo de senales continuas
Muestreo de se
nal continua
X(ej ) =
Submuestreo de se
nal discreta

1 X
2k
Xc j
T
T
T
Xd (ej ) =
k=
M 1
1 X
X(ej(2i)/M )
M i=0
Transformada de Fourier de x[n]

muestreada con periodo de
muestreo T , en terminos de la
transformda de Fourier de la se
nal
en tiempo continuo xc (t).
Transformada de Fourier de la
secuencia submuestreada xd [n] con
periodo de muestreo M , en
terminos de la transformada de
Fourier de x[n].
Se escala en frecuencia el espectro

de la se
nal anal
ogica xc (t) por el
factor T y se superponen infinitas
copias desplazados m
ultiplos de 2.
Se escala en frecuencia el espectro

de la se
nal discreta x[n] por el
factor M y se superponen M
copias desplazadas m
ultiplos de 2.
Incremento de la frecuencia de muestreo

I
I
I
As como la reducci
on de la frecuencia de muestreo es una operacion
analoga a la conversi
on C/D, el incremento de la frecuencia de
muestreo es analogo a la conversi
on D/C.
Se considera ahora el caso en que se quiere incrementar un factor L
la frecuencia de muestro de una se
nal x[n].
Si la se
nal continua original era xc (t), el objetivo es obtener muestras
xi [n] = xc (nT 0 ),
T 0 = T /L
con
a partir de la secuencia de muestras

x[n] = xc (nT ).
I
I
La operaci
on de incrementar la frecuencia de muestreo se llama
interpolaci
on (upsampling).
A partir de la definici
on, se ve que
xi [n] = x[n/L] = xc (nT /L),
n = 0, L, 2L, . . . ,
es decir,
xi [0] = x[0],
xi [L] = x[1],
xi [2L] = x[2],
xi [3L] = x[3], . . .

I
Sistema general para el incremento de la frecuencia de muestreo

empleando u
nicamente procesamiento en tiempo discreto:
Interpolador
Filtro pasabajos
Ganancia
Perodo de
muestreo T
Perodo de
muestreo T' = T/L
Perodo de
muestreo T' = T/L
El primer sistema se llama expansor de la tasa de muestreo, y la

salida es

x[n/L], n = 0, L, 2L, . . .
xe [n] =
0,
en otro caso
o equivalentemente,
xe [n] =
x[k][n kL].
k=
I
El segundo sistema es un pasabajos de tiempo discreto con

frecuencia de corte /L y ganancia L. Este sistema juega un rol
similar al filtro reconstructor ideal del conversor D/C.

x[n] = xc (nT )
x e [n] =
L=3
x[k][n kL]
k=
12 11 10 9
10
11
12
13
14
15
10
11
12
13
14
15
x i [n]
12 11 10 9

I
La operaci
on del sistema interpolador es mas sencilla de interpretar
en el dominio de la frecuencia.
La transformada de Fourier de la salida de xe [n] es

!
X
X
j
Xe (e ) =
x[k][n kL] ejn
n=
X
k=
k=
x[k]
!
[n kL]ejn
n=
x[k]ejLk
k=
= X(ejL ).
I
La transformada de Fourier de la salida del expansor es una version

escalada de la transformada de Fourier de la entrada, es decir, es
reemplazado por L. Esto es una compresi
on por un factor de L del
eje de frecuencia.

Xc (j)
1
s = 2N
X(ej )
1
T
2
L
4
= 2
L
N =
Xe (ej ) = X(ejL )
L= 2
1
T
6
L
4
L
2
L
Hi (ej )
c =
Xi (ej )
L
1
=
T
T
N =

I
En el ejemplo mostrado en la figura anterior,

I
I
I
Se considera una se
nal discreta con espectro X(ej ) que proviene
del muestreo de una se
nal continua Xc (j) de ancho de banda N .
La frecuencia de muestreo es s = 2N , y por lo tanto, se cumplen
las condiciones del teorema de muestro y no se produce aliasing.
nal discreta es de banda limitada con ancho de
banda
N = .
La se
nal discreta se sobremuestrea con L = 2.
El espectro de Xe (ej ) es una versi
on comprimida en frecuencia un
factor L del espectro de la se
nal original X(ej ).
nal sobremuestreada se construye a partir del
espectro de Xe (ej ) mediante el escalado en amplitud de 1/T a
1/T 0 y eliminando todas las copias de Xc (j) excepto las que est
an
en m
ultiplos enteros de 2, para lo cual se necesita un pasabajos de
ganancia L y frecuencia de corte /L.
El proceso en el dominio de la frecuencia muestra que si

x[n] = xc (nT ) fue obtenida sin aliasing, se cumple que
xi [n] = xc (nT 0 ).
Cambio arbitrario de la frecuencia de muestreo

I
Mediante un decimador se reduce la frecuencia de muestreo por un

factor entero y mediante el interpolador se incrementa la frecuencia
de muestreo por un factor entero.
Combinando los procesos de decimaci

on e interpolacion, es posible
cambiar la frecuencia de muestreo por un factor arbitrario (racional).
Interpolador
Decimador
Filtro pasabajos
Ganancia
Filtro pasabajos
Ganancia
Si M > L, el resultado es un incremento en el periodo de muestreo

(reducci
on de la frecuencia de muestreo), y si M < L, se cumple lo
opuesto.
Cambio arbitrario de la frecuencia de muestreo
Como los sistemas estan en cascada, los filtros pasabajos se pueden

combinar en un u
nico filtro pasabjos de ganancia L y frecuencia de
corte el mnimo de /L y /M .
Filtro pasabajos
Ganancia
Apendice
En este apendice se incluyen algunas operaciones de se
nales en tiempo
continuo necesarias para el desarrollo del tema tratado en la clase. Los
detalles pueden encontrarse en el libro [?].
Convolucion de senales de tiempo continuo

Definici
on:
Z
def
x(t) h(t) =
x( ) h(t ) d
Z
x(t ) h( ) d
(conmutatividad)
Transformada continua de Fourier

Definiciones:
Transformada de Fourier
Transformada inversa de Fourier
X(j) =
x(t)ejt dt
x(t) =
1
2
X(j)ejt d
Apendice
Propiedades de la transformada continua de Fourier
Sean los siguientes pares de transformadas de Fourier,
F
f (t) F (j)
g(t) G(j)
Teorema de la convoluci
on
I
Si
f ( ) g(t ) d = f (t) g(t)
h(t) =
se cumple que
H(j) = F (j)G(j)
Teorema de la modulaci
on
I
Si
h(t) = f (t)g(t)
se cumple que
H(j) =
1
[F (j) G(j)]
2
Apendice
Ejemplos de transformadas de Fourier utiles
Tren de impulsos peri
odico
x(t) =
(t nT ) X(j) =
n=
x1 (t)

2n
2 X

T n=
T
x 2 (t)
T1 = 2T2
2T1
T1
(10)
2T1
T1
4T2 3T2 2T2 T2
X1 (j)
T2
2T2
3T2
4T2
4
T2
X2 (j)
2
T2
2
T1
8 6 4 2
T1
T1
T1
T1
2
T1
4
T1
6
T1
8
T1
4
T2
2
T2
2
T2
Apendice
Demostraci
on (no va, se incluye solo por completitud):
I Consid
erese la se
nal cuyo espectro consiste en una combinacion
lineal de impulsos arm
onicos,
X(j) =
2ak ( k0 )
(11)
k=
I
La se
nal en el tiempo se obtiene mediante la antitransformada de
Fourier,
Z
1
x(t) =
X(j)ejt d
2
#
Z " X
1
=
2ak ( k0 ) ejt d
2
k=
Z

X
jt
=
ak
( k0 )e d
=
k=
X
k=
ak ejk0 t
Apendice
I
I
El resultado corresponde a la serie de Fourier de una se

nal periodica
de frecuencia 0 = 2/T .
Este resultado es general e indica que la transformada de Fourier de
una se
nal peri
odica es un tren de impulsos arm
onico donde el area
del impulso de frecuencia k0 es ak , el coeficiente k-esimo de la
serie de Fourier.
Los coeficientes ak de la serie de Fourier de una se
nal periodica de
periodo T estan dados por
Z T2
2
1
x(t)ejk T t dt
ak =
T T2
En el caso del tren de pulsos peri
odico
x(t) =
(t nT )
n=
los coeficientes de la serie de Fourier son

Z T2
2
1
1
ak =
(t)ejk T t dt = .
T T2
T
Apendice
I
Sustituyendo este resultado en la ecuaci

on 11 se llega a que la
transformada de Fourier es
X(j) =
2 X
( k0 )
T
= 0
k=
( k0 ),
k=
I
con 0 =
2
T
concluyendo que

2 X
2n

x(t) =
(t nT ) X(j) =
T n=
T
n=
F
Apendice
Transformada continua de Fourier de se
nales sinusoidales
F
x(t) = cos 0 t X(j) = ( 0 ) + ( + 0 )
(12)
Demostraci
on
I Como la se
nal es peri
odica, para calcular la transformada de Fourier
se procede como en el caso anterior usando el espectro que consiste
en un tren de impulsos peri
odico (ecuaci
on 11).
I Para calcular los coeficientes ak de la serie Fourier, se compara la
se
nal con la representaci
on de Fourier,
Definici
on de serie de Fourier
X
x(t) =
ak ejk0 t .
x(t) = cos 0 t
1
1
= ej0 t + ej0 t .
2
2
I
k=
Se concluye que
a1 =
1
,
2
a1 =
1
2
ak = 0 k 6= 1, 1
y sustituyendo en la ecuaci
on 11 se obtiene el resultado indicado.
Apendice
I
Procediendo de forma analoga, se puede deducir que
F
x(t) = sin 0 t X(j) = ( 0 ) ( + 0 ) (13)
j
j
Transformada continua de Fourier de las funciones coseno y seno
F (cos 0 t)
F (sin 0 t)
0
0
Apendice
Antitransformada de Fourier de pulso rectangular
I
Se considera la se
nal x(t) cuya transformada de Fourier es

1, || < W
X(j) =
0, || > W
La se
nal x(t) se determina empleando la transformada inversa de
Fourier,
Z
1
x(t) =
X(j)ejt d
2
Finalmente se obtiene que
Z W
1
jt
=
e d
sin W t
2 W
x(t) =
(14)
t
jt W
1 e
=

2 jt W
1 ejW t ejW t
=
t
2j
Apendice
X(j)
1
x(t)
W
4
W
3
W
2
W
2
W
3
W
4
W
Referencias I

!-Mps 05 Teorema de Muestreo

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

!-Mps 05 Teorema de Muestreo

Cargado por

Copyright:

Formatos disponibles

Muestreo de senales en

Muestreo de senales en tiempo continuo

El proceso del muestreo peri

El metodo tpico para obtener una representaci

T es el perodo de muestreo (segundos).

El sistema que implementa el muestreo peri

vale cero excepto en los instantes de muestreo.

area de los impulsos.

x[n] no contiene informaci

Representacion del muestreo en el dominio de la frecuencia

Por el teorema de la modulaci

La transformada del tren de impulsos peri

Representacion del muestreo en el dominio de la frecuencia

Sustituyendo el resultado en la ecuaci

Finalmente, se llega a que

Indica que la transformada de Fourier de xs (t) consiste en copias de

Representacion del muestreo en el dominio de la frecuencia

Representacion del muestreo en el dominio de la frecuencia

En que condiciones es posible recuperar xc (t) a partir de xs (t)?

El espectro de xs (t) consiste en la suma de copias del espectro de

Si las replicas no se solapan, se mantienen copias exactas (salvo un

Por el contrario, si las replicas se solapan, el espectro de xs (t) no

Representacion del muestreo en el dominio de la frecuencia

Representacion del muestreo en el dominio de la frecuencia

Representacion del muestreo en el dominio de la frecuencia

En el caso en que no se cumple la condici

Cuando esto ocurre, la se

Para estudiar el efecto del aliasing, se considera como ejemplo el

Se fija la frecuencia de muestreo s y se toma 0 tal que

Representacion del muestreo en el dominio de la frecuencia

Representacion del muestreo en el dominio de la frecuencia

Teniendo que cuenta que el espectro de xc (t) es (ver apendice,

Representacion del muestreo en el dominio de la frecuencia

Representacion del muestreo en el dominio de la frecuencia

Entonces, xc (t) esta unvocamente determinada por sus muestras

Representacion del muestreo en el dominio de la frecuencia

Falta encontrar la relaci

Representacion del muestreo en el dominio de la frecuencia

Aplicando la transformada continua de Fourier a xs (t),

Ademas, como x[n] = xc (nT ), se llega a que

Representacion del muestreo en el dominio de la frecuencia

Teniendo en cuenta que la transformada de Fourier de tiempo

Finalmente, sustituyendo Xs (j), se llega a que

Representacion del muestreo en el dominio de la frecuencia

Las ecuaciones 2, 3 y 4 indican que el espectro de la se

El espaciamiento entre muestras en xs (t) es el periodo de muestreo T ,

Representacion del muestreo en el dominio de la frecuencia

2. El espectro del tren de impulsos modulado es

3. El espectro de la secuencia x[n] resultante es

Representacion del muestreo en el dominio de la frecuencia

Se considera una sinusoide en tiempo continuo de frecuencia

La frecuencia de la sinusoide en radianes por segundo es

Ademas, el perodo de muestreo y la frecuencia de muestreo en

Notar que s > 20 y por lo tanto se cumplen las condiciones del

Representacion del muestreo en el dominio de la frecuencia

Analisis en el dominio de la frecuencia

Finalmente, el espectro de la secuencia discreta es

Representacion del muestreo en el dominio de la frecuencia

Representacion del muestreo en el dominio de la frecuencia

Ahora, la sinusoide de frecuencia f0 =2000 Hz se muestrea usando

La frecuencia de la sinusoide en radianes por segundo es 0 = 4000

El perodo de muestreo y la frecuencia de muestreo en radianes por

s = 2fs = 3000 rad/s.