CODIES2010 - Cap2 - Sistemas Muestreados PDF

Captulo 2
Sistemas Muestreados
Diego Palmieri
Control Digital y Estocastico

Ing. Automatizacion y Control Industrial
Departamento de Ciencia y Tecnologia
Universidad Nacional de Quilmes
Indice General
1 Sistemas Muestreados 2
1.1 Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Secuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Sistema Discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Ecuaciones en diferencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Secuencia de ponderacion de un Sistema . . . . . . . . . . . . . . . . . . . . . . . 7
1.5.1 Ejemplo n 1: Secuencia de Ponderacion . . . . . . . . . . . . . . . . . . . 7
1.6 Estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.7 Respuesta en Frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.7.1 Ejemplo N 2: Pasa Bajos . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.8 Transformada de Fourier de una Secuencia . . . . . . . . . . . . . . . . . . . . . . 9
1.9 Teorema del Muestreo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.9.1 Demostracion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.10 Transformada en Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.10.1 Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.11 Reconstruccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.12 Reconstruccion Ideal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.13 Bloqueadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.14 Aparcicion de Frecuencias Espurias . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1
Captulo 1
Sistemas Muestreados
1.1 Introduccion
Si se buscamos en el diccionario el significado de muestreo dira proceso o accion de tomar una

pequena parte o porcion de algo como una muestra para su analisis.
En el contexto del control y las comunicaciones, muestrear una senal implica reemplazar la
magnitud continua por una secuencia de numeros que representan los valores de dicha senal en
determinados instantes.
Un sistema muestreado es entonces, aquel que, partiendo de una senal o magnitud analogica
o continua es capaz de generar una secuencia de valores discretos, separados a in-
tervalos de tiempo.
El muestreo es la caracterstica fundamental de los sistemas controlados por computadora dada

la naturaleza discreta de estos dispositivos. Generalmente la senal continua es convertida en
una secuencia de numeros que son procesados por el computador digital. Este da una nueva
secuencia de numeros, los que son convertidos a una senal continua y aplicada al proceso. Este
segundo proceso se denomina reconstruccion de la senal. Dada la importancia del muestreo es
necesario conocer a fondo este proceso.
La Figura 1.1 y la Figura 1.2 muestran la forma en que se realiza el muestreo. Existe un
primer elemento llamado muestreador que congela un instante el valor de la senal a muestrear,
pero la salida del muestreador sigue siendo analogica. Para convertir esta senal a un valor
numerico esta el conversor analogico digital.
Figura 1.1: Generacion de una seuencia
2
CAPITULO 1. SISTEMAS MUESTREADOS 3
Figura 1.2: Muestreo de una senal
En el ejemplo se ha dibujado ex-profeso el muestreo con tiempos diferentes pero lo mas comun
es muestrear con un perodo constante T llamado perodo de muestreo.
Si bien se han dibujado separados, el muestreador y el conversor normalmente estan juntos

en un mismo elemento. Lo que conviene reiterar es que el proceso no sufre alteracion alguna y
si este era continuo lo seguira siendo.
Para mayor claridad, se muestra en la Figura 1.3 como sera la generacion de una senal de
control discreta y en la Figura 1.4 se observan la diferentes senales.
Figura 1.3: Esquema de un Controlador Digital
A los fines del analisis es util tener una descripcion del muestreo. Esta accion significa simple-
mente reemplazar una senal por su valor en un numero finito de puntos. Sea Z el conjunto de
numeros enteros y t : kZ el subconjunto de numeros reales llamados instantes de muestreo. La
version muestreada de f es entonces la secuencia f (t) : kZ . El muestreo es una operacion lineal.
El perodo de muestreo es normalmente constante o sea t = kT . En estas condiciones se llama
muestreo periodico y T es llamado perodo de muestreo. fs = T1 (Hz) se denomina frecuencia
de muestreo.
Son usados tambien otros esquemas de muestreo mas sofisticados. Por ejemplo, muestrear
Figura 1.4: Ejemplo de muestreo de diferentes senales
diferentes lazos con diferentes perodos de muestreo. Este caso se denomina muestreo multiple
y puede ser tratado como superposicion de varios muestreos periodicos.
El caso del muestreo periodico ha sido estudiado profundamente. Mucha teora esta dedica-
da a este tema pero el muestreo multiple esta cobrando importancia da a da con el uso de
sistemas multiprocesadores. Con el software moderno es posible disenar un sistema como si
fuesen varios procesos trabajando asincronicamente.
La senal continua y(t) se convierte en una secuencia mediante el muestreador y el CAD, que
normalmente es el elemento mas lento de la cadena. Ya dentro del computador se genera la
secuencia de control u. Este proceso consume un determinado tiempo Tc . Mediante el CDA la
secuencia se convierte en analogica y por ultimo el bloqueador interpola los valores de la senal
entre dos perodos de muestreo. El bloqueador mas usual es aquel que mantiene el valor de la
senal hasta la siguiente muestra llamado bloqueador de orden cero.
1.2 Secuencias
En sntesis lo que ve el computador no es mas que una secuencia de numeros. Es necesario

entonces recordar algunas de las operaciones basicas entre secuencias.
La forma de escribir una secuencia es la siguiente:
{uk } = { , u3 , u2 , u1 , u0 , u1 , . . .} (1.1)
Se veran a continuacion algunas operaciones, por ejemplo una suma de secuencias esta dada por
la siguiente ecuacion:
{uk } = {xk + vk } (1.2)

y el producto por una constante:

{uk } = {m xk } (1.3)
Dos secuencias muy usuales en el control: el escalon y el impulso:

{k } = {1, 1, 1, . . .} {k } = {1, 0, 0, . . .} (1.4)
Su representacion grafica esta dada en la Figura 1.5
Figura 1.5: El Escalon y el Impulso
1.3 Sistema Discreto
Ahora se podra definir un Sistema Discreto como aquel sistema que es excitado por una se-
cuencia y genera otra secuencia como salida, tal como se ve en la Figura 1.6.
Figura 1.6: Sistema Discreto
Un ejemplo de sistema discreto es un Sumador de modo que la secuencia de salida sea la suma
de los valores de entrada hasta ese instante:
( k )
X
{uk } = ui (1.5)
i=1
Aqui estamos en presencia de un Sistema Discreto Causal ya que la salida solo depende de los
valores anteriores de la entrada.
Un Promediador, en cambio, es un Sistema Discreto No Causal ya que depende de un valor

futuro. Este se describe de esta manera:

1
{uk } = (uk1 + uk + uk+1 ) (1.6)
3
1.4 Ecuaciones en diferencias
Existe un equivalente a la ecuacion diferencial de los sistemas continuos, son las llamadas ecua-
ciones en diferencias. Una ecuacion diferencial tpica es la siguiente:
Z t
1
x(t) = w(t)dt (1.7)
TT 0
La integral se puede asociar a un sumador con lo cual se tendra, para dos instantes de tiempo
consecutivo, las siguientes ecuaciones:
k1
1 X
x(kT ) = T w(iT )
TT
0
k
1 X (1.8)
x((k + 1)T ) = T w(iT )
TT
0
T
x((k + 1)T ) x(kT ) = w(kT )
TT
Restando miembro a miembro y despejando, se obtiene la llamada ecuacion en diferencias.
T
x((k + 1)T ) = x(kT ) + w(kT ) (1.9)
TT
La anterior sera una ecuacion en diferencia de primer orden, el equivalente a un integrador.

Pero en general para un sistema lineal tendramos la siguiente forma:
xk + a1 xk1 + a2 xk2 + + an xkn = b0 wk + b1 wk1 + b2 wk2 + + bm wkm (1.10)
Al igual que en los sistemas continuos se pueden definir algunas propiedades. Por ejemplo, si
los ai y los bi son constantes se dice que el sistema es invariante. La linealidad esta dada por el
cumplimiento de la siguiente condicion:
{u1k } {y1k } , {u2k } {y2k }

(1.11)
{1 u1k + 2 u2k } {1 y1k + 2 y2k }
Figura 1.7: Respuesta al Impulso
1.5 Secuencia de ponderacion de un Sistema
Es importante definir para un Sistema Discreto una funcion que vincule analticamente su en-
trada y salida. En particular, se puede normalizar el comportamiento del sistema observando
cual es su respuesta a la secuencia impulso.
Si el sistema es causal se cumple que:
gk = 0 k < 0 (1.12)
Esta forma de definir la relacion entrada-salida es el equivalente a la respuesta impulsional de

los sistemas continuos. De este modo, una secuencia se podra representar como:

X
{uk } = un {kn } (1.13)
n=
siendo un el valor de la secuencia en ese instante. Por ejemplo la secuencia,
{2, 3, 5} = 2 {1, 0, 0} + 3 {0, 1, 0} + 5 {0, 0, 1}

(1.14)
= 2 {k } + 3 {k1 } + 5 {k2 }
Teniendo en cuenta la linealidad y esta descomposicion se obtiene,

X
X
{yk } = ui {gki } = gi {uki } (1.15)
i= i=
Con esto queda definida la convolucion discreta entre secuencias, del siguiente modo,
{yk } = {gk } {uk }

X X (1.16)
yk = ui gki = gi uki
i= i=
1.5.1 Ejemplo n 1: Secuencia de Ponderacion
Sean la Secuencia de Ponderacion, o Respuesta Impulsional, y la entrada de un sistema:

{gk } = {1, 2, 1}
(1.17)
{uk } = {0, 3, 4}
La forma de calcular la salida es la siguiente:

X
y0 = u0i gi = u00 g0 + u01 g1 + u02 g2 = 0
i=
y1 = u10 g0 + u11 g1 + u12 g2 = 3
y2 = u20 g0 + u21 g1 + u22 g2 = 4 + 3 2 = 10 (1.18)
y3 = u30 g0 + u31 g1 + u32 g2 = 4 2 + 3 1 = 11
y4 = u40 g0 + u41 g1 + u42 g2 = 4 1 = 4
y5 = 0
1.6 Estabilidad
Se dice que un Sistema Discreto es estable si secuencia de entrada acotada, su salida es acotada

X
yk = gi uki
i=

X

(1.19)
X
|yk | = gi uki |gi | |uki |

i= i=
si uk es acotada se verifica,
|uk | c k

X (1.20)
|yk | = c |gi |
i=
Entonces la condicion para que yk sea acotada es que:

X a) {gi } acotada
|gi | < sii b) |{z}
lim gi = 0 (1.21)
i= i
1.7 Respuesta en Frecuencia
Sea un sistema con respuesta impulsional {gk } y con entrada {gk } = ejkw , su salida es:


X
yk = gi ej(ki)
i=

X
yk = ejk gi eji
i= (1.22)

!
X n o
{yk } = gi eji ejk
i= | {z }
| {z } sec de entrada
depende de
Entonces la respuesta en frecuencia es:

X
G() = gi eji (1.23)
i=
G es periodica con respecto a = 2 y es una funcion continua.

De esta manera tenemos que:
n o
{yk } = G() ejk (1.24)
G es el desarrollo en serie de Fourier (segun 1.22), por lo tanto los coeficientes seran:
Z
1
gk = G()ejk d (1.25)
2
1.7.1 Ejemplo N 2: Pasa Bajos
1 || < c
G() =
0 c < || c
Z c (1.26)
1 1
gk = ejk d = sen(kc )
2 c k
es no causal.
1.8 Transformada de Fourier de una Secuencia

n
X
X
ji
X() = lim xi e = xi eji (1.27)
n
i=n i=
y la transformada inversa,
Z
1
xk = X()ejk d (1.28)
2
Para que X exista debe ser,

X
|xi | < (1.29)
i=
Si,

X
yk = gki ui (1.30)
i=
P jk
Multiplicando ambos miembros de 1.30 por k= e nos queda,

!
X X X
yk ejk = ejk gki ui
k= k= i=
X
X
= ejk gki ui
k= i= (1.31)
" #"
#
X X
ji
= e ui ej(ki) gki
i= k=
| {z }| {z }
U () G()
El ultimo [] va desde a por lo que es independiente de i, entonces con el siguiente cambio

en la variable (k i = k), nos queda,
Y () = G()U () (1.32)
1.9 Teorema del Muestreo
Si el muestreo es suficientemente pequeno no se pierde casi informacion pero esta perdida puede
ser importante si el perodo de muestreo es muy grande. Es, entonces, esencial saber cuando
una senal continua es biunvocamente definida por su muestreo. El siguiente teorema da las
condiciones para el muestreo.
Una senal continua con espectro en frecuencia nulo fuera del intervalo [0 , 0 ] es reconstruible
totalmente si se la muestrea con una frecuencia s > 20 . La reconstruccion se obtiene mediante
el siguiente calculo:

X sen(s (t kT ))/2
f (t) = f (kT ) (1.33)
s (t kT ))/2
k=
1.9.1 Demostracion
La transformada de Fourier continua y la antitransformada de la funcion continua son:

Z
F () = ejt f (t)dt (1.34)

Z
1
f (t) = ejt F ()d (1.35)
2
a partir del muestreo se genera una secuencia {fk = f (kT )} que tendra una transformada de
Fourier discreta de la forma,

X
Fs () = ejk fk (1.36)
k=
y su antitransformada
Z
1
fk = f (kT ) = ejk Fs ()d (1.37)
2
es decir que f (kT ) tiene dos formas de calcularse de acuerdo a 1.35 y 1.37. La ecuacion 1.35 se
puede expresar la integral como una suma de partes,
Z Z (2r+1)
1 jkT 1 X T
f (kT ) = e F ()d = ejkT F ()d (1.38)
2 2 r= (2r1)
T
+2r
haciendo un cambio de variables = T donde es una frecuencia relativa al perodo de
muestreo,
Z (2r+1)
1 X T +2r + 2r + 2r
f (kT ) = ej T kT F ( )d
2 r= (2r1) T T
T

(1.39)
1 X 1 j(+2r)k + 2r
Z
f (kT ) = e F( )d
2 r= T T
Se cumple ademas que ej2rk = 1 por lo que

1 X 1 jk + 2r
Z
f (kT ) = e F( )d
2 r= T T
Z
1 1 X jk + 2r
f (kT ) = e F( )d
2 T r= T (1.40)
Z
1 jk 1
X + 2r
f (kT ) = e F( ) d
2 T r= T
| {z }
Fs ()
Comparando 1.40 con 1.35 se obtiene la relacion entre la Transformada de Fourier discreta y
continua como sigue,

1 X + 2r
Fs () = F( ) (1.41)
T r= T
2
o de forma similar, dado que T = s

1 X 2r 1 X
Fs () = F ( + )= F ( + s r) (1.42)
T r= T T r=
De aqu se deduce que si la frecuencia de muestreo es mayor a dos veces la maxima frecuencia
para la cual la Transformada de Fourier es no nula, la Transformada de la senal muestreada
sera una repeticion infinita del lobulo de la transformada continua. Esto significa que tomando
una parte de esta transformada se puede reconstruir exactamente la senal continua, excepto un
factor de escala T1 . No sucede lo mismo si la frecuencia de muestreo es inferior a este lmite ya
que los lobulos se superpondran. En la figura siguiente se muestra la Transformada de la senal
continua y dos casos de Transformada de la senal discreta: el primero satisface el teorema del
muestreo y el segundo no. Es facil ver, graficamente, la posibilidad de la reconstruccion en el
primer caso. La frecuencia 2s recibe el numbre de Frecuencia de Nyquist
Figura 1.8: Transformada de Fourier Continua, Transformada de Fourier de la senal muestreada

con frecuencia superior e inferior
El reconstructor de la ecuacion 1.33 es no causal y tiene la siguiente respuesta impulsional,
1.10 Transformada en Z
Esta transformada solo se define para secuencias

X
Z ({xk }) = X(z) = xk z k (1.43)
k=
donde z es una variable compleja.

La trasformada Z de la secuencia impulso es,
{k } = {1, 0, 0, }
(1.44)
(z) = 1
Y la transformada de una secuencia,

Figura 1.9: Respuesta impulsional del reconstructor ideal
{xk } = {1, a, a2 , } = ak

X X k (1.45)
X(z) = ak z k = az 1
k= k=
que converge para |z| > |a| y en cuyo caso la sumatoria resulta,
1
X(z) = (1.46)
1 az 1
1.10.1 Propiedades
Linealidad Z(af + bg) = aZ(f ) + bZ(g)
Desplazamiento Z(q d f ) = z d Z(f )
Valor Inicial limk0 (fk ) = limz Z(f )
Valor Final limk (fk ) = limz1 (1 z 1 )Z(f )
si (1 z 1 )Z(f ) no tiene ningun polo fuera del circulo unidad.
1.11 Reconstruccion
Si se quiere saber como es la senal continua a partir de la informacion que brinda la secuencia
de muestras es necesario un proceso llamado de reconstruccion. En este proceso es posible que
la senal reconstruida no coincida exactamente con la original. Esto se ve en la figura 1.10.
La pregunta es cuan parecida sera la senal reconstruida a la original. Todo dependera del
reconstructor que se utilice.
Figura 1.10: Proceso de Reconstruccion
1.12 Reconstruccion Ideal
Para el caso de senales con ancho de banda limitado, se puede reconstruir a partir de la ecuacion
1.47. La desventaja es que esta operacion no es casual y debemos conocer los valores anteriores
y posteriores al instante tratado. Esto no es conveniente para el control digital, pero si puede
ser util en comunicaciones donde se puede aceptar un retardo. Otra desventaja es su complicado
calculo y que solo es aplicable al muestreo periodico.

X sen (s (t kT )/2)
fr (t) = f (kT ) (1.47)
(s (t kT )/2)
k=
Esta reconstruccion es no causal y en la grafica siguiente se muestra el resultado del proceso;

la lnea suave es la senal continua y la ondulada es su reconstruccion. Se muestran ademas
los aportes de cada elemento de la sumatoria. La reconstruccion no es perfecta ya que no se
consideraron infinitos terminos de la sumatoria.
Figura 1.11: Reconstruccion Ideal de una senal
1.13 Bloqueadores
La reconstruccion anterior no es util para aplicaciones en control y demasiado costosa desde el

punto de vista de calculo. Es por esto que se eligen metodos mas simples. El mas usual es el
bloqueador de orden cero o retenedor que consiste en mantener la senal en el mismo valor de la
Figura 1.12: Reconstruccion con Bloqueador de orden cero
ultima muestra. Dada su simplicidad este bloqueador es el mas usado en control digital y los
CDA estandares son disenados con este principio.
Tambien se puede usar el BOO (Bloqueador de orden uno) para muestreo no periodico. Obvia-
mente esta recontruccion introduce un error como se puede ver en la figura 1.13.
La eleccion del bloqueador depende de la aplicacion y del tipo de senal a reconstruir.
Figura 1.13: Reconstruccion con Bloqueador de orden uno
1.14 Aparcicion de Frecuencias Espurias
Lo que dice el teorema del muestreo es que si la frecuencia de muestreo es inferior a la maxima
frecuencia del sistema continuo la reconstruccion ya no es posible debido a la superposicion de
los lobulos. Un ejemplo es lo que sucede al muestrear la senal de la figura siguiente. Una posible
solucion es incrementar la frecuencia de muestreo pero esto trae dos problemas: 1) si se observan
los elementos de la transformada en Z, estos varan con el perodo de muestreo y en particular
Figura 1.14: Aparicion de Frecuencias Espurias
las races de los polinomios tenderan todas a 1, esto llevara a errores numericos indeseados. 2)
en el caso de que se elija una frecuencia suficientemente alta respecto de las frecuencias propias
de la planta, puede ser que no sea lo suficientemente alta con respecto a alguna perturbacion y
el muestreo de esta perturbacion introduzca componentes de baja frecuencia. Estas senales que
aparecen reciben el nombre es frecuencias alias y la unica forma de evitarlas es filtrar la senal
antes del muestreo.

CODIES2010 - Cap2 - Sistemas Muestreados PDF

Cargado por

Información del documento

Título 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

CODIES2010 - Cap2 - Sistemas Muestreados PDF

Cargado por

Copyright:

Formatos disponibles

Captulo 2

Control Digital y Estocastico

Si se buscamos en el diccionario el significado de muestreo dira proceso o accion de tomar una

El muestreo es la caracterstica fundamental de los sistemas controlados por computadora dada

Figura 1.1: Generacion de una seuencia

Figura 1.2: Muestreo de una senal

Si bien se han dibujado separados, el muestreador y el conversor normalmente estan juntos

Figura 1.3: Esquema de un Controlador Digital

Figura 1.4: Ejemplo de muestreo de diferentes senales

En sntesis lo que ve el computador no es mas que una secuencia de numeros. Es necesario

La forma de escribir una secuencia es la siguiente:

{uk } = {xk + vk } (1.2)

y el producto por una constante:

Dos secuencias muy usuales en el control: el escalon y el impulso:

Su representacion grafica esta dada en la Figura 1.5

Figura 1.5: El Escalon y el Impulso

1.3 Sistema Discreto

Figura 1.6: Sistema Discreto

Un Promediador, en cambio, es un Sistema Discreto No Causal ya que depende de un valor

1.4 Ecuaciones en diferencias

Restando miembro a miembro y despejando, se obtiene la llamada ecuacion en diferencias.

La anterior sera una ecuacion en diferencia de primer orden, el equivalente a un integrador.

xk + a1 xk1 + a2 xk2 + + an xkn = b0 wk + b1 wk1 + b2 wk2 + + bm wkm (1.10)

{u1k } {y1k } , {u2k } {y2k }

Figura 1.7: Respuesta al Impulso

1.5 Secuencia de ponderacion de un Sistema

Esta forma de definir la relacion entrada-salida es el equivalente a la respuesta impulsional de

siendo un el valor de la secuencia en ese instante. Por ejemplo la secuencia,

{2, 3, 5} = 2 {1, 0, 0} + 3 {0, 1, 0} + 5 {0, 0, 1}

Teniendo en cuenta la linealidad y esta descomposicion se obtiene,

{yk } = {gk } {uk }

1.5.1 Ejemplo n 1: Secuencia de Ponderacion

Sean la Secuencia de Ponderacion, o Respuesta Impulsional, y la entrada de un sistema:

La forma de calcular la salida es la siguiente:

Entonces la condicion para que yk sea acotada es que:

1.7 Respuesta en Frecuencia

Entonces la respuesta en frecuencia es:

G es periodica con respecto a = 2 y es una funcion continua.

1.7.1 Ejemplo N 2: Pasa Bajos

1.8 Transformada de Fourier de una Secuencia

Para que X exista debe ser,

El ultimo [] va desde a por lo que es independiente de i, entonces con el siguiente cambio

1.9 Teorema del Muestreo

La transformada de Fourier continua y la antitransformada de la funcion continua son:

Se cumple ademas que ej2rk = 1 por lo que

Figura 1.8: Transformada de Fourier Continua, Transformada de Fourier de la senal muestreada

El reconstructor de la ecuacion 1.33 es no causal y tiene la siguiente respuesta impulsional,

Esta transformada solo se define para secuencias

donde z es una variable compleja.

Y la transformada de una secuencia,

Figura 1.9: Respuesta impulsional del reconstructor ideal

Linealidad Z(af + bg) = aZ(f ) + bZ(g)

Desplazamiento Z(q d f ) = z d Z(f )

Valor Inicial limk0 (fk ) = limz Z(f )

Valor Final limk (fk ) = limz1 (1 z 1 )Z(f )

si (1 z 1 )Z(f ) no tiene ningun polo fuera del circulo unidad.

Figura 1.10: Proceso de Reconstruccion

1.12 Reconstruccion Ideal

Esta reconstruccion es no causal y en la grafica siguiente se muestra el resultado del proceso;

Figura 1.11: Reconstruccion Ideal de una senal

La reconstruccion anterior no es util para aplicaciones en control y demasiado costosa desde el

Figura 1.12: Reconstruccion con Bloqueador de orden cero

La eleccion del bloqueador depende de la aplicacion y del tipo de senal a reconstruir.