MUESTREO DE SEÑALES EN TIEMPO CONTINUO

Las señales en tiempo discreto pueden originarse de muchas formas, pero más comúnmente se obtienen como
representaciones de señales en tiempo continuo. Esto se debe en parte al hecho de que el procesamiento de las
señales en tiempo continuo se lleva a cabo frecuentemente mediante el procesamiento en tiempo discreto de
secuencias obtenidas mediante el muestreo. En este capítulo discutiremos el proceso del muestreo periódico con
cierto detalle, incluyendo el concepto de aliasing cuando la señal no se encuentra limitada en banda o la frecuencia
de muestreo no es lo suficientemente alta. Es de particular importancia el hecho de que el procesamiento puede ser
implementado a través de un proceso de muestreo, procesamiento en tiempo discreto, y la subsiguiente
reconstrucción de la señal en tiempo continuo.
Aunque existen otras posibilidades (ver Steiglitz, 1965; Oppenheim y Jonson, 1972), el método típico para obtener
una representación en tiempo discreto de una señal en tiempo continuo es a través del muestreo periódico, donde
una secuencia de muestras x[n] es obtenida a partir de una señal en tiempo continuo xc(t) de acuerdo con la relación:
x[n]  xc ( nT )    n   ……………………………………...(1)

En la ecuación (1), T es el periodo de muestreo, y su recíproco f S=1/T, es la frecuencia de muestreo, en muestras por
segundo.
Nos referimos a un sistema que implemente la operación en la ecuación (1) como un convertidor continuo-discreto
ideal (C/D), y lo describimos en forma de diagrama de bloques como se indica en la figura 1:

C/D
xC(t) x[n]=xC(nT)

Figura 1. Representación en diagrama de bloques de un

Convertidor continuo-a-discreto ideal (C/D).

Como ejemplo de la relación entre xC(t) y x[n] en la figura 2 se ilustra una forma de onda en tiempo continuo y su
correspondiente secuencia de muestras.

Convertidor C/D

Conversión de un
tren de impulsos a
una secuencia en
xC(t) xS(t) tiempo discreto x[n]=xC(nT)

s(t)
(a)
(b)

(c)
Figura 2. Muestreo usando tren de impulsos seguido de la conversión
a secuencia en tiempo discreto. (a) Sistema completo. (b) xS(t) para dos
frecuencias de muestreo. La envolvente representa a xC(t). (c) Secuencias
de salida para las dos diferentes frecuencias de muestreo.

De manera práctica, la operación de muestreo es a menudo implementada por un convertidor analógico-digital (A/D).
Dichos sistemas pueden ser vistos como aproximaciones al convertidor C/D ideal. Importantes consideraciones en la
implementación o elección de un convertidor A/D incluyen la cuantización de las muestras de salida, linealidad, la
necesidad de circuitos sample-and-hold (muestreador/retenedor), y limitaciones en la tasa de muestreo.
El muestreo es generalmente irreversible; por ejemplo, dada la salida x[n], en general no es posible reconstruir x C(t),
la entrada del muestreador, ya que muchas señales en tiempo continuo pueden producir la misma secuencia de
muestras de salida. La ambigüedad inherente en el muestreo es de primordial importancia en el procesamiento de
señales. Afortunadamente es posible remover esta ambigüedad restringiendo la clase de señales de entrada del
muestreador.
Es conveniente representar matemáticamente el proceso de muestreo en las dos etapas mostradas en la figura 2(a).
Esto consiste en un modulador de tren de impulsos seguido de la conversión del tren de impulsos en una secuencia.
La figura 2(b) ilustra dos señales en tiempo continuo y los resultados del muestreo por tren de impulsos. La figura
2(c) describe las correspondientes secuencias de salida. La diferencia esencial entre xS(t) y x[n] es que xS(t) es, en
cierto sentido, una señal en tiempo continuo (específicamente un tren de impulsos) que es cero excepto en múltiplos
enteros de T. La secuencia x[n], por otro lado, es indexada en la variable entera n, que en efecto introduce una
normalización en el tiempo; por ejemplo, x[n] no contiene información explícita acerca de la frecuencia de muestreo.
Aún más, las muestras de xC(t) son representadas por un número finito en x[n] en lugar de áreas de impulsos como
en xS(t).
Es importante enfatizar que la figura 2(a) es una representación matemática del muestreo, no la representación de
ningún circuito físico o sistema diseñado para implementar la operación de muestreo. El que una pieza de hardware
pueda ser construida para ser una aproximación del diagrama de bloques de la figura 2(a) es un tema secundario en
este punto. Hemos introducido esta representación de la operación de muestreo porque nos lleva a una derivación
simple de un resultado clave y porque esta aproximación nos lleva a varios conceptos importantes que son difíciles
de obtener a partir de una derivación más formal basada en la manipulación de las fórmulas de la transformada de
Fourier.

Representación del muestreo en el dominio de la frecuencia

Para obtener la relación en el dominio de la frecuencia entre la entrada y la salida de un convertidor C/D ideal,
consideremos en primer lugar la conversión de xC(t) a xS(t) por medio de la modulación por tren de impulsos. La señal
modulada s(t) es un tren de impulsos periódicos:

s (t )    (t  nT ) ………………………………………..…………(2)
n  

Donde (t) es la función impulso unitario o delta de Dirac. En consecuencia,


x S (t )  xC (t ) s (t )  xC (t )   (t  nT ) ……………………………(3)
n  

Por las propiedades de la función impulso, xS(t) puede ser expresada como:

x S (t )  x
n  
C ( nT ) (t  nT ) …………………………….…………(4)

Consideremos ahora la transformada de Fourier de xS(t). A partir de la ecuación (3), xS(t) es el producto de xC(t) y s(t),
por tanto la transformada de Fourier de xS(t) es la convolución de las transformadas de Fourier X S(j) y S(j). La
transformada de Fourier de un tren de impulsos periódicos es un tren de impulsos periódicos (Oppenheim y Willsky,
1983). Específicamente, S(j) es:
2 
S ( j ) 
T
  (  k 
k  
S ) ………………………………………...(5)

donde S=2/T es la frecuencia de muestreo en radianes/s. Como:

1
X S ( j )  X C ( j )  S( j )
2
donde  denota la operación de la convolución, se sigue que:

1
X S ( j ) 
T
X
k  
C ( j   kj  S ) …………………………………..(6)

La ecuación (6) nos proporciona la relación entre las transformadas de Fourier de la entrada y la salida del
modulador por tren de impulsos de la figura 2(a). Se puede observar en la ecuación (6) que la transformada de
Fourier de xS(t) consiste de copias periódicamente repetidas de la transformada de Fourier de x C(t). Las copias de
XC(j) son desplazadas en números enteros de la frecuencia de muestreo y entonces superpuestas para producir la
transformada periódica de Fourier del tren de impulsos de muestras. La figura 3 representa una transformada de
Fourier limitada en banda donde la mayor componente de frecuencia diferente de cero en X C(j) se encuentra en
N: La figura 3(b) muestra el tren de impulsos periódicos S(j), y la figura 3.3(c) muestra XS(j), el resultado de la
convolución entre XC(j) y S(j).
 Figura 3. Efecto en el dominio de la frecuencia del muestreo en el dominio del tiempo.
(a) Espectro de la señal original. (b) Espectro de la función de muestreo. (c) Espectro de
la señal muestreada con S>2N. (d) Espectro de la señal muestreada con S<2N.

De la figura 3(c) es evidente que cuando:

S  N  N o  S  2 N ……………………….…….(7)

Las réplicas de XC(j) no se traslapan y por tanto, cuando se suman en la ecuación (6), se mantiene (con un factor
de escala de 1/T) una réplica de X C(j) en cada múltiplo entero de S. En consecuencia xC(t) puede ser recuperada
a partir de xS(t) usando un filtro ideal paso bajas. Eso se muestra en la figura 4(a), que muestra al modulador de tren
de impulsos seguido de un sistema lineal e invariante en el tiempo con respuesta en frecuencia H r (j). Para XC(j)
como en la figura 4(b), XS(j) puede ser como se muestra en la figura 4(c), donde se asume que S>2N. Como:
 X r ( j )  H r ( j ) X S ( j ) ………………………………………….(8)

Se sigue que Hr (j) es un filtro ideal paso-bajas con una ganancia T y una frecuencia de corte C, tal que:
 N   C  ( S   N ) ……………………………………………….(9)

Entonces:
X r ( j )  X C ( j ) …………………………………………………..(10)

Como se muestra en la figura 4(c).

Si la desigualdad de (7) no se mantiene, por ejemplo, si S2N, las copias de XS(j) se traslapan, por lo que
cuando se suman XC(j) no se puede recuperar mediante un filtrado paso bajas. Esto se encuentra ilustrado en la
figura 3(d). En este caso, la salida reconstruida x r (t) en la figura 4(a) está relacionada con la entrada original en
tiempo continuo por medio de una distorsión llamada aliasing.

Figura 4. Recuperación exacta de una señal en tiempo continúo

a partir de sus muestras usando un filtro paso bajas ideal.
La figura 5 ilustra el aliasing en el dominio de la frecuencia para el caso simple de una señal coseno. La figura 5(a)
muestra la transformada de Fourier de la señal:
xC (t )  cos  0 t …………………………………………….. (11)

La parte (b) muestra la transformada de Fourier de x S(t) con 0<S/2, y la parte (c) muestra la transformada de x S(t)
con 0>S/2. Las partes (d) y (e) corresponden a la transformada de Fourier de la salida del filtro paso bajas para
0<S/2=/T y 0</T, respectivamente, con C<S/2. Las figuras 5(c) y (e) corresponden al caso de aliasing. Sin
aliasing ((b) y (d)), la salida reconstruida xr (t) es:
 x r (t )  cos  0 t ……………………………………………….(12)
Con aliasing, la señal de salida reconstruida es:
x r (t )  cos  S   0  t ……………………………………...(13)

Figura 5. El efecto del aliasing en el muestreo de una señal coseno

Por ejemplo, la señal de mayor frecuencia cos0t ha tomado la identidad (alias) de la señal de menor frecuencia
cos(S -- 0)t como consecuencia del muestreo y reconstrucción. Esta discusión es la base del teorema de muestre
de Nyquist (Nyquist, 1928; Shannon, 1949), establecido como se indica a continuación.
Teorema del muestreo de Nyquist. Sea xC(t) una señal limitada en banda con
X C ( j )  0 para    N ………..…………………(14a)

Entonces xC(t) se encuentra determinada únicamente por sus muestras x[n]= xC(nT), n=0, 1, 2,…, si
2
S   2 N ……………………….……………….... (14b)
T
La frecuencia N es comúnmente llamada frecuencia de Nyquist, y la frecuencia 2N que debe ser excedida por la
frecuencia de muestreo es llamada tasa de Nyquist.
Hasta ahora hemos considerado únicamente el modulador por tren de impulsos de la figura 2(a). Nuestro objetivo
eventual es expresar X(ej), la transformada de Fourier en tiempo discreto de la secuencia x[n], en términos de
XS(j) y XC(j). Hasta este punto, consideremos una expresión alternativa para X S(j). Aplicando la transformada
de Fourier a la ecuación (4), obtenemos:

X S ( j )  x
n  
C (nT )e  j Tn ……………………….....…. (15)

Como x[ n]  x c (nT ) ………………………………………………... (16)


Y X (e j  )   x[n]e
n  
 j n
…………………………………….. (17)

Entonces X S ( j )  X ( e j  )  X (e j T ) ………………….….. (18)

  T

Consecuentemente de las ecuaciones (6) y (18),


1
X (e j T ) 
T
X
k  
C ( j   j k S ) ………………………. (19)

o equivalentemente,
1 
  2k 
X (e j T ) 
T

k  
XC j  j
 T T 
 …………………….. (20)

De las ecuaciones (18)-(20) podemos observar que X(e j) es simplemente una versión escalada en la frecuencia de
XS(j) con el escalamiento en frecuencia especificado por =T. Este escalamiento puede ser pensado
alternativamente como una normalización del eje de la frecuencia de tal forma que la frecuencia =S, en XS(j) es
normalizada a =2 para X(ej).
El hecho de que exista un escalamiento en la frecuencia o normalización en la transformación de X S(j) a X(ej) es
directamente asociada con el hecho de que existe una normalización en el tiempo en la transformación de xS(t) a
x[n]. Específicamente, como se observa en la figura 2, xS(t) retiene un espaciamiento entre muestras igual al periodo
de muestreo T. En contraste, el “espaciamiento” de los valores de la secuencia x[n] es siempre unitario, por ejemplo,
el eje del tiempo es normalizado por un factor de T. Correspondientemente en el dominio de la frecuencia, el eje de la
frecuencia es normalizado por un factor de fS=1/T.
Hemos visto que una señal en tiempo continuo xC(t) puede ser representada por una señal en tiempo discreto que
consiste de una secuencia de muestras:
x[ n]  x c (nT )

Alternativamente, incluso si x[n] no fue obtenida originalmente mediante muestreo, podemos encontrar una señal en
tiempo continuo limitada en banda xr (t) cuyas muestras son x[n]=xC(nT).
Es a menudo necesario cambiar la tasa de muestreo de una señal en tiempo discreto, por ejemplo, para obtener una
nueva representación en tiempo discreto de la señal en tiempo continuo de la forma:

Donde T’T. Un acercamiento para la obtención de las secuencias x’[n] a partir de x[n] es reconstruir x C(t) a partir de
x[n] y entonces remuestrear xC(t) con un periodo T’ para obtener x’[n]. Frecuentemente este acercamiento no es
deseable debido al filtro de reconstrucción analógica no ideal, el convertidor D/A, y el convertidor A/D que debieran
ser usados en una implementación práctica. Por tanto, es de interés considerar métodos para cambiar la tasa de
muestreo que involucren únicamente operaciones en tiempo discreto.

MUESTREO DIGITAL

Muestreo teórico:

Sea la señal de banda limitada y paso-bajo (dominio del tiempo) cuyo espectro (dominio de la
frecuencia) es nulo para: . Sea también la onda:

El producto es una onda formada por deltas de peso igual a las muestras de :

Que dará lugar a otro tren de deltas:

La transformada de es la de repetida y centrada en cada armónico de la frecuencia de muestreo,

exceptuando el término constante o la función escala .

No se producirá solapamiento entre los espectros parciales de si se verifica que:

De la observación del espectro se deduce la posibilidad de recuperar simplemente pasando
por un filtro paso-bajo cuya frecuencia de corte cumpla la condición:

Teorema de Muestras:

Se considera la señal paso-bajo , que cumple: para , cuyo espectro se

representa en la figura.

Es posible establecer un desarrollo en Serie de Fourier de , limitado a del modo siguiente:

en dónde los coeficientes del desarrollo vienen dados por:

Ahora bien, si es la transformada inversa de :

de dónde se infiere una relación inmediata entre los y valores particulares de , concretamente:

Así pues, puede escribirse el espectro de en términos de las propias muestras

de sin más que sustituir los valores de dados en la ecuación anterior:

Para hallar los términos de bastará con calcular la transformada inversa, resultando así:

Obsérvese que éste resultado es consecuencia de la limitación de banda y que la operación de muestreo
aparece en el curso de la especificación de . De esta manera, se demuestra el denominado Teorema de
Muestras, el cual afirma que toda señal de banda limitada puede expresarse de modo único en función de

sus muestras o valores puntuales tomados a intervalos regulares . El valor de será tal que: ,
siendo la máxima frecuencia espectral de la señal.
Este teorema es igualmente válido, adaptando ciertas condiciones para muestreo no uniforme y por supuesto para
señales paso banda, dependiendo en éste caso de la frecuencia de muestreo de la anchura de banda de paso y de
la frecuencia central de la señal. Como corolario del teorema, se puede afirmar que dada la colección discreta de

valores existe una función y sólo una de banda limitada a que pasa por todos los puntos
dados y se construye mediante la última ecuación.

Muestreo práctico:

El Teorema de muestreo no impone ninguna exigencia en cuanto al modo de obtener las muestras, por lo que la
señal se podrá reconstruir a partir de algún método más susceptible de implementación práctica.

El muestreo práctico difiere del teórico en tres aspectos principales:

 La onda muestreadora está constituida por trenes de impulsos de duración no nula.

 Los filtros prácticos de reconstrucción no son ideales.
 Los mensajes a los que se aplica el teorema no están estrictamente limitados en banda, ni pueden, ya que
se trata de señales limitadas en el tiempo.

Clases de muestreo práctico

Sea un impulso arbitrario cualquiera , tal que: para (lo que evita que se solapen los
impulsos básicos) y sea la onda:

Una posible forma de transmitir las muestras es utilizar las muestras como amplitud del impulso m-
ésimo, centrado en el instante del muestreo, es decir, formar la señal:

que es un tren de impulsos, cada uno de los cuales viene afectado por un factor de escala ( peso oamplitud) igual al
valor instantáneo . La señal anterior constituye un ejemplo básico demuestreo práctico instantáneo.

En el caso del muestreo práctico natural, en vez de afectar a cada impulso con un valor instantáneo de se le
multiplica punto a punto por cada uno de los valores de en el intervalo de existencia, en otras palabras, se
forma el producto genérico . Sumando tales productos se obtiene este tipo de muestreo, que se puede
representar mediante la ecuación:

Muestreo práctico instantáneo

Muestreo práctico natural.

Se puede resumir el enunciado del Teorema contemplando señales y métodos de muestreo reales, del modo
siguiente: Si una señal ha sido filtrada en paso-bajo de modo que tiene componentes espectrales por encima
de , puede describirse adecuadamente para muchas aplicaciones mediante muestras instantáneas o de duración

no nula, separadas uniformemente en el tiempo por un intervalo .

Si se ha muestreado la señal al régimen de Nyquist o mayor y las muestras se representan mediante impulsos
periódicos cuya amplitud sea proporcional a sus valores, puede reconstruirse aproximadamente la señal a partir de
sus muestras mediante un filtraje paso-bajo.

USOS DEL MUESTREO DIGITAL:

 TELEVISION DIGITAL
 FIBRA OPTICA
 Voz sobre IP
 Audiofrecuencia
 Telefonía móvil
 HD DVD, audio de alta definición para DVD y BD-ROM (Blu-ray Disc).
 Televisión HD

CONCLUSIONES:
Actualmente la mayor parte del procesamiento de señales se realiza de forma digital. Esto significa que las señales
se transforman en números (valores discretos) y se manipulan mediante un ordenador (u otro sistema similar). Esta
manipulación, y por lo tanto modificación de los valores en la secuencia de números que definían a nuestra señal, es
lo que denominamos procesamiento de señales.

Cuando la señal ya es originalmente un conjunto de números, este proceso es natural. Sería el caso, por ejemplo,
del procesamiento de una fotografía capturada mediante una cámara digital y que nosotros decidimos retocar (filtrar,
realzar contraste, aplicar algún tipo de efecto artístico, etc.). El resultado de este procesamiento es otra foto digital de
salida más o menos cambiada respecto de la original.

Cuando la señal original no es un conjunto de valores discretos sino una variación continua a lo largo del tiempo, es
necesaria una transformación para obtener la señal en forma digital. Esta transformación se conoce como conversión
analógico - digital (A/D), que implica dos etapas: el muestreo y la cuantificación de la señal. El muestreo consiste en
tomar valores de la señal cada cierto tiempo, es decir, no considerar todo el tiempo de forma continua sino solamente
unas muestras equiespaciadas, con lo que el resultado es un conjunto finito de valores.

BIBLIOGRAFIA:
 http://ceres.ugr.es/~alumnos/luis/mycuan.htm
 https://w3.ual.es/~vruiz/Docencia/Apuntes/Signals/Sampling/index.html
 Tomasi Wayne, SISTEMAS DE COMUNICACIONES ELECTRÓNICAS, Pearson Education, México, 2003.
 Emilio Soria Olivas, Marcelino Martinez Sober, TRATAMIENTO DIGITAL DE SEÑALES, Pearson Alhambra,
España, 2004.