Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4 Cuantificación
x[n] = xc (nT ), n ∈ Z,
La clave es asegurar que las muestras x[n] con n ∈ Z provee la misma información
que la señal original xc (t) o lo que es lo mismo, si es posible reconstruir xc (t) con
solamente los valores x[n]. Sorprendentemente esto es cierto para una clase
particular pero bastante amplia de señales de tiempo continuo!!
Conversor de tren de
impulsos a secuencia de
tiempo discreto
∞
X
p(t) = δ(t − nT )
n=−∞
1
Xp (jω) = Xc (jω) ∗ P (jω)
2π
Sabemos que:
∞
2π X
P (jω) = δ(ω − kωs )
T k=−∞
donde ωs = 2π
T
es la frecuencia de muestreo o frecuencia de sampling. Es claro
entonces que podemos escribir:
∞
1 X
Xp (jω) = Xc (j(ω − kωs ))
T k=−∞
Vemos que si Xc (jω) = 0 para |ω| > W y si 2W < ωs las replicas no se solapan!!
Vemos que aunque Xc (jω) = 0 para |ω| > W si 2W ≥ ωs las replicas se solapan!!.
Existe aliasing!! Si xc (t) no fuera de banda limitada, las replicas se solaparı́an
para cualquier elecciónd de ωs !!
Es claro que:
∞
1 X
Xp (jω)Hr (jω) = Xc (j(ω − kωs ))Hr (jω) = Xc (jω)
T k=−∞
∞
X ∞
X
xp (t) = xc (nT )δ(t − nT ) = x[n]δ(t − nT )
n=−∞ n=−∞
De esta forma es claro que xp (t) y x[n] = xc (nT ) son equivalentes y contienen la
misma información ya que a partir de la secuencia x[n] puedo volver a generar la
señal xp (t) generando impulsos equiespaciados en T con peso x[n]!!
Teorema (Whittaker-Kotelnikov-Nyquist-Shannon)
Sea xc (t) una señal de banda limitada que cumple:
Xc (jω) = 0 |ω| ≥ W
∞
X
Xp (jω) = x[n]e−jωT n
n=−∞
Vemos entonces que Xp (jω) = X(ejΩ ) = X(ejωT ). De esta forma,
Ω=ωT
∞
1 X
X(ejωT ) = Xp (jω) = Xc (j(ω − kωs ))
T k=−∞
Ω
ω=
T
Conversor de secuencia
de tiempo discreto a
tren de impulsos
P∞
Tenemos entonces que xp (t) = n=−∞ x[n]δ(t − nT ). De esta forma podemos
escribir:
∞
X
xr (t) = x[n]hr (t − nT )
n=−∞
Dado que
T |ω| ≤ ωc
Hr (jω) =
0 |ω| > ωc
con W ≤ ωc ≤ ωs − W es fácil verificar que:
T ωc ωc t
hr (t) = sinc
π π
Señales y Sistemas (66.74 y 86.05) Muestreo e interpolación 15/60
Muestreo y reconstrucción XIII
De esta forma podemos escribir:
∞
X ωc T ω
c
xr (t) = x[n] sinc (t − nT )
n=−∞
π π
Notar que hr (0) = 1 y que hr (nT ) = 0 para n = ±1, ±2, . . . . De esta forma es
claro que:
xr (mT ) = xc (mT )
0.8
0.6
0.4
0.2
−0.2
−3 −2 −1 0 1 2 3
0.7
0.6
Amplitud
0.5
0.4
0.3
0.2
0.1
0
−10 −5 0 5 10
ω
ωs = 10
1
Interpolador de banda limitada
0.9 Retenedor de orden cero
Retenedor de orden 1
0.8 Retenedor de orden 2
Retenedor de orden 3
0.7
0.6
Amplitud
0.5
0.4
0.3
0.2
0.1
0
−20 −15 −10 −5 0 5 10 15 20
ω
ωs = 10
Conversor de tren de
Procesamiento
Conversor de secuencia
impulsos a secuencia de en tiempo de tiempo discreto a
tiempo discreto tren de impulsos
discreto
Dado que el sistema será LTI, lo podemos representar con su repuesta al impulso o
lo que es lo mismo con su respuesta en frecuencia:
para el caso en el que no hay aliasing. De esta forma la señal y[n] a la salida del
sistema de procesamiento discreto se puede escribir como:
1 Ω
Y ejΩ = Hd ejΩ X ejΩ = Hd ejΩ Xc j Ω ∈ [−π, π)
T T
Hd (ejωT )
|ω| < ωc
Hc (jω) = (1)
0 |ω| > ωc
Ω
ω=
T
1
Hc (jω) = Hd (ejωT )Hr (jω)
T
ejωT /2
(
ωs
|ω| <
Hd (ejωT ) = sinc( ωT
2π )
2
ωs
0 |ω| > 2
1.8 2
1.6 1
arg H(ejΩ)
|H(ejΩ)|
1.4 0
1.2 −1
1 −2
−3
0.8
−3 −2 −1 0 1 2 3 −3 −2 −1 0 1 2 3
Ω Ω
Hc (jω) = e−jω∆
Dado que la señal a procesar será de banda limitada W y asumiendo que el filtro
Hr (jω) es un pasabajo ideal con frecuencia de corte W < ωc < ωs − W y ganancia
T tenemos que la respuesta en frecuencia de tiempo continuo deseada la podemos
escribir como: −jω∆
e |ω| < ωc
Hc (jω) =
0 |ω| > ωc
1
Como Hc (jω) = T
Hd (ejωT )Hr (jω) tenemos que:
e−jω∆
|ω| < ωc
Hd (ejωT ) =
0 |ω| > ωc
e−jΩ∆/T
|Ω| < ωc T
Hd (ejΩ ) =
0 |Ω| > ωc T
Es claro que y[n] son las muestras de yc (t) tomadas a una tasa T . Entonces:
1 ∆
y[n] = sinc n −
T T
Cómo harı́a para implementar un filtro pasa-bajos en tiempo continuo con una
determinada ωc usando este enfoque? Y un filtro pasa-altos??
Señales y Sistemas (66.74 y 86.05) Muestreo e interpolación 29/60
Muestreo en tiempo discreto I
Hasta el momento hemos considerado el muestreo de señales de tiempo continuo.
Pero también podemos considerar el muestreo de señales de tiempo discreto.
El muestreo de señales de tiempo discreto obedece a los mismos principios que las
señales de tiempo continuo y las ideas de fondo son básicamente las mismas!!
∞
X
xp [n] = x[n]p[n] = x[kN ]δ[n − kN ]
k=−∞
P∞
donde p[n] = k=−∞ δ[n − kN ]. Entonces en el dominio de la frecuencia:
1
Z π 1
Z 2π
Xp ejω = P ejθ X ej(ω−θ) dθ = P ejθ X ej(ω−θ) dθ
2π −π 2π 0
∞
2π X
P ejω =
δ (ω − kωs )
N k=−∞
2π
donde ωs = N
es la frecuencia de muestreo.
1
Z 2π
Xp ejω P ejθ X ej(ω−θ) dθ
=
2π 0
Z 2π ∞
1 X 2πk
= δ θ− X ej(ω−θ) dθ
N 0 k=−∞
N
∞ Z 2π
1 X 2πk
= δ θ− X ej(ω−θ) dθ
N k=−∞ 0 N
Notar que sólo los impulsos con 0 ≤ k < N quedan dentro del intervalo [0, 2π).
Entonces:
N −1 Z
1 X 2π
2π
Xp ejω X ej(ω−θ) dθ
= δ θ−
N k=0 0 N
N −1
1 X 2πk
= X ej (ω− N )
N k=0
N −1
1 X
= X ej(ω−kωs ) , ω ∈ [−π, π)
N k=0
Supongamos que X ejω = 0 para |ω| > W y si 2W < ωs . Sea Hr ejω un filtro
pasabajos ideal con frecuencia de corte W ≤ ωc ≤ ωs − W y ganancia N .
Es claro que:
N −1
1 X
Xp ejω Hr ejω = X ej(ω−kωs ) Hr ejω = X ejω
N k=0
La señal x[n] queda determinada en forma única por las muestras x[nN ], n ∈ Z si
la tasa de muestreo N satisface:
2π π
ωs = > 2W, N <
N W
Cuando en lugar del filtro pasa-bajos ideal usamos otro filtro reconstructor
tenemos: ∞
X
xr [n] = x[kN ]hr [n − kN ]
k=−∞
Podemos escribir:
∞
X ∞
X
Xd ejω = xd [n]e−jωn = x[nN ]e−jωn
n=−∞ n=−∞
k
Sea k = nN , o lo que es lo mismo n = N
entonces podemos escribir:
X ∞
X
Xd ejω = x[k]e−jωk/N = xp [k]e−jωk/N
k:múltiplos de N k=−∞
ya que xp [k] vale cero para valores de k que no son múltiplos d eN . Entonces:
ω
Xd ejω = Xp ej N
Y finalmente:
N −1
1 X ω 2πk
Xd ejω = X ej ( N − N )
N k=0
La salida del expansor (el dispositivo que agrega ceros) es tal que su transformada
de Fourier es la transformada de la entrada con una compresión en el eje de la
frecuencia por un factor L!!
ωc L sin (ωc n)
hr [n] =
π ωc n
Es claro que:
hr [0] = 1
hr [kL] = 0, k ∈ Z
Si x[n] proviene del muestreo (sin aliasing) de una señal de banda limitada en
tiempo continuo xc (t), tenemos que:
T
xi [n] = xc n , n = 0, ±L, ±2L, . . .
L
Si x[n] proviene del muestreo sin aliasing de una señal xc (t) tenemos que la
operación de expansión seguida de un filtrado pasa-bajos adecuado es equivalente
a un muestreo de la señal xc (t) a una
frecuencia Lωs !! Del análisis en la frecuencia
hecho tenemos que xi [n] = xc n T
L
para todo n ∈ Z!!
Ası́ como en un conversor D/A podı́amos usar otros filtros interpoladores además
del interpolador de banda limitada, aquı́ también podemos analizar la
implementación de otros filtros interpoladores en el expansor!!
Conversor de tren de
impulsos a secuencia de
tiempo discreto
Vemos entonces que la acción de un conversor A/D real se puede modelizar como
la modulación por un tren de impulsos seguida de un filtrado por el retenedor de
orden cero!!
∆ ∆
− < e[n] ≤
2 2
siempre y cuando
∆ ∆
−XM − < x[n] ≤ XM −
2 2
Si x[n] queda fuera de este intervalo, el cuantizador truncará la salida y el error
e[n] no necesariamente cumplirá que − ∆ 2
< e[n] ≤ ∆
2
Suponiendo que e[n] es
conocido, podemos escribir:
Por esta razón utilizaremos un modelo estadı́stico para modelar los errores. El
mismo partirá de los siguiente supuestos:
La secuencia del error e[n] es una secuencia de variables aleatorias,
independientes, idénticamente distribuı́das y con media cero.
La secuencia del error e[n] es estadı́sticamente independiente de la señal de
entrada x[n].
Para cada n ∈ Z, e[n] está distribuida en forma uniforme sobre el intervalo
[− ∆ , ∆ ) (no hay clipping o truncamiento).
2 2
Aunque hay señales donde estas hipótesis no son ciertas (por ejemplo
x[n] = A ∀n ∈ Z). Sin embargo, como las señales del mundo real tienen
aleatoriedad estas hipótesis son bastante acertadas (especialmente si ∆ << 1)!!
XM
Pero usando que ∆ = 2B
tenemos:
2
XM
σe2 = 2−2B
12
Dado que x̂[n] = x[n] + e[n], vemos que la señal original x[n] está contaminada por
el ruido e[n]. Una medida útil, que mide la degradación que el ruido introduce en
la señal de interés es la relación señal-ruido (SNR):
σx2
SNR = 10 log10
σe2
Observamos lo siguiente:
Por cada bit extra que nuestro conversor puede entregar tenemos que la
SNR aumenta 6 dB.
Cuanto más pequeña es σx con respecto al rango dinámico del conversor
XM mayor es la penalidad en SNR que debemos pagar.
Sin embargo, tampoco es conveniente aumentar mucho σx con respecto a
XM . Por qué??
Por ejemplo para obtener una SNR del orden de 100 dB, que es algo usual para
audio de alta calidad tenemos que se necesita un conversor que proporcione una
cuantificación de 16 bits!! Sin embargo hay que tener en cuenta que dicho nivel de
SNR se alcanzará solamente si la amplitud de la señal de entrada se acondiciona
adecuadamente al rango dinámico del conversor!!
Lectura obligatoria
Reconstrucción de una señal usando interpolación (Oppenheim and Willsky,
Sección 7.2).
El efecto del submuestreo (Oppenheim and Willsly, Sección 7.3).
Procesado en tiempo discreto de señales en tiempo continuo (Oppenheim
and Schafer, Sección 4.4).
Procesado digital de señales analógicas (Oppenheim and Schafer, Sección
4.8).
Lectura optativa
Tratamiento de señales multitasa (Oppenheim and Schafer, Sección 4.7).
Sobremuestreo y conformación de ruido en la conversión A/D y D/A
(Oppenheim and Shafer, Sección 4.9)
1 Ejercicios 4.5, 4.8, 4.9, 4.12, 4.15, 4.19, 4.20, 4.22 de Oppenheim and Schafer.
2 Ejercicios 4.31, 4.35, 4.37, 4.38, 4.43, 4.44, 4.56, 4.57, 4.59 de Oppenheim and Schafer.
3 Ejercicio 4.53 de Oppenheim and Schaffer.
4 Ejercicio 7.21, 7.23, 7.24, 7.26, 7.27, 7.28, 7.29, 7.31, 7.37, 7.38 de Oppenheim and
Willsky
5 Ejercicio 7.41, 7.42, 7.43, 7.44, 7.50, 7.51, 7.52 de Oppenheim and Willsky.