Trabajo práctico 1: Laboratorio 1

Pablo Becerra * Cristhoffer Klocker * Sebastián Matzner * Nicole Quiñones

* Universidad Austral de Chile, Facultad de Ciencias de la Ingeniería,

Instituto de Diseño y Métodos Industriales.
Abstracto: Se presenta en el siguiente informe tres problemas realizados en el software
Matlab correspondiente a ejercicios planteados en clases sobre tratamiento digital de
señales. El principal objetivo es conocer las diferencias existentes entre una señal
análoga y digital, y verificar la información entregada por cada una de ellas analizándolas
gráficamente. Además, se verifica de qué manera se afecta el comportamiento de las
señales al momento de sumarles un ruido uniforme o gaussiano de diferentes
intensidades, ya que, el ruido es capaz de distorsionar la información transmitida por la
señal senoidal.

1. INTRODUCCIÓN Con la finalidad de evitar el fenómeno de “aliasing” en el

Las señales análogas son comúnmente trasformadas a proceso de muestreo, se determina la frecuencia mínima
digitales para para facilitar su procesamiento. Incluso si de muestreo o frecuencia de Nyquist. La cual es de 2 Hz,
se llega a perturbar una señal digital es posible considerando que la frecuencia de la función a discretizar
reconstruirla. Sin embargo, tras el proceso de es de 1 Hz.
cuantificación llevado a cabo para la transformación de
Por lo que finalmente se utiliza una frecuencia de
análoga a digital la señal es diferente ya que se este
muestreo Fs de 48 Hz, o sea, 24 veces la frecuencia de
proceso nunca es 100% exacto. Este error de
Nyquist. Esto implica que, en el periodo de la señal, se
aproximación por la cuantificación se conoce como ruido
toman 48 medidas equidistantes.
y es añadido a la señal digital.
Se podría visualizar a la frecuencia de muestreo como la
2. DESARROLLO
cantidad de veces que se divide el eje x (tiempo) dentro
Ejercicio 1: A partir de una señal sinusoidal
de un periodo estimado.
x(t) = sin(2πt), generar una señal digital muestreada a
24 veces la frecuencia de Nyquist y cuantificada a 3 bits. En el siguiente paso, la cuantificación de la señal, se toma
Contrastar con una cuantificación a 12 bits. Para ambos el valor de la amplitud de esta señal análoga y se divide
casos determinar el error de cuantificación por con la exactitud ofrecida por cantidad indicada de bits
redondeo. señalados en el ejercicio (3 y 12 bits). De esta forma se
puede atribuir para cada valor de tiempo muestreado un
Planteamiento: Para el este ejercicio, se grafica un
valor aproximado de amplitud.
periodo de la señal análoga entregada (ver Ilustración 1)
para contrastar esta gráfica con la entregada por la señal
digital cuantificada a 3 y 12 bits.

Ilustración 2. Señal digital cuantificada a 3 y 12 bits.

Ilustración 1. Función de la señal sinusoidal.

En el proceso de cuantificación es posible trasformar una
señal análoga y continua (la función dada en nuestro
caso) a una aproximación discreta.

Primero se dividió la amplitud de la función de acuerdo a

la cantidad de bits (3 y 12), lo que corresponde a un
potencia de base 2 junto con sus respectivos exponentes
de 3 y 12 en cada caso. Esto se traduce en dividir la
amplitud de la función (o visto de otra forma dividir el eje
vertical o recorrido de la función) en 8 y 4096 veces
respectivamente.
Ilustración 3. Función de densidad de probabilidad
Una vez realizado el muestreo y la cuantificación se
puede reconstruir aproximadamente la función en una De la función de densidad uniforme se puede concluir
forma discreta. Además, se realiza el proceso de registrar que la probabilidad de un suceso depende
y cuantificar la diferencia que existe entre la exclusivamente de la amplitud del intervalo ‘x’ y no de su
aproximación del proceso de discretización y la función posición en la recta real [a,b]. cualquiera que sea la
real o “señal análoga”. distribución f de cierta variable x, la variable
transformada sigue una distribución uniforme en el
Ejercicio 2: Generar 2 tipos de ruidos: uniforme y intervalo (0,1).
Gaussiano de distinto largo. Calcular y graficar la
densidad de probabilidades para cada uno de los ruidos En la siguiente grafica se ilustra el ruido uniforme, donde
utilizando comandos básicos de Matlab/Scilab. sus amplitudes toman valores de entre 0 y 1.
Comparar con lo que entrega la función histograma de
Matlab/Scilab. Analizar cómo cambia la forma de la
distribución dependiendo del largo de la señal. A cada
una de las distribuciones ajustar manualmente una
función de distribución de probabilidad.

Planteamiento:

La distribución uniforme describe una variable aleatoria

continua ‘x’ con probabilidad constante definida en el
intervalo [a,b] de la recta real. Diremos que x tiene una
distribución uniforme en el intervalo [a,b] cuando su
función de densidad para 𝑥 → 𝑈[𝑎, 𝑏] sea: Ilustración 4. Ruido Uniforme

1 En la siguiente ilustración se encuentra representado el

𝑓(𝑥) = 𝑝𝑎𝑟𝑎 𝑥 𝜖 [𝑎. 𝑏] histograma correspondiente al ruido uniforme, en el cual
𝑏−𝑎
se muestra la frecuencia de cada dato.
La representación gráfica de la función densidad de
probabilidad de la distribución uniforme continua es:
 Ilustración 5. Histograma de ruido Uniforme
La ecuación de la distribución normal, o también llamada
distribución Gaussiana, presenta una función de
densidad de probabilidad que sigue la curva o campana
de Gauss. En la función, f(x) es la probabilidad de
distribución de la función, μ es la media y σ es la
desviación estándar.
1 −(𝑥−𝜇)2
𝑓(𝑥) = ∙𝑒 2𝜎
√2𝜋𝜎
En la siguiente grafica se ilustra la función de densidad
normal o gaussiana.
Ilustración 6. Función de distribución de probabilidad
Gaussiana
El Siguiente grafico representa el ruido Gaussiano, donde
la distribución de amplitudes sigue una distribución
Gaussiana, en amplitud positiva y en negativa,
Ilustración 7. Ruido Gaussiano
Posteriormente se grafica el histograma correspondiente
al ruido gaussiano, el cual representa la distribución
normal.
Ilustración 6. Histograma de ruido Gaussiano
Ejercicio 3: Generar una señal de corta duración 𝐹(𝑛)
definida por la función 𝐹 = 𝑠𝑖𝑛(𝑛). Luego añadir a la
señal F un ruido Gaussiano v(n) con el objetivo de
obtener la siguiente señal:
𝑅(𝑛) = 𝐹(𝑛) + 𝑣(𝑛)
Analizar qué es lo que ocurre con la señal F cuando se le
añade un ruido Gaussiano, cómo se ve alterada la señal a
medida que se varia la intensidad del ruido. ¿Qué ocurre
con un ruido uniforme?
Planteamiento: Para desarrollar el ejercicio 3 se
comienza graficando la función 𝐹 = 𝑠𝑖𝑛(𝑛) donde (𝑛) se
mueve de 0 a 2𝜋 asumiendo una corta duración con un
paso de 0.001, luego se grafica el ruido Gaussiano
abarcando la totalidad de (𝑛), con la finalidad de
comparar ambas graficas del mismo tamaño. Una vez
obtenidas ambas funciones se realiza la suma de estas
para obtener la función 𝑅(𝑛).
3. RESULTADOS
Al aplicar las rutinas adjuntadas a este informe para
generar la señal muestreada y cuantificada, se obtienen
lo siguiente: como era de esperar la cuantificación de 3
bits transforma la señal análoga pobremente (ver
Ilustración 7), esto quiere decir que no se aproxima
mucho.
 Ilustración 7. Cuantificación a 3 bits.
Por otro lado, la señal cuantificada a 12 bits representa
fielmente a la análoga, a simple vista y como se muestra
en la Ilustración 8 casi no se aprecia una diferencia
significativa.
Ilustración 8. Cuantificación a 12 bits.
Naturalmente, el error que genera la aproximación de la
cuantificación también es distinto en cada caso. Del
orden de 0.0551 para 3 bits y del orden de 9.75 ∗ 10−5
para los 12 bits de cuantificación. A todas luces la
reproducción más fiel de la señal es resultado de una
cuantificación con más bits.
Ilustración 9. Suma de señal y ruido Gaussiano.
En la Ilustración 9 se presentan las gráficas
correspondientes a la función de corta duración (𝐹(𝑛)),
luego el ruido gaussiano 𝑣(𝑛) y finalmente la suma de las
dos señales denominada 𝑅(𝑛).
Se puede apreciar que al sumar ambas graficas la señal
final asume un comportamiento intermedio entre ambas,
es decir, no corresponde a una señal senoidal ni a un
ruido gaussiano perfecto. Esto se debe a que el ruido es
capaz de distorsionar la información transmitida por la
señal senoidal.
 comienzan con amplitudes similares, pero que van
variando con respecto al tiempo, sin embargo, su máximo
y mínimo local se mantienen constantes y por lo tanto
semejantes en ambas gráficas.

4. CONCLUSIONES
De acuerdo con los resultados y ejercicios desarrollados
se pueden apreciar las siguientes conclusiones:

• En la primera parte se puede concluir que para

transformar una señal análoga a digital es mejor
utilizar más recursos en la cuantificación y el
muestreo para así reducir el error inherente a
este proceso. Se da por comprendido que la
ventaja de una cuantificación con muchos bits es
que transforma la señal de manera más exacta,
pero a su vez presenta la desventaja de consumir
más recursos y ser más complicada.
• Para el caso del histograma del ruido uniforme
Ilustración 10. Suma de señal y ruido Gaussiano amplificado. se concluye que a medida que aumenta la
cantidad de muestras, el histograma es cada vez
En la Ilustración 10 se puede apreciar que al tener el más parejo con respecto al eje abscisa, por lo
ruido Gaussiano con mayor intensidad al momento de tanto, se asemeja cada vez a la función de
sumar las dos funciones (F(n) + V(n)) no se aprecia distribución uniforme. Así mismo, el histograma
gran diferencia con respecto a la gráfica V(n), ya que la generado en función de la distribución normal
amplitud de F(n) es considerablemente menor. (Gaussiana) es cada vez más aproximado a la
campana de Gauss o función de densidad normal
a medida que aumenta el número de muestras-
• El ruido uniforme y gaussiano alteran de manera
semejante la señal, verificando que a medida que
aumenta el número de muestras la señal se ve
más perturbada la gráfica.
• Se puede transformar una señal de análoga a
digital, pero se conserva un porcentaje de error
• El ruido distorsiona o degrada una señal de
interés, es decir, la contamina, impide y limita el
estudio del uso de tal información.

Ilustración 11. Suma de señal y ruido uniforme.

En la Ilustración 11. Suma de señal y ruido uniforme.se

aprecia la suma entre un ruido uniforme y una señal
seno. De estas graficas se puede concluir que ambas