1.

Muestreo de Sistemas Continuos

1. Muestreo de Sistemas Continuos _________ 1

1.1. Secuencias_________________________________________________________ 4
1.2. Sistema Discreto____________________________________________________ 5
1.3. Ecuaciones en Diferencias____________________________________________ 6
1.4. Secuencia de Ponderación de un Sistema. _______________________________ 7
1.5. Estabilidad ________________________________________________________ 9
1.6. Respuesta en Frecuencia ____________________________________________ 10
1.7. Transformada de Fourier de una Secuencia ____________________________ 12
1.8. Teorema del Muestreo _____________________________________________ 13
1.9. Transformada de Laplace___________________________________________ 17
1.9.1. Transformada de Laplace de una Secuencia__________________________________ 18
1.10. Transformada en Z _______________________________________________ 19
1.11. Reconstrucción __________________________________________________ 21
1.11.1. Reconstrucción ideal___________________________________________________ 21
1.11.2. Bloqueadores ________________________________________________________ 23
1.12. Aparición de Frecuencias Espurias __________________________________ 24

1
 Un sistema muestreado es aquel que, partiendo de
una señal o magnitud analógica o continua es capaz de
generar una secuencia de valores discretos, separados a
intervalos de tiempo.

y(t) yk yr(t)
Rec
-

Ilustración 1-1 Generación de una Secuencia

Ilustración 1-2 Muestreo de una señal continua

Lo más común es muestrear con un período
constante T llamado período de muestreo.
2
 El muestreador y el conversor normalmente están
juntos en un mismo elemento.
El proceso no sufre alteración alguna y si éste era
continuo lo seguirá siendo.

y(t) yk uk+Tc u(t)

CAD Computador CDA B
- -
(mayor demora)

Ilustración 1-3 Controlador Digital

Ilustración 1-4 Muestreo de una señal continua

El bloqueador más usual es el bloqueador de orden
cero.

3
 1.1. Secuencias
El computador lee y genera secuencias de
números.
{u k}= {" u -3 , u -2 , u -1 , u 0 , u 1"} [1.1]

Suma
{u k} = {xk + v k} [1.2]

Producto por una constante

{ y k} = {m x k} [1.3]

Impulso y Escalón
forma siguiente:
{δ k}= {1,0,0,"}
[1.4]
{l k}= {1,1,1,"}

Ilustración 1-5 Secuencias Impulso y Escalón

4
 1.2. Sistema Discreto

{uk} {yk}
Sistema
Discreto

Ilustración 1-6 Sistema Discreto

Sumador

{ }
k
{ y k } = ∑u i [1.5]
i=1

Promediador

{ y k } =  ( u k-1 + u k + u k+1 ) 
1
[1.6]
3 

5
 1.3. Ecuaciones en Diferencias
t
1
x (t) =
TT
∫ ω (t) dt
0
[1.7]

k-1
1
x (kT) =
TT
∑ T ω (iT)
0
k
1
x ((k +1)T) =
TT
∑ T ω (iT)
0

T [1.8]
x ((k +1)T) - x (kT) = ω (kT)
TT
ecuación en diferencia:
T
x ((k +1)T) = x (kT) + ω (kT) [1.9]
TT
en general
x k + a 1 x k -1 + " + a n x k-n = b0 ω k + b1 ω k-1 +" + b m ω k-m [1.10]
Linealidad
{ u 1 } ⇒ { y 1 } ,{ u 2 } ⇒ { y 2 }
k k k k

{ α 1 u1 + α 2 u 2 } ⇒ { α 1 y 1 + α 2 y 2 }
[1.11]

k k k k

6
 1.4. Secuencia de Ponderación de un Sistema.
Vinculación de entrada y salida

{δ k} {gk}
Sistema
Discreto

Ilustración 1-7 Respuesta al Impulso

Si el sistema es causal se cumple,
gk = 0 ∀ k <0 [1.12]

∞
{ u k }= ∑ u n { δ k-n } [1.13]
n=- ∞

un valor de la secuencia en ese instante

Ejemplo
[1.14]
{ 2 , 3 , 5 }= 2 { 1 , 0 , 0 } + 3 { 0 , 1 ,0 }+ 5 { 0 , 0 , 1 }
= 2 { δ k } + 3 { δ k -1 } + 5 { δ k -2 }
∞ ∞
{ y k } = ∑ u i { g k -i } = ∑ g i { u k -i } [1.15]
i=- ∞ i=- ∞

Convolución discreta:

7
 { y k } = { g k }* { u k }
∞ ∞ [1.16]
y k = ∑ u i g k-i = ∑ g i u k -i
i=- ∞ i=- ∞

Secuencia de Ponderación
Sean las secuencias de ponderación y de entrada
de un sistema las siguientes
[1.17]
{ g k }= { 1 , 2 ,1 }
{ u k }= { 0 , 3 , 4 }
12

10

0
1 2 3 4 5 6

Ilustración 1-8 Ejemplo de secuencia de

ponderación

8
 ∞
y 0 = ∑ u 0-i g i = u 3 g -3 + u 2 g -2 + u 1 g -1 = 0
i=- ∞

y 1 = u 1-0 g 0 + u 1-1 g 1 + u 1-2 g 2 = 3

y 2 = u 2-0 g 0 + u 2-1 g 1 + u 2-2 g 2 = 4 + 3 . 2 = 10
[1.18]
y 3 = u 3-0 g 0 + u 3-1 g 1 + u 3-2 g 2 = 4 . 2 + 3 . 1 = 11
y 4 = u 4-0 g 0 + u 4-1 g 1 + u 4-2 g 2 = 4 . 1 = 4
y5 = 0
1.5. Estabilidad
Se dice que un sistema discreto es estable si ∀
secuencia de entrada acotada, la salida lo es.
[1.19]
∞
y k = ∑ g i u k-i
i=- ∞
∞ ∞
yk = ∑g
i=- ∞
i u k-i ≤ ∑ g i
i=- ∞
u k-i

si uk es acotada se verifica
[1.20]
uk ≤ c ∀ k
∞
yk ≤ c ∑ gi
i=- ∞

condición para que yk sea acotada es que

9
 ∞  a ) {g i } acotada
∑ g i < ∞ sii  [1.21]
i=- ∞ b) lim
i →∞
gi = 0

1.6. Respuesta en Frecuencia

Sistema con { g k }
entrada
{ u k }= { e jkω } [1.22]

salida
[1.23]
∞
y k = ∑ g i e jω (k -i)
i=- ∞
∞
yk = e jω k
∑ i
g
i=- ∞
e
-jω i

(la última sumatoria es independiente de k)

 ∞
-jω i 
{ y k }=  ∑ g ie  { e
jω k
} [1.24]
 i=- ∞ 
respuesta en frecuencia
∞
G( ω ) = ∑ g i e -jω i [1.25]
i=- ∞

G es periódica con respecto a ω = 2π

{ y k } = G( ω ) { e jω k } [1.26]

10
 G es el desarrollo en serie de Fourier (según
[1.23]) por lo tanto los coeficientes serán:
π
1
∫ ω dω
jω k
gk = G( ) e [1.27]
2π -π

Ejemplo 1. Pasa Bajos.

1 ω < ω c
G( ω ) =  [1.28]
0 ω c < ω ≤ π
ωc
1 1
∫e dω =
jω k
gk = sen (k ω c ) [1.29]
2π -ω c
kπ
es no causal

11
 1.7. Transformada de Fourier de una Secuencia
[1.30]
n ∞
χ k( ω ) = lim ∑ x i e -jω i = ∑ x i e -jω i
n →∞
i=-n i=- ∞
π
1
xk =
2π ∫
-π
χ ( ω ) e jω k d ω

para que χ exista debe ser

∞

∑
i=- ∞
xi < ∞ [1.31]

∞
y k = ∑ g k −i u i [1.32]
i=- ∞

∞ ∞
 ∞

∑
k=- ∞
yk e -jω k
= ∑
k=- ∞
e
-jω k


∑ k −i i 
i=- ∞
g u
∞ ∞
= ∑ ∑e ω
k=- ∞ i=- ∞
-j k
g k −i u i
[1.33]
 ∞ -jωi   ∞

=  ∑ e ui   ∑ e
-jω (k −i)
g k −i 
 i=- ∞  k=- ∞ 
el último [] va desde −∞ a +∞ por lo que es
independiente de i
(i-k = k)
Υ ( ω ) = G( ω ) U( ω ) [1.34]

12
 1.8. Teorema del Muestreo
Una señal continua con espectro en frecuencia
nulo fuera del intervalo[ −ω0 , ω 0 ] es reconstruible
totalmente si se la muestrea con una frecuencia
ω s > 2ω 0 . La reconstrucción se obtiene mediante el
siguiente cálculo:
∞ sen (ω s ( t − kT ) 2 )
f (t ) = ∑ f ( kT ) (ω ( t − kT ) 2 )
k =−∞
[1.35]
s

- Demostración
La transformada de Fourier y la antitransformada
de la función continua son:
∞
F (ω ) = ∫ e − jω t f ( t ) dt [1.36]
−∞

1 ∞ jω t
f (t ) = e F (ω ) d ω
2π ∫−∞
[1.37]

la transformada de Fourier discreta de la secuencia

{ f k = f ( kT )} es
∞
Fs (ω ) = ∑ fk
e jω k

k =−∞
[1.38]

y su antitransformada
1 π
f k = f ( kT ) = ∫π e jω k Fs (ω ) d ω [1.39]
2π −

13
 f ( kT ) tiene dos formas de calcularse, de acuerdo
a [1.37] y a [1.39].
La [1.37] se puede integrar por partes
∞ ( 2 r +1)π
1 ∞ 1
f ( kT ) =
2π ∫−∞
e jω kT
F (ω ) d ω =
2π
∑ ∫(
r =−∞
T
2 r −1)π e jω kT F (ω ) d ω
T
[1.40]

Ω + 2π r
cambio de variable:ω =
T
Ω frecuencia relativa al período de muestreo
( 2 r +1)π Ω+ 2π r
1 ∞ j kT  Ω + 2π r   Ω + 2π r 
f ( kT ) =
2π
∑∫
r =−∞
T
( 2 r −1)π e T
F
 T
d 
  T


T
[1.41]

1 ∞
1 π j( Ω+2π r )k  Ω + 2π r 
f ( kT ) =
2π
∑
r =−∞ T
∫− π
e F
 T
 dΩ

[1.42]

nota: e j 2π rk = 1
1 ∞
1 π jΩk  Ω + 2π r 
f ( kT ) =
2π
∑
r =−∞ T ∫−π
e F
 T
 dΩ

[1.43]

1 π 1 ∞ jΩk  Ω + 2π r 
fk =
2π ∫−π T r∑
=−∞
e F
 T
 dΩ

[1.44]

comparar [1.44] con [1.39].

Relación entre la Transformada de Fourier
discreta y continua:

14
 1 ∞  Ω + 2π r 
Fs (ω ) = ∑ F   [1.45]
T r =−∞  T 
2π
o, dado que T =
ωs
1 ∞  2π r  1 ∞
Fs (ω ) = ∑ F  ω +  = ∑ F (ω + ω s r ) [1.46]
T r =−∞  T  T r =−∞
Si la frecuencia de muestreo es mayor a dos veces
la máxima frecuencia para la cual la Transformada de
Fourier es no nula, la Transformada de la señal
muestreada será una repetición infinita del lóbulo de la
transformada continua.
Tomando una parte de esta transformada se puede
reconstruir exactamente la señal continua, excepto un
factor de escala 1 .
T

Fs(ω)

F(ω) Fs(ω)

1 1/T 1/T

ωs ωc ω 2ωs
ω ωc ω s ω

ωc −π/T=ωs/2 π/T=ωs/2 3ωs/2 −π/T=ωs/2 π/T=ωs/2

Ilustración 1-9: Transformada de Fourier Continua,

Transformada de Fourier de la señal muestreada con
frecuencia superior e inferior a la de corte.
ω s 2 = ω N Frecuencia de Nyquist.

15
El reconstructor de la ecuación [1.35] es no causal
1

0.8

0.6

0.4

T
0.2

-0.2

-0.4
-50 0 50

Ilustración 1-10 Respuesta impulsional del

reconstructor ideal

16
 1.9. Transformada de Laplace
La Transformada de Laplace de una función
continua se define como
∞
X( s ) = Ls {x(t)} = ∫ x(t) e -stdt
0 [1.47]

s =σ + j ω
Transformada de un impulso

Ls {δ ( t )} = ∫ δ ( t ) e -stdt = 1
∞
[1.48]
0

y de un impulso desplazado en un tiempo Tk

Ls {δ ( t − kT )} = e -skT [1.49]

17
 1.9.1. Transformada de Laplace de una
Secuencia
Secuencia {xk }, muestreo de una señal continua,
se puede escribir como una sumatoria de impulsos
modulados por los elementos de la secuencia,
∞
xk = ∑ x kT δ (t - kT) [1.50]
k=0

se define su transformada de Laplace como

∞
Ls ( s ) = ∑ x kT e − kTs [1.51]
k=0

es periódica respecto de s con período ω = 2π T

Todas las singularides se repiten.

3π/Τ

2π/Τ
1
π/Τ

Ilustración 1-11 Transformada de Laplace

Discreta

18
 1.10. Transformada en Z
Solo se define para secuencias
∞
Z ({xk }) = X ( z ) = ∑xz k
−k
[1.52]
k=−∞

donde z es una variable compleja.

La Transformada en Z de la secuencia impulso es
{δ k } = {1,0,0,"} [1.53]

∆(z) = 1 [1.54]

de una secuencia
{xk } = {1, a, a 2 ,"} [1.55]

∞ ∞

∑a z ∑ ( az −1 )
k
X (z) = k −k
= [1.56]
k=−∞ k=−∞

que converge para z > a y en cuyo caso la

sumatoria resulta
1
X (z) = [1.57]
1 − az −1

19
- Propiedades
Linealidad:
Z ( af + bg ) = aZ ( f ) + bZ ( g ) [1.58]

Desplazamiento
Z ( q−d f ) = z −d Z ( f ) [1.59]

Valor Inicial
lim ( f k ) = lim Z ( f ) [1.60]
k →0 z →∞

Valor Final
lim ( f k ) = lim (1 − z −1 ) Z ( f ) [1.61]
k →∞ z →1

si (1 − z −1 ) Z ( f ) no tiene ningún polo fuera del

círculo unidad.

20
 1.11. Reconstrucción
¿Es posible reconstruir la señal continua una vez
muestreada?

y(t) yk yr(t)
Rec
-

Ilustración 1-12 Proceso de Reconstrucción

1.11.1. Reconstrucción ideal
La reconstrucción se hace con el siguiente proceso
∞ sen (ω s ( t − kT ) 2 )
fr (t ) = ∑ f ( kT ) (ω ( t − kT ) 2 )
k =−∞
[1.62]
s

es no causal

21
 1.2

0.8

0.6

0.4

0.2

-0.2

-0.4
-10 -5 0 5 10

Ilustración 1-13 Reconstrucción ideal de una señal

La reconstrucción anterior no es útil para
aplicaciones en control.

22
 1.11.2. Bloqueadores
El más usual es el bloqueador de orden cero
1.5

0.5

-0.5

-1

-1.5
0 1 2 3 4 5

Ilustración 1-14 Reconstrucción con Bloqueador

de Orden Cero
Otro bloqueador causal:
1.5

0.5

-0.5

-1

-1.5

-2

-2.5

-3
0 0.2 0.4 0.6 0.8 1

Ilustración 1-15 Bloqueador de Orden Uno

no necesariamente tiene menor error que el
bloqueador de orden cero.

23
1.12. Aparición de Frecuencias Espurias
1

0.8

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.2 0.4 0.6 0.8 1

Ilustración 1-16 Aparición de frecuencias espurias

Posible solución:
incrementar la frecuencia de muestreo
1) raíces de los polinomios tenderán todas a 1,
errores numéricos
2) puede ser que no sea lo suficientemente alta con
respecto a alguna perturbación
frecuencias alias, la única forma de evitarlas es
filtrar la señal antes del muestreo.

24