Sí la señal se muestrea a s=90Hz, solamente

Ejercicio 2 el último término sufre del fenómeno de

alias porque se toman muy pocas muestras
Siendo 𝑥(𝑡) = 9 𝑠𝑒𝑛(2𝜋 𝑡) + con respecto a la frecuencia de la señal.
3 𝑠𝑒𝑛(20𝜋 𝑡) + 7 𝑠𝑒𝑛(1024 𝜋 𝑡) Resuelva: Componente f_0 (Hz) Fenómeno de
alias
9sen(2π t) 1Hz No. s>2f_0
Encuentre las frecuencias 𝒇𝟎𝒏 de cada 3sen(20π t) 10Hz No. s>2f_0
una de las componentes de la señal 𝒙(𝒕) 7sen(1024π t) 512Hz Sí. s<2f_0
9sen (2π t)

w=2πf

f=2π/2π=1Hz Ejercicio 2:

3sen (20π t) Siendo la señal muestreada:

w=2πf 𝑥[𝑛] = {0.2,0.5,0.5,0.8,1.0,1.5,1.5,0.7}

f=20π/2π=10Hz

La señal cuantizada:

7sen (1024π t) 𝑥𝑄 [𝑛] = {0,0.5,0.8,1.0,1.0,1.5,1.8,2.0}

w=2πf
f=1024π/2π=512Hz Y la señal de error:

Si la señal 𝑥(𝑡) tiene una frecuencia de 𝑒[𝑛] = {0.2,0, −0.3, −0.2,0,0, −0.3, −1.3}

muestreo 𝑆 = 90𝐻𝑧 y se desea realizar la Primero hallamos la potencia de la señal usando la

reconstrucción de la señal, identifique si las
componentes senoidales no sufren fenómeno
de alias, y si alguna de ellas lo sufre, indique
cuál y por qué.
siguiente ecuación
P_s=1/N ∑_(n=0)^(N-1)x^2 [n]
Procedemos a calcular Ps reemplazando los valores
de la sumatoria
N=número de muestras de la señal.
P_s=1/8 ∑_(n=0)^(8-1) x^2 [n]=1/8 ∑_(n=0)^7x^2
[n]

Ahora reemplazando los valores de la señal de

entrada en la sumatoria
P_s=1/8[(0.2)^2+(0.5)^2+(0.5)^2+(0.8)^2+(1)^2+(1. información veraz para la organización de
5)^2+(1.5)^2+(0.7)^2 ]
P_s=1/8[0.04+0.25+0.25+0.64+1+2.25+2.25+0.49]
información sobre temas concretos.
P_s=1/8 [7,17]=7,17/8=0,89
JUSTIFICACIÓN PRELIMINAR DEL
Ahora procedemos a calcular la potencia de ruido a
partir de la siguiente formula: PROBLEMA
P_N=1/N ∑_(n=0)^(N-1) e^2 [n]
Se da como fuente de respuesta el método de
Al igual que con la potencia de la señal se deben
reemplazar los valores de la secuencia, pero esta vez investigación individual para dar relación y
se usan los valores de la señal de error solución a las preguntas que tienen que ver
P_N=1/8[∑_(n=0)^(8-1) e^2 [n]=1/8 ∑_(n=0)^7 e^2 con las temáticas propuestas por el tutor para
[n] así dar solución a las preguntas
e[n]={0.2,0,-0.3,-0,2,0,0,-0.3,-1.3}
P_N=1/8[(0.2)^2+(0)^2+(-0.3)^2+(-
0.2)^2+(0)^2+(0)^2+(-0.3)^2+(-1.3)^2 ] OBJETIVOS
P_N=1/8[(0.04+0+0,09+0,04+0+0+0,09+1,69]
P_N=1/8[(1,95]=1,95/8=0,24 Objetivo general
Ahora podemos a calcular la señal a ruido cuantizada
con la siguiente formula
SNR_Q [dB]=10 log⁡[P_s/P_N ]=10 Ser oportuno en el método de participación
log⁡[0,89/0,24]=5,69 dB
con el fin de tener una interacción por medio
de la plataforma con el fin de resolver lo
Halle la relación señal a ruido de
cuantización 𝑆𝑁𝑅𝑄 propuesto en la rúbrica para así tener un
concepto firme y conciso acerca de las
temáticas que se proponen
Conocer y entender el funcionamiento y los
tipos de convertidores DC/AC, también
llamados inversores, con el fin de diseñar
dispositivos semiconductores de
conmutación y transformación útiles en
diversos campos.

DEFINICIÓN DEL TEMA

Competencia Disciplinar: Conoce y utiliza

los conceptos básicos para la búsqueda de
Objetivos específicos
Dar respuesta por medio de la investigación
individual y las lecturas que se hacen para
poder tener un concepto claro sobre las
pautas que se plantean en la rubrica
Desarrollo de actividad
Cada estudiante responderá las siguientes
seis (6) preguntas:
¿Qué es una señal muestreada?
La base del muestreo de señales es que una
señal de tiempo continuo x(t) puede
representarse mediante una secuencia de
muestra x[n] con valores x[nT]. Para el
procedimiento de muestreo se supondrá que
x[n] se obtiene a partir de x(t) muestreando
periódicamente a una frecuencia
Cuando se muestrea una señal, lo que se
desea es una representación “completa”, lo
cual implica que la forma de la onda x(t) se
puede recuperar mediante un proceso
conocido como interpolación. Esto quiere
decir, que para propósitos prácticos, la
forma de onda de la señal de tiempo
continuo se puede reproducir “uniendo los
puntos”, mediante una curva suave, en una
gráfica de las muestras. En la práctica, la
selección de la frecuencia de muestreo para
una señal particular depende de cuán
rápidamente cambia la señal con e tiempo.
Por ejemplo, para una señal que contenga
componentes de hasta alrededor de 1 MHz,
el espaciamiento entre muestras será
generalmente menor que un microsegundo,
mientras que para una señal que varíe en una
escala de tiempo de minutos podría ser
suficiente un espaciamiento de varios
segundos. Si la frecuencia de muestreo se
selecciona en forma correcta, entonces
siempre será posible recuperar la forma de
onda de la señal mediante interpolación. De
manera, si se selecciona una frecuencia de
muestreo demasiada baja, se perderá
información vital acerca de las partes de la
señal que cambian rápidamente. Por tanto,
cuando se interpolan las muestras, no se
podrá confiar en el resultado ya que éste
siempre indicará que la señal tiene un
contenido frecuencial menor que el original.
. ¿Qué es una señal cuantizada?
El proceso de cuantificación digital es
posterior a la etapa de muestreo en la que se
toman valores de amplitud de una
determinada señal analógica. El objetivo de
este proceso es cuantificar con bits éstos
valores, mediante la asignación de niveles.
En esta etapa se le asigna un valor a la
muestra pero no es digital. En este punto se
decide si el valor de la muestra está, por
aproximación, dentro del margen de niveles
previamente fijados y se le asigna un valor
preestablecido según el código utilizado en
la codificación.
¿Cuál es el fenómeno llamado Alias o
Aliasing?
Este concepto lo escuché la primera vez en
la clase de ASD (Análisis de Sistemas
Digitales). Era una de las pocas asignaturas
que me gustaban, aunque, fácil no era jeje.
Quiero hablarte de este fenómeno por que
estoy seguro de que lo has presenciado
alguna vez…muchas más veces de lo que te
imaginas. Y seguro, te va a resultar curioso
🙂 24,000 kHz = 12,000 kHz
El aliasing suele aparecer en diferentes
lugares de la naturaleza y de la ingeniería.
En la naturaleza, este fenómeno puede
aparecer: en el aleteo de una mosca, en el las
aspas de un ventilador o en las llantas de un
coche cuando están girando.
Estos son algunos ejemplos que puedes
observar en tu día a día y que a lo mejor no
te habías percatado.
Y en la Ingeniería suele aparecer, sobre
todo, en el procesado de la señal de audio y
video, fotografía, etc.
¿Qué indica el teorema de muestreo de
Nyquist?
El teorema de muestreo Interactúa
activamente con un entorno con dinámica
conocida en relación con sus entradas,
salidas y restricciones temporales, para darle
un correcto funcionamiento). Dicho de otro
modo, desde el punto de vista del teorema,
las muestras discretas de una señal son
valores exactos que aún no han sufrido
redondeo o truncamiento alguno sobre una
precisión determinada, esto es, aún no han
sido cuantifica das. El teorema demuestra
que la reconstrucción exacta de una
señal periódica continua en banda base a
partir de sus muestras, como por ejemplo:
Razón de muestreo/ Frecuencia de Nyquist
22,050 kHz = 11,025 kHz
30,000 kHz = 15,000 kHz
44,100 kHz = 22,050 kHz
48,000 kHz = 24,000 kHz
¿Qué realiza la transformada de Fourier?
Es una transformación de una función del
tiempo en otra función de la frecuencia.
También se dice que la función original está
en el ‘dominio del tiempo’ y la transformada
la pasa al ‘dominio de la frecuencia’.
Recordemos que el “dominio” de una
función es el conjunto de valores que puede
tomar la variable en el conjunto origen.
Cuando es el ‘dominio del tiempo’ los
valores serán valores de tiempo (ej: 2
segundos, 7 segundos, etc)… Cuando se
habla de ‘dominio de la frecuencia’ los
valores son valores de frecuencia (ej: 7
radianes por segundo, 100*PI radianes por
segundo, etc).
Es decir, dada una función que te dice Londresen ambos dominios, del tiempo y de
cuánto hay de una cantidad en cada instante la frecuencia (por medio de la TRF).
de tiempo, la transformada te da otra función
que te dice la cantidad que tiene la anterior
función en cada frecuencia.

También se podría decir que

es una generalización de las Series de
Fourier, pero en lugar de ser para señales
periódicas, para cualquier señal sea
periódica o no.
¿Qué es la transformada rápida de
Fourier?
El análisis de Fourier de una función
periódica se refiere a la extracción de series
de senos y cosenos que cuando se
superponen, reproducen la función original.
Este análisis se puede expresar como series
de Fourier. La transformada rápida de
Fourier (TRF) es un método matemático
para la transformación de una función del
tiempo en una función de la frecuencia. A
veces se describe como la transformación
del dominio del tiempo al dominio de
frecuencia. Es muy útil para el análisis de
los fenómenos dependientes del tiempo.
 Cada estudiante realizará el
algoritmo de la Transformada
Discreta de Fourier, en el cual debe
estar planteada la sumatoria de
transformada. Dicho algoritmo se
realizará para una señal de longitud
de tres (3) muestras. Los tres valores
de las muestras corresponden a los
tres últimos números del documento
de identificación, por ejemplo, si mi
cédula es 80765437, entonces el
algoritmo se hará para la señal x[n]
= [4 3 7]. Para desarrollar
esta parte el estudiante podrá utilizar
Matlab, Octave Online, o Scilab.
Señal x[n] = [6 5 6].
K=0 X (T) [0].= ∑ x[n] = 6 + 5+ 6= 17.

Una aplicación importante se da en el

análisis del sonido. Es importante evaluar la
distribución de frecuencias de la energía que
transmite un sonido, porque el oido humano
ejerce tal capacidad en el proceso de
audición. La siguiente ilustración describe el
sonido de un silbato de la policia de
K=1 X (T) [1].= ∑ x[n] = ( -J2π/ 17 )= 1 +
2 exp(-Jπ/ 8,5) + exp(-Jπ) = - J8,5
K=2 X (T) [2].= ∑ x[n] = ( -J2π2/ 17)= 1 +
2 exp(-Jπ) + exp(-J17π/2) = 0
Entonces tenemos que cuando k toma valor
de (0) y aplicamos la fórmula de la
transformada de Fourier a la muestra,
obtenemos de la suma:
k(0)=6+5+6=17
k(0)=17
k(0)=17+0i
Según reemplazamos k (1) para las muestras
x[n]=[6]………….k(1)=∑▒〖6*e^((-
2πi(1)(0))/3)=6e^0=6〗
x[n]=[5]………….k(2)=∑▒〖5*e^((-
2πi(1)(2))/3)=5e^((-4πi)/3) 〗
x[n]=[6]………….k(3)=∑▒〖6*e^((-
2πi(3)(0))/3)=6e^0=6〗
Aplicamos el teorema de Euler:
e^(-jx)=cos⁡(x)-i sen(x)
5e^((-4πi)/3)=5[cos((-4π)/3)-i sen((-
4π)/3)]=-5/4+√3/4 i
Entonces tenemos que cuando k toma valor
de (2) y aplicamos la fórmula de la
transformada de Fourier a la muestra,
obtenemos de la suma:
k(1)=6-5/4+√3/4 i-6
k(1)=4√3 i
Aplicamos la fórmula de la transformada de
Fourier a la muestra, obtenemos de la suma:
k(n)=6+4√3 i-6
Se obtiene el siguiente resultado
X=[12+0i 4+√3 i 4-√3 i]
Cada estudiante realizará un video en
you tube, en el cual explicará línea a línea el
funcionamiento del algoritmo de la
transformada discreta de Fourier (TDF)
https:
Cada estudiante investigará sobre el
rango de frecuencias que el oido humano es
capaz de escuchar, además investigará cual
es el rango de frecuencias que emiten cinco
(5) instrumentos musicales, y a partir de este
dato, argumentará a que frecuencia de
muestreo mínima se debe muestrear cada
uno de los cinco (5) instrumentos musicales
para ser digitalizados de manera correcta.
El oído humano puede responder a
diminutas variaciones de presión en el aire,
si están en el rango de frecuencia audible,
aproximadamente entre 20 Hz - 20 kHz.

Cuál es el rango de frecuencias que emiten

cinco (5) instrumentos musicales

Instrumento Fundamental Armónicos

Flauta 261-2349 3-8 KHz

Oboe 261-1568 2-12 KHz

Clarinete 165-1568 2-10 KHz

Fagot 62-587 1-7 KHz

Trompeta 165-988 1-7.5 KHz

DEFINICIÓN DEL TEMA

Competencia Disciplinar: Conoce y utiliza

los conceptos básicos para la búsqueda de
información veraz para la organización de
información sobre temas concretos.

Conclusión
Es notable que el correcto conocimiento de
los entornos y los participantes del curso
sientan las bases para una comunicación
adecuada e uniforme que permita un
desarrollo óptimo del curso y de sus
distintas fases.
 Apropiarnos de nuevos términos
basándonos en el análisis de las
referencias para el desarrollo de cada
actividad.
 Da una de las temáticas Entender el
propósito de cada anexo realizado
 Además del conocimiento básico
sobre un convertidor DC-AC fue
claro ver que en materia de interés a
las aplicaciones se encuentran
diversidad de aplicaciones, las cuales
no se encuentran lejos de nosotros.
Dependiendo de la complejidad y
precisión necesaria en el desarrollo
de cada aplicación las condiciones
del inversor varían
significativamente, lo cual a su vez
conlleva a un circuito de mucha
mayor complejidad.
 Aunque el principio de
funcionamiento básico es el mismo,
para cada tipo de aplicación es
necesario implementar un tipo
diferente de consideraciones y
especificaciones en el diseño del
dispositivo.
 Abordar desde el análisis teórico la
solución por medio del mapa mental,
planteada y seleccionado.
 Verificar cada integrante del curso
con el fin de dar soluciones por
medio del foro
Referencias Bibliográficas
 https://www.sap.com/latinamerica
/trends/internet-of-things.html
 https://campus0d.unad.edu.co/ca
mpus/
 https://www.mineducacion.gov.co
/cvn/1665/w3-article-219316.html
 https://www.definicionabc.com/te
cnologia/histograma.php
 https://www.definicionabc.com/te
cnologia/pixel.php
 https://www.definicionabc.com/te
cnologia/imagen-digital.php
 "Electrónica de Potencia"
Muhammad H. Rashid, 2º
Edicion, Prentice Hall
 Manual online de programacion
de AVR
http://www.nongnu.org/avr-
libc/usermanual/
 ATMEL ATmega32's Datasheet
http://www.atmel.com
 Softwares AVR Studio
