Muestreo de señales continuas

en el tiempo
Procesamiento Discreto de
Señales I •Muestreo periódico
EC6471
•Representación del muestreo en el
dominio de la frecuencia
Muestreo de señales
continuas en el tiempo •Reconstrucción de una señal limitada
en frecuencia a partir de sus muestras

Universidad Simón Bolívar

Departamento de Electrónica y Circuitos
Prof. Juan C. Regidor
1 2

Muestreo de señales continuas

en el tiempo
Muestreo periódico

•Procesamiento en tiempo discreto de •Conversor ideal tiempo continuo/tiempo

discreto
señales de tiempo continuo
C/D
• Invariancia al impulso xc(t) x[n] = xc(nT)

•Procesamiento en tiempo continuo de T

señales de tiempo discreto • T: Período de muestreo, s

•Cambio de la tasa de muestreo usando • f = 1/T: Frecuencia de muestreo, muestras/s

s

procesamiento en tiempo discreto • ! = 2!/T: Frec. de muestreo, radianes/s

s

3 4
 Muestreo periódico Muestreo periódico
•Conversor ideal TC/TD •Conversor Conversor
ideal TC/TD
C/D
s(t)

Tren de impulsos
C/D x → Secuencia TD
xc(t) x[n] = xc(nT) xc(t) xs(t) x[n] = xc(nT)

T
∞ ∞
s(t) = ∑ δ (t − nT ) xs (t) = xc (t) s(t) = ∑ x (nT ) δ (t − nT )
c
n=−∞ n=−∞

5 5

Serie de Fourier TC Transformada de Fourier TC

•Coeficientes de la serie de Fourier •Definición de transformada directa
∞
1 − jnΩ0 t 2π F( jΩ) = ∫ f (t)e− jΩt dt
an =
T
∫ T
f (t)e dt , T=
Ω0
−∞

•Síntesis de f(t) •Transformada inversa

∞ ∞
1 ∞
f (t) = ∑ ak e jkΩ0t = ∑ae k
j 2 π kt /T
f (t) = ∫ F( jΩ)e jΩt dΩ
k=−∞ k=−∞ 2π −∞

6 7
 Transformada de Fourier TC Representación en frecuencia
•Para una señal periódica, su • Transformada de Fourier de tiempo continuo
del tren de impulsos s(t)
transformada de Fourier es un tren de
2π ∞
impulsos situados en frecuencias S( jΩ) = ∑ δ (Ω − kΩs )
T k=−∞
relacionadas armónicamente, con un
• El producto xs(t) es la convolución en
peso igual a los coeficientes de la serie frecuencia de las tranformadas
de Fourier X s ( jΩ) =
1
Xc ( jΩ) ∗ S( jΩ)
∞ 2π
F( jΩ) = 2 π ∑ akδ (Ω − kΩ0 )
k=−∞ • Por la propiedad de muestreo del impulso
1 ∞
X s ( jΩ) = ∑ Xc ( j(Ω − kΩ s ))
T k=−∞
8 9

Representación en frecuencia Representación en frecuencia

Xc(j!)
1 Xs(j!)
1 !s – !N = !N
T
!s = 2!N
– !N 0 !N !
–2!s –!s –!N 0 !N !s 2!s 3!s !
S(j!)
2"
T

Xs(j!)
–2!s – !s 0 !s 2!s 3!s ! 1
Xs(j!) !s < 2!N T
1
!s – !N
T
!s > 2!N –3!s –!s 0 !s 2!s 4!s !
!s – !N
–2!s – !s – !N 0 !N !s 2!s 3!s !

10 11
Representación en frecuencia Teorema de Nyquist-Shannon
•Si ! ≥ 2!
s N,
las repeticiones de Xc(j!) •Teorema de muestreo
no se solapan, y es posible en teoría • Sea x (t) una señal limitada en ancho de
banda, con
c

recuperar xc(t) mediante un filtro pasa-

bajos ideal Xc(j!) = 0 para |!| ≥ !N
• xc(t) queda determinada unívocamente por
•Cuando ! < 2!
s la superposición de
N sus muestras x[n] = xc(nT), n = 0, ±1, ±2, …,
si
los espectros hace imposible la 2π
Ωs = ≥ 2Ω N
recuperación de xc(t), y se produce la T
distorsión de aliasing •! N es la frecuencia de Nyquist, y 2!N es la
tasa de Nyquist
12 13

Teorema de Nyquist-Shannon Aliasing (solapamiento)

• x = sen(2" 100 t + 17"/20)
c

• H. Nyquist, “Certain Topics in Telegraph • f = 100 Hz ⇒ 2! = (2")200 Hz N

Transmission Theory”, Trans. AIEE, pp.
617-644, Feb. 1928 • Muestreando a una tasa f = 125 Hz se s
produce distorsión de aliasing o de
• C. E. Shannon, “Communication in the solapamiento
Presence of Noise”, Proc. IRE, vol. 37, no. 1,
pp. 10-21, Jan. 1949. Reimpreso en Proc.
IEEE, pp. 447-457, Vol. 86, No. 2, Feb. 1998

–250 – 125 0 125 250 ƒ (Hz)

–100 –25 25 100
14 15
 Aliasing (solapamiento) Aliasing (solapamiento)
• x = sen(2" 100 t + 17"/20)
c • x = sen(2" 100 t + 17"/20)
c

• f = 100 Hz ⇒ 2! = (2")200 HzN • f = 100 Hz ⇒ 2! = (2")200 HzN

• Muestreando a una tasa f = 125 Hz se s • Muestreando a una tasa f = 125 Hz se s

produce distorsión de aliasing o de produce distorsión de aliasing o de
solapamiento solapamiento

–250 – 125 0 125 250 ƒ (Hz) –250 – 125 0 125 250 ƒ (Hz)
–100 –25 25 100 –100 –25 25 100
15 15

Aliasing (solapamiento) Aliasing

• x = sen(2" 100 t + 17"/20)
c

• f = 100 Hz ⇒ 2! = (2")200 HzN

• Muestreando a una tasa f = 125 Hz se s

produce distorsión de aliasing o de
solapamiento
•Señal original, sinusoide de 100 Hz
•Muestras, f = 125 Hz, T = 8 ms
s

–250 – 125 –ƒs/2 0 ƒs/2 125

–100 –25 25 100
250 ƒ (Hz) •Señal reconstruida, sinusoide de 25 Hz
15 16
 Aliasing Aliasing
• x = sen(2" 50 t + 17"/20)
c • x = sen(2" 50 t + 17"/20)
c

• f = 50 Hz ⇒ 2! = (2")100 Hz
N • f = 50 Hz ⇒ 2! = (2")100 Hz
N

• Muestreando a una tasa f = 125 Hz > ƒs N • Muestreando a una tasa f = 125 Hz > ƒ s N
no hay solapamiento no hay solapamiento

–250 – 125 0 125 250 ƒ (Hz) –250 – 125 0 125 250 ƒ (Hz)
–50 50 –50 50

17 17

Aliasing Aliasing
• x = sen(2" 50 t + 17"/20)
c • x = sen(2" 50 t + 17"/20)
c

• f = 50 Hz ⇒ 2! = (2")100 Hz
N • f = 50 Hz ⇒ 2! = (2")100 Hz
N

• Muestreando a una tasa f = 125 Hz > ƒs N • Muestreando a una tasa f = 125 Hz > ƒ s N
no hay solapamiento no hay solapamiento

–250 – 125 0 125 250 ƒ (Hz) –250 – 125 –ƒs/2 0 ƒs/2 125 250 ƒ (Hz)
–50 50 –50 50

17 17
 Reconstrucción de una señal limitada
Aliasing
en frecuencia a partir de sus muestras
•Dada una secuencia x[n], podemos
formar un tren de impulsos de la forma
∞
xs (t) = ∑ x[n]δ(t − nT )
n=−∞

•Pasando x (t) por un filtro pasa-bajos

s
ideal de TC Hr(j!), cuya respuesta al
•Señal original, sinusoide de 50 Hz impulso es hr(t), obtenemos
•Muestras, f = 125 Hz, T = 8 ms
s
xr (t) =
∞

∑ x[n]h (t − nT )
r

•Señal reconstruida, sinusoide de 50 Hz n=−∞

18 19

Reconstrucción de una señal limitada

Reconstrucción de una señal
en frecuencia a partir de sus muestras
•Filtro de reconstrucción y su respuesta •Representación de la reconstrucción
al impulso, con !c = !s/2 = !/T Sistema de reconstrucción ideal
Conversor ideal D/C

Conversión de Filtro ideal de

T secuencia a tren reconstrucción D/C
x[n] xs(t) xr(t) x[n] xr(t)
de impulsos Hr(j!)
Text
Período de
–π –π/T π/T π muestreo T
0

∞
sen(π t / T ) sen(π (t − nT ) / T )
hr (t) = ⇒ xr (t) = ∑ x[n]
πt / T n=−∞ π (t − nT ) / T

-4T -3T -2T -T 0 T 2T 3T 4T

20 21
Reconstrucción de una señal limitada
Reconstrucción de una señal
en frecuencia a partir de sus muestras
•Reconstrucción vista en el dominio de
la frecuencia. Tomando la transformada
de Fourier de tiempo continuo:
∞
•Ejemplo:
xr (t) = ∑Text
x[n]hr (t − nT ) x(t) = 0, 8 sen(2 π t) − 0, 6 cos(4 π t +1) + 0, 4 sen(6 π t) + 0, 6 cos(1)
n=−∞

• ƒ = 3 Hz
∞ ∞
Xr ( jΩ) = ∑ x[n] H r ( jΩ)e− jΩnT = H r ( jΩ) ∑ x[n]e− j (ΩT )n N
n=−∞ n=−∞

Xr ( jΩ) = H r ( jΩ)X(e jΩT ) • ƒ = 16 Hz > 2 ƒ

s N ⇒ T = 62,5 ms

• X(e j") es escalada en frecuencia, " → !T

22 23

Reconstrucción de una señal Reconstrucción de una señal

•Señal x(t) original y sus muestras en •x[1]·h (t – T)
r
0 ≤ t ≤ 0,5 s

24 25
Reconstrucción de una señal Reconstrucción de una señal
•x[2]·h (t – 2T)
r •x[3]·h (t – 3T)
r

26 27

Reconstrucción de una señal Reconstrucción de una señal

•x[4]·h (t – 4T)
r •x[5]·h (t – 5T)
r

28 29
Reconstrucción de una señal Reconstrucción de una señal
•x[6]·h (t – 6T)
r •x[7]·h (t – 7T)
r

30 31

Reconstrucción de una señal Reconstrucción de una señal

•Señal x(t) y las primeras ocho funciones •Función de interpolación para la
de interpolación (x[0] = 0) muestra x[1]

32 33
Reconstrucción de una señal Reconstrucción de una señal
2 3

• Función de interpolación xr (t) = ∑ x[n]hr (t − nT )

n=0
• Función de interpolación xr (t) = ∑ x[n]hr (t − nT )
n=0

34 35

Reconstrucción de una señal Reconstrucción de una señal

4 5

• Función de interpolación xr (t) = ∑ x[n]hr (t − nT )

n=0
• Función de interpolación xr (t) = ∑ x[n]hr (t − nT )
n=0

36 37
Reconstrucción de una señal Reconstrucción de una señal
6 7

• Función de interpolación xr (t) = ∑ x[n]hr (t − nT )

n=0
• Función de interpolación xr (t) = ∑ x[n]hr (t − nT )
n=0

38 39

Procesamiento en tiempo discreto

Reconstrucción de una señal de señales de tiempo continuo
7

• Función de interpolación& x& r (t)& = ∑

& x[n]h
n=0
& r (t − nT ) •Esquema general
con las muestras C/D
Sistema de D/C
yr(t)
xc(t) x[n] tiempo discreto y[n]

T T

x[n] = xc (nT )
1 ∞ * $ ω 2 π k '-
X(e jω ) = ∑ Xc , j & − )/
T k=−∞ + % T T (.
Yr ( jΩ) = H r ( jΩ)Y (e jΩT ) = TY (e jΩT ), Ω < π /T
∞
sen [ π (t − nT ) / T ]
yr (t) = ∑ y[n] π (t − nT ) / T
n=−∞

40 41
Procesamiento en tiempo discreto Procesamiento en tiempo discreto
de señales de tiempo continuo de señales de tiempo continuo
•Suponiendo un sistema discreto LIT •Ejemplo: Diferenciador de TC
Y (e jω ) = H (e jω )X(e jω ) d
yc (t) = [ xc (t)]
dt
Yr ( jΩ) = H r ( jΩ)H (e jΩT )X(e jΩT )
• Respuesta de frecuencia:
1 ∞ * $ 2 π k '-
Yr ( jΩ) = H r ( jΩ)H (e jΩT ) ∑ Xc , j &Ω − )/ H c ( jΩ) = jΩ
T k=−∞ + % T (.

• Si X (j!) = 0 para |!| ≥ !/T,

c • Para una señal limitada en ancho de banda:
$& jΩ, Ω < π /T
$& H (e jΩT )Xc ( jΩ), Ω < π /T H efec ( jΩ) = %
Yr ( jΩ) = % &'0, Ω ≥ π /T
&'0, Ω ≥ π /T
42 43

Procesamiento en tiempo discreto Procesamiento en tiempo discreto

de señales de tiempo continuo de señales de tiempo continuo
• Respuesta de frecuencia
jω jω
del sistema TD •Resp. frec. TC •Resp. frec. TD
H c (e ) =
, ω <π
T |Hefec(j!)| |H(ej')|

• Respuesta al impulso: !/T !/T

π n cos(π n) − sen(π n) –!/T !/T ! –2! –! ! 2! !

h[n] = , −∞ < n < ∞
π n 2T
∠Hefec(j!) ∠H(ej')
%0, n=0 !/2 !/2
' –!/T –! 2!
h[n] = & cos(π n) !/T ! –2! ! !
'( , n≠0 –!/2 –!/2
nT

44 45
 Invariancia al impulso Invariancia al impulso
•Se desea implementar un sistema LIT •Muestreando la respuesta al impulso:
de TC, Hc(j!) con un sistema de TD, h[n] = hc(nT)
conservando la respuesta al impulso jω 1 ∞ * $ ω 2 π k '-
H (e ) = ∑ H c , j & − )/
Sistema de TC T k=−∞ + % T T (.
xc(t) LTI, Hc(j$) yc(t)

xc(t)
C/D
x[n]
Sistema de TD
LTI, H(ej") y[n]
D/C
yr(t)= yc(t)
•Tomando el período entre –" y ":
T 1 " ω%
T
Hefec(j!) = Hc(j!)
H (e jω ) = H c $ j ', ω <π
T # T&
H (e jω ) = H c ( jω / T ), ω <π
H c ( jω ) = 0, Ω ≥ π /T
46 47

Invariancia al impulso Invariancia al impulso

•Es conveniente compensar el factor 1/T •Aplicando transformada z:
en la respuesta de frecuencia: h[n] = T hc (nT ) = ATes0Tnu[n]
h[n] = Thc(nT) AT AT
H (z) = H (e jω ) =
" ω% 1− es0T z −1 1− es0T e− jω
H (e jω ) = H c $ j ' , ω <π
# T&
•H (j!) no está limitada en frecuencia,
c
• Caso de respuesta exponencial:
hc (t) = Aes0t u(t)
así que no se cumple la ecuación de
invariancia al impulso, pero con una
A
H c (s) = , Re(s) > Re(s0 ) frecuencia de muestreo grande se
s − s0
puede reducir el aliasing
h[n] = T hc (nT ) = ATes0Tnu[n]
48 49
 Invariancia al impulso Invariancia al impulso
•Ejemplo - Filtro Chebishev de orden 2, • Anti-transformando:
con rizado en la banda pasante < 1 dB y
" −j j %
ƒc = 1 kHz H c (s) = 3448, 6 $ + '
# s − 6597, 38e j 2,1208 s − 6597, 38e− j 2,1208 &

3,8792x10 7 A A
H c (s) = 2 7
= 1 + 1∗ hc (t) = 3448, 6e−3448,6t (− je j 5624,3t + je− j 5624,3t ) u(t)
s + 6897, 27s + 4,35254x10 s − s1 s − s1

=
A1
+
A2 = 6897, 3e−3448,6t sen(5624, 3t)u(t)
s − 6597, 38e j 2,1208 s − 6597, 38e− j 2,1208

50 51

Invariancia al impulso Invariancia al impulso

• T = 10 µs, ƒ m = 100 kHz >> ƒc • Transformada z:
r sen (ω0 ) z −1
hc (t) = 6897, 3e −3448,6t
sen(5624, 3t)u(t) H (z) = K
1− 2r cos (ω0 ) z −1 + r 2 z −2
(6, 8973x10 −2 )(0, 9661)sen ( 5, 6243x10 −2 ) z −1
h[n] = T hc (nT ) =
1− 2(0, 9661) cos ( 5, 6243x10 −2 ) z −1 + (0, 9661) 2 z −2

3.7458x10 −3 z −1
−2
h[n] = T hc (nT ) = 6, 8973x10 −2 e−3,4486x10 nsen(5, 6243x10 −2 n)u[n] H (z) =
1−1.9291z −1 + 0.9334z −2
−2
r = e−3,4486x10 = 0, 9661

52 53
 Invariancia al impulso Invariancia al impulso

•Respuesta al impulso del filtro de •Respuesta al impulso (muestreada) del

tiempo continuo filtro de tiempo discreto
54 55

Invariancia al impulso Invariancia al impulso

•Respuesta al impulso (muestreada) del •Respuesta de magnitud (dB) del filtro

filtro de tiempo discreto de tiempo continuo
56 57
 Invariancia al impulso Invariancia al impulso

• Respuesta de magnitud (dB) del filtro •H(e j") con hc(t) muestreada a 100 kHz
de tiempo discreto •H(e j") con hc(t) muestreada a 20 kHz
58 59

Procesamiento en tiempo continuo Procesamiento en tiempo continuo

de señales de tiempo discreto de señales de tiempo discreto
•Esquema general •En el dominio de la frecuencia:
D/C
hc(t) C/D Xc ( jΩ) = TX(e jΩT ), Ω < π /T
x[n] xc(t) Hc(j!) yc(t) y[n]

T T Yc ( jΩ) = H c ( jΩ)Xc ( jΩ), Ω < π /T

h[n], H(ej')
1 " ω%
∞
sen [ π (t − nT ) / T ] Y (e jω ) = Yc $ j ' , ω <π
T # T&
xc (t) = ∑ x[n] π (t − nT ) / T
• Finalmente,
n=−∞

∞
sen [ π (t − nT ) / T ]
yc (t) = ∑ y[n] " ω%
n=−∞ π (t − nT ) / T H (e jω ) = H c $ j ' , ω <π
# T&
con x[n] = xc(nT) e y[n] = yc(nT)
60 61
Procesamiento en tiempo continuo
de señales de tiempo discreto
•Este esquema de procesamiento no
suele ser usado en la práctica, pero
facilita el análisis de ciertos sistemas de
tiempo discreto
• Retardo no entero
• Interpolación en el cambio de tasa de
muestreo
Retardo no entero
•Sea un sistema de TD cuya respuesta de
frecuencia es
H (e jω ) = e− jωΔ , ω <π
•Si ∆ no es entero, se puede pensar en un
sistema de TC Hc que cumpla
H c ( jΩ) = H (e jΩT ) = e− jΩT Δ
donde T∆ representa un retardo en
segundos, con yc(t) = xc(t – T∆)

62 63

Retardo no entero Retardo no entero

•Ejemplo: T = 0,1 s, ∆ = 0,5
•Puesto que x (t) es la interpolación
c
limitada en ancho de banda de x[n],
y[n] puede obtenerse muestreando yc(t),
y para cada n es una interpolación de
los valores de la secuencia de entrada

64 65
 Cambio de la tasa de muestreo Reducción de la tasa de muestreo
usando procesamiento en TD por un factor entero
•Se define una nueva secuencia
• En ocasiones es necesario convertir una
xd[n] = x[nM] = xc(nMT)
secuencia x[n] = xc(nT) en otra secuencia
x1[n] = xc(nT1), con T ≠ T1 • Ésta representa al sistema compresor de la
frecuencia de muestreo:
• Aunque se puede operar cambiando entre
los dominios discreto y continuo, debido a
↓M
las limitaciones de los sistemas de x[n] xd[n] = x[nM]
conversión C/D y D/C reales, es preferible T Td = MT
hacer la conversión en el dominio discreto

66 67

Reducción de la tasa de muestreo Reducción de la tasa de muestreo

por un factor entero por un factor entero
• Si la frecuencia de muestreo original es al
menos M veces la tasa de Nyquist (o si el
•En el dominio de la DTFT:
1 ∞
jω
* $ ω 2 π k '-
ancho de banda de x[n] se limita con un filtro X(e ) = ∑ Xc , j & − )/
T k=−∞ + % T T (.
de TD), esta operación de sub-muestreo o
diezmado no produce aliasing, y xd[n] es (transformada de la secuencia x[n] en términos
idéntica a la secuencia que resultaría de haber de la transformada de la señal de TC xc(t),
muestreado xc(t) con un período MT muestrada con período T)

∞
Filtro pasa-bajos
jω 1 * $ ω 2 π r '-
x[n]
ganancia = 1
ƒc = "/M
x̂[n]
↓M
x̂d[n] = x̂[nM]
Xd (e ) =
MT
∑ X ,+ j &% MT − MT )(/.
c
r=−∞

T T Td = MT

68 69
Reducción de la tasa de muestreo Reducción de la tasa de muestreo
por un factor entero por un factor entero
•Transformada de Fourier de una señal
r = i + kM de TC limitada en ancho de banda

1 M −1$1 ∞ * $ ω 2 π k 2 π i '-'
Xd (e jω ) = ∑ & T ∑ Xc ,+ j &% MT − T − MT )(/.)
M i=0 % k=−∞ (

1 ∞ * $ ω 2 π k 2 π i '-
∑ Xc , j &
T k=−∞ + % MT
−
T
−
MT (.
)/ = X(e
j (ω −2 π i )/M
)
•Transformada del tren de impulsos de
las muestras (2"/T = 4!N)
M −1
1
Xd (e jω ) = ∑ X(e j (ω /M −2 π i /M )
)
M i=0

70 71

Reducción de la tasa de muestreo Reducción de la tasa de muestreo

por un factor entero por un factor entero
•DTFT de la secuencia x[n] •El ejemplo anterior con M = 3

•DTFT de la secuencia sub-muestreada,

con M = 2, graficada respecto a ' y !

72 73
Reducción de la tasa de muestreo Incrementar la tasa de muestreo
por un factor entero por un factor entero
•x[n] filtrada con un pasa-bajos ideal con •Sistema expansor de la frecuencia de
frecuencia de corte "/M muestreo
Filtro pasa-bajos
↑L ganancia = L
x[n] xc[n] xi[n]
ƒc = "/L

T Ti = T/L Ti = T/L

• El sistema realiza una interpolación

74 75

Modificar la tasa de muestreo por

un factor no entero
•Combinando un interpolador y un
diezmador se puede lograr un factor
cualquiera M/L

Interpolador Diezmador

Filtro pasa- Filtro pasa-

↑L ↓M
x[n] xe[n] bajos bajos x̂i[n] x̂d[n]
xi[n]
T T/L T/L T/L TM/L

76