Tratamiento Digital de Señales

Tema 2
Muestreo y Reconstrucción de Señales

José Sáez Landete

Fernando Cruz Roldán
1
 Contenidos

1.  Introducción
2.  Muestreo ideal y reconstrucción de señales de tiempo
continuo
3.  Procesado en tiempo discreto de señales de tiempo
continuo
4.  Procesado de tiempo continuo de señales de tiempo
discreto

2
 Objetivos

  Saber pasar una señal del dominio analógico

al discreto, y viceversa, mediante muestreo
ideal.
  Establecer las condiciones para realizar
procesado digital de señales analógicas.
  Diseñar sistemas digitales para realizar
procesado analógico.
  Diseñar sistemas analógicos para realizar
procesado digital.

3
 1. Introducción

 Muchas señales provienen del dominio analógico

 Para realizar un procesado digital es necesario
digitalizarlas

4
 1. Introducción

 Digitalización: discretización temporal, y

discretización de amplitud:

5
 2. Muestreo ideal y reconstrucción de
señales de tiempo continuo
Muestreo ideal o uniforme
 Uno de los procedimientos más sencillos para
discretizar el tiempo consiste en:
x[n] = xc (nT ), −∞ < n < ∞
donde:
fs = 1 / T , o bien ω s = 2π / T

 Normalización del tiempo

 Esta operación se realiza con un conversor C/D:

6
 2. Muestreo ideal y reconstrucción de
señales de tiempo continuo
Muestreo ideal o uniforme
  Es una operación no invertible  ciertas restricciones sobre la
señal analógica…
  Dividimos el proceso en dos etapas:

7
 2. Muestreo ideal y reconstrucción de
señales de tiempo continuo
Muestreo ideal o uniforme

 Las relaciones en el dominio de la frecuencia:

∞
2π ∞
⎛ 2π ⎞
s (t ) = ∑ δ (t − nT ) → S (ω ) =
T
∑ δ ⎜⎝ ω − k T ⎟⎠
n=−∞ k=−∞

1 ∞
xs ( t ) = xc (t)s(t) → X s (ω ) = ∑ Xc (ω − kω s )
T k=−∞
8
 2. Muestreo ideal y reconstrucción de
señales de tiempo continuo
Muestreo ideal o uniforme
  La señal modulada consiste ω

en una repetición periódica

de copias de Xc(ω). ω ω ω

2π ∞
⎛ 2π ⎞
S (ω ) =
T
∑ δ ⎜⎝ ω − k T ⎟⎠ ω ω ω ω ω ω
k=−∞
ω

ω ω ω ω ω ω ω ω
1 ∞
X s (ω ) = ∑ Xc (ω − kω s )
ω ω

T k=−∞ ω

ω ω ω
9 ω ω
 2. Muestreo ideal y reconstrucción de
señales de tiempo continuo
Muestreo ideal o uniforme
 si se cumple: ω s > 2ω N la señal analógica se puede
recuperar con un filtro ideal paso-bajo.
En la frecuencia:
ω

ω
ω ω ω ω ω ω ω ω
ω ω

⎧ ωs
⎪ T ω < Xr (ω ) = X s (ω ) H r (ω ) = Xc (ω )
H r (ω ) = ⎨ 2
⎪ 0 resto
⎩
10
 2. Muestreo ideal y reconstrucción de
señales de tiempo continuo
Muestreo ideal o uniforme

 La señal recuperada, en el tiempo: Xr (ω ) = X s (ω ) H r (ω )

xr ( t ) = xs ( t ) ∗ hr ( t )

 Si no se cumple ω s > 2ω N se produce solapamiento

alrededor de la frecuencia ωs/2.
ω

ω ω ω ω ω

11
 2. Muestreo ideal y reconstrucción de
señales de tiempo continuo
ω
Muestreo ideal
 Ejemplo de solapamiento: ω ω ω

ω ω
ω

xc ( t ) = cos (ω 0 t )
ω ω ω ω ω ω

se produce solapamiento de ω
ω
ω

espectros sin deformación  ω ω ω ω ω ω

confusión de frecuencias:
ω
ω

xc ( t ) = cos (ω 0 t ) ω ω ω

xc′ ( t ) = cos ((ω s − ω 0 ) t ) ω

ω

ω ω ω ω ω
12
 2. Muestreo ideal y reconstrucción de
señales de tiempo continuo
Teorema de Nyquist

 Sea una señal limitada en banda:

Xc (ω ) = 0, ω > ω N
La señal está completamente determinada por sus
muestras: x [ n ] = xc ( nT ) siempre que: ω s > 2ω N

13
 2. Muestreo ideal y reconstrucción de
señales de tiempo continuo
Teorema de Nyquist – ejemplo 1

 ¿Cuál es la mínima frecuencia de muestreo de la

siguiente señal sin perder información?

14
 2. Muestreo ideal y reconstrucción de
señales de tiempo continuo
Teorema de Nyquist – ejemplo 2

 ¿Qué ocurre si muestreamos el sen(t) a la frecuencia

de Nyquist?. Realizar el muestreo en el tiempo y
representar las transformadas de Fourier.

15
 3. Procesado en tiempo discreto de
señales de tiempo continuo
Conversión A/D en el dominio del tiempo

 Introducimos la conversión t  n

Relación E/S en el dominio del tiempo:

x [ n ] = xc ( n ⋅T )

Sistema no invariante  Demostrar!!

16
 3. Procesado en tiempo discreto de
señales de tiempo continuo
Conversión A/D en el dominio de la frecuencia
 Relación entrada/salida:

∞ ∞
1 ∞
⎛ 2π ⎞
xs ( t ) = ∑ x ( nT )δ (t − nT )
c X s (ω ) = ∑ x ( nT ) e
c
− jω Tn
=
T
∑ Xc ⎜⎝ ω − k T ⎟⎠
n=−∞
TF n=−∞ k=−∞

∞
x [n] X (Ω) = ∑ x [ n ] e− jΩn
n=−∞

1 ∞
⎛Ω 2π ⎞
X ( Ω ) = X s (ω ) ω = Ω
T
=
T
∑ c ⎜⎝ T T ⎟⎠
X − k
k=−∞

17
 3. Procesado en tiempo discreto de
señales de tiempo continuo
Conversión A/D en el dominio de la frecuencia

  X (Ω ) es una versión escalada de X s (ω ) con Ω = ωT .

 Este escalado hace que ω = ω s ⇒ Ω = 2π , de modo

que la señal X (Ω ) se transforma en una señal con la
periodicidad adecuada…

 Esta es la consecuencia de la normalización

temporal  normalización en la frecuencia.
18
 3. Procesado en tiempo discreto de
señales de tiempo continuo
Conversión A/D en el dominio de la frecuencia

 Ejemplo: Sea una señal xc ( t ) = A cos (ω 0 t ) , que

muestreamos a t = nT:
x [ n ] = A cos (ω 0Tn ) = A cos ( Ω0 n )

como corresponde a la relación: Ω = ωT

19
 3. Procesado en tiempo discreto de
señales de tiempo continuo
Conversión A/D en el dominio de la frecuencia

  En general, el intervalo de posibles frecuencias es:

−∞ < ω < ∞
−π < Ω < π
  Al muestrear introducimos la relación Ω = ω T y las
frecuencias que podemos representar son:
π π
− <ω <
T T
−π < Ω < π

  Si el sistema analógico contiene frecuencias mayores a

π / T, se van a convertir en “alias” de las del rango
[-π,π] generando ambigüedad.
20
 3. Procesado en tiempo discreto de
señales de tiempo continuo
Conversión A/D en el dominio de la frecuencia

 Estrictamente, la relación entre las frecuencias es:

Ω
π

ωs ω
-ωs/2 ωs/2

-π

21
 3. Procesado en tiempo discreto de
señales de tiempo continuo
Conversión A/D -- Ejemplo

 Representar los espectros de las señales intermedias

cuando fs=2,3,5 KHz

cuando:

22
 3. Procesado en tiempo discreto de
señales de tiempo continuo
Conversión D/A– dominio del tiempo

Sistema no
invariante Hr(ω)

∞
xs ( t ) = ∑ x [ k ]δ ( t − kT )
∞

k=−∞
xr ( t ) = ∑ x [ k ] h (t − kT ) =
r
k=−∞

⎛ π ( t − kT ) ⎞
sen ⎜ ⎟⎠
Hr(ω) ∞
⎝ T
⎛ πt ⎞ = ∑ x[k ]
sen ⎜ ⎟ π ( t − kT )
⎝T⎠ k=−∞
hr ( t ) = T
ω πt
T
23
 3. Procesado en tiempo discreto de
señales de tiempo continuo
Conversión D/A– dominio del tiempo

Hr(ω)

⎛ π ( t − kT ) ⎞
sen ⎜ ⎟⎠
∞
⎝ T
xr ( t ) = ∑ x [ k ]
k=−∞ π ( t − kT )
T

 en los instantes de muestreo: xr ( mT ) = x [ m ]

 En el resto interpolación ideal
24
 3. Procesado en tiempo discreto de
señales de tiempo continuo
Conversión D/A – dominio de la frecuencia

Hr(ω)

X s (ω ) = X (ω T )
Xr (ω ) = H r (ω ) X (ω T )

Hr(ω) ⎧ π
⎪ T ⋅ X (ω T ) ω <
Xr (ω ) = ⎨ T
⎪ 0 resto
⎩
ω
25
 3. Procesado en tiempo discreto de
señales de tiempo continuo
Conversión D/A – ejemplo

 Ejemplo: representar las TF de las señales

intermedias

Hr(ω)

26
 3. Procesado en tiempo discreto de
señales de tiempo continuo
Conversión A/D y D/A -- ejemplo

 Ejemplo: Señal
muestreada a
diferentes frecuencias

29
 3. Procesado en tiempo discreto de
señales de tiempo continuo
Conversión A/D y D/A -- ejemplo

 Ejemplo: Señal no
limitada en banda
xa ( t ) = e − A t
2A
Xa ( F ) =
A 2 + ( 2π F )
2

Importancia de realizar
un pre-filtrado antes
de muestrear

30
 3. Procesado en tiempo discreto de
señales de tiempo continuo
Sistema equivalente de tiempo continuo

 Limitar en banda la señal para evitar aliasing y

ruido aditivo
 Hay que ajustar T
 El sistema puede no ser LTI, ya que los A/D y
D/A no son LTI.
 Vamos a calcular el sistema equivalente
31
 3. Procesado en tiempo discreto de
señales de tiempo continuo
Sistema equivalente de tiempo continuo

x [ n ] = xa ( nT )
∞
ya ( t ) = ∑ y [ k ] ⋅ h (t − kT )
r
1 ⎛Ω
∞
2π ⎞
X (Ω ) = ∑ Xa ⎜ − k ⎟
k=−∞

T k=−∞ ⎝ T T ⎠ Ya (ω ) = Y (ω T ) ⋅ H r (ω )

Sistema disccreto LTI: Y ( Ω ) = X ( Ω ) H ( Ω )

1 ∞ ⎛ 2π ⎞
Ya (ω ) = H r (ω ) H (ω T ) ∑ Xa ⎜ ω − k ⎟
32
T k=−∞ ⎝ T ⎠
 3. Procesado en tiempo discreto de
señales de tiempo continuo
Sistema equivalente de tiempo continuo

 Si la señal es limitada en banda y se muestrea

cumpliendo el C. de Nyquist:
⎧ π
⎪ H (ω T ) Xa (ω ) ω <
Ya (ω ) = ⎨ T
⎪ 0 resto
⎩
 El sistema se comporta como un sistema analógico
LTI con: ⎧ π
⎪ H (ω T ) ω <
H eff (ω ) = ⎨ T
⎪ 0 resto
⎩

33 Ya (ω ) = H eff (ω ) Xa (ω )
 3. Procesado en tiempo discreto de
señales de tiempo continuo
Sistema equivalente – diseño de filtros

  Realizar un filtrado analógico con un filtro digital:

⎧ π
⎪ H (ω T ) ω <
H eff (ω ) = ⎨ T
⎪ 0 resto
⎩

Depende de Ωc y T. Con un mismo filtro digital podemos conseguir

diferentes analógicos modificando T.

34
 3. Procesado en tiempo discreto de
señales de tiempo continuo
Sistema equivalente -- ejemplo

  Ejemplo: representar la TF de yc(t):

a) 1/T1=1/T2=104
b)  1/T1=1/T2=2×104
c)  1/T1 = 2×104, 1/T2= 104
d)  1/T1 = 104, 1/T2= 2×104

35
 4. Procesado de tiempo continuo de
señales de tiempo discreto
Simulación de sistemas--dominio de la frecuencia

⎧ π
Sist. equivalente ⎪ H (ω T ) ω <
H d (Ω) H c (ω ) = ⎨ d T
⎪ 0 resto
⎧ ⎩
⎛ Ω⎞
⎪ Hc ⎜ ⎟ , Ω <π Simulación π
H d (Ω) = ⎨ ⎝T⎠ H c (ω ) , ω <
⎪ periodico 2π , resto T
⎩

Si H c (ω ) no está limitado en banda, lo podemos limitar si

la entrada está limitada en banda  ejemplo.

36
 4. Procesado de tiempo continuo de
señales de tiempo discreto
Simulación de sistemas--dominio del tiempo

⎧ ⎛ Ω⎞
π ⎪ Hc ⎜ ⎟ , Ω <π
H c (ω ) , ω < H d (Ω) = ⎨ ⎝T⎠
T ⎪ periodico 2π , resto
⎩

  ¿Qué ocurre con las respuestas al impulso?

En el tiempo queda la “respuesta al impulso invariante”:
∞
⎛Ω 2π ⎞
H c (ω ) → H d (Ω) = ∑ H c ⎜ − k ⎟⎠
k=−∞
⎝ T T
hc ( t ) → hd [ n ] = T ⋅ hc ( nT )
37
 4. Procesado de tiempo continuo de
señales de tiempo discreto
Simulación de sistemas--ejemplo

  Ejemplo de respuesta al impulso invariante:

sen (ω c t ) ⎧⎪ 1 ω < ωc
hc ( t ) = ↔ H c (ω ) = ⎨
πt ⎪⎩ 0 resto
⎧ 1 Ω < ω cT
sen (ω cTn ) ⎪⎪
hd [ n ] = ↔ H d (Ω) = ⎨ 0 ω cT < Ω < π
πn ⎪
⎪⎩ periodica resto

38
 4. Procesado de tiempo continuo de
señales de tiempo discreto
Simulación de sistemas--ejemplo

  Simular un diferenciador analógico mediante un sistema

digital para procesar señales limitadas en banda con ωM =
π/T

dxc ( t )
yc ( t ) =
dt
Yc (ω ) = jω X c (ω )

39
 4. Procesado de tiempo continuo de
señales de tiempo discreto
Situación complementaria

∞
  xc ( t ) = ∑ x [ n ] ⋅ h (t − nT )
r
y [ n ] = yc ( nT )
k=−∞
⎧ 1 ⎛ Ω⎞
⎧ π ⎪ Yc ⎜ ⎟ Ω <π
⎪ T ⋅ X (ω T ) , ω < Y (Ω) = ⎨ T ⎝ T ⎠
Xc (ω ) = ⎨ T ⎪ periodico 2π
⎪ 0 resto ⎩
resto
⎩
Sistema continuo LTI: Y (ω ) = X (ω ) H (ω )
⎧ ⎛ Ω⎞
⎪ Hc ⎜ ⎟ , Ω <π
H eff ( Ω ) = ⎨ ⎝T⎠
42 ⎪ periodico 2π resto
⎩
 4. Procesado de tiempo continuo de
señales de tiempo discreto
Situación complementaria

  Ejemplo: un sistema discreto:

H ( Ω ) = e− jΩΔ Ω <π
–  si Δ es entero el sistema es un retardo:
y[n] = x [n − Δ ]
–  si Δ no es entero, se puede definir
mediante un sistema de procesado
continuo:
H a (ω ) = e− jωT Δ
–  donde la señal analógica se desplaza: ya ( t ) = xa ( t − ΔT )
43 –  Finalmente la señal queda: y [ n ] = ya ( nT )