Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Paso2 Edwin Cordero
Paso2 Edwin Cordero
alta velocidad para el procesamiento de señales. antes del muestreo (empleando filtros pasa-bajas).
Debido a las limitaciones de memoria finita de [4]
tales máquinas, sólo es posible procesar
secuencias finitas de datos. Por tanto, no sólo es
necesario muestrear la señal analógica en el 4. ¿Qué indica el teorema de muestreo de
tiempo sino también se requiere cuantizar Nyquist?
(redondear o truncar) las amplitudes de las señales
para reducirlas a un conjunto finito de valores. Éste es el célebre teorema del muestreo, el
Puesto que la cuantización sólo afecta a la cual dice que una señal analógica limitada en
amplitud de la señal, es posible cuantizar señales banda a una frecuencia B puede muestrearse sin
analógicas y de tiempo discreto. Las señales pérdida de información si la frecuencia de
cuantizadas de tiempo discreto se conocen como muestreo S es mayor que 2 B (o si el intervalo de
señales digitales. 1
muestreo t s es menor que . La frecuencia de
Cada muestra cuantizada está representada 2fB
por un grupo (palabra) de ceros y unos (bits) que muestreo crítica S N =2 B a menudo se conoce
pueden procesarse de manera digital. Cuanto más como frecuencia de Nyquist o tasa de Nyquist y el
fina sea la cuantización, mayor será la palabra. Al 1 1
igual que sucede con el muestreo, la cuantización intervalo de muestreo crítico tN = =
impropia conduce a pérdidas de información. SN 2 B
recibe el nombre de intervalo de Nyquist. [5]
Pero a diferencia del muestreo, no importa
cuán fina sea la cuantización, sus efectos son 5. ¿Qué realiza la transformada de
irreversibles, ya que las longitudes de la palabra Fourier?
son necesariamente finitas. El tratamiento
sistemático de la teoría de la cuantización es muy La transformada de Fourier (FT) proporciona
difícil debido a que las longitudes de la palabra una descripción en el dominio de la frecuencia de
aparecen como efectos no lineales. La señales en el dominio del tiempo y puede
cuantización siempre introduce un poco de ruido, considerarse como una extensión de las series de
cuyos efectos pueden describirse sólo en términos Fourier (FS) aplicada a señales no periódicas. [6]
estadísticos, y lo usual es considerarlos sólo en las
etapas finales de cualquier diseño. [3] El enfoque que se adoptará para desarrollar la
transformada de Fourier sirve para unificar las
representaciones de señales periódicas y sus
3. ¿Cuál es el fenómeno llamado Alias o contrapartes no periódicas, proporciona las ligas
Aliasing? que las une a las dos, se construyen también para
ser las mismas que las separan y que, por tanto,
Éste fenómeno ocurre cuando no se tiene en permite comprenderlas en su propio contexto.
cuenta el teorema de Nyquist o características
propias de la señal a continuación se aclaran estos Recuérdese que la relación que existe entre
conceptos. una señal periódica xp (t) con periodo T y los
coeficientes de su serie exponencial de Fourier X
Si el intervalo de muestreo supera el valor [k] está dada por la expresión
1
crítico , un fenómeno conocido como alias ∞
2fB X [k ]e j 2 πk f t
x p ( t )= ∑ 0
T −T /2
máxima. Los efectos de alias son imposibles de
suprimir una vez que se adquieren las muestras.
Por ello es común limitar la banda de la señal
3
∞
Si el periodo T de la señal periódica x p(t)
se alarga sin límite, entonces la señal deja de ser X ( w )= ∫ x (t) e− jwt dt ( forma w)
−∞
periódica y se convierte en un solo pulso x (t ), el
cual corresponde a un periodo de x p( t). La
transición de una señal de periódica a no periódica La transformada de Fourier proporciona
también representa una transición de una señal de una representación en el dominio de la frecuencia
potencia a una de energía. de una señal no periódica x(t). [7]
El espaciamiento armónico f 0=1/ T tiende
a cero, y el espectro de la serie de Fourier se 6. ¿Qué es la transformada rápida de
convierte en una curva continua. De hecho, si se Fourier?
reemplaza f 0 por una cantidad infinitesimalmente
La FFT: La importancia de la DFT se debe a
pequeña df → 0, la frecuencia discreta k f 0 que es apropiada para el cálculo rápido y eficiente
puede sustituirse por la frecuencia continua f. La mediante el uso de un grupo de algoritmos
presencia del factor 1/T en la integral significa conocidos como transformada rápida de
que los coeficientes X [k ] tienden a cero y ya no Fourier. Los algoritmos rápidos reducen el
constituyen un indicador útil del contenido problema de calcular una DFT de N puntos al del
espectral de la señal no periódica x (t ). Sin cálculo de una DFT más pequeña. Las ideas clave
en la optimización del cálculo se basan en lo
embargo, si se elimina la dependencia de X [k ]
siguiente.
del factor 1/T en la integral y se trabaja
con TX [k ] de la siguiente manera: Simetría y periodicidad: Todos los
algoritmos FFT aprovechan la simetría y la
periodicidad de la exponencial
T/2 WN =exp(− j 2 πn/ N ), como se indica en la
Tx [ k ] = ∫ x p ( t ) e− j 2 πk f t dt
0 tabla 16.4. La última fila de esta tabla, por
−T /2 ejemplo, sugiere que
WN /2=exp( j2 πn/0.5 N) es periódica, con
N
Entonces, la mayor parte de las veces la periodo de .
2
integral del miembro derecho existe
cuando T → ∞ (aun cuando TX [k ] tenga una Selección de la longitud de la señal: La
forma indeterminada) y pueden obtenerse longitud de la señal N se escoge como un número
resultados útiles. Por otra parte, dado que sea el producto de números mucho más
que k f 0 → f , la integral describe una función pequeños de modo que N=r 1 r 2 …r m. Se
de f . Como consecuencia de lo anterior, si se obtiene una selección más útil cuando los factores
define TX [k ]=X (f ) entonces se obtiene lo son iguales, de modo que N=r m , donde el factor
siguiente r se conoce como base. La opción más
acostumbrada en la práctica es r =2, de modo que
∞
X ( f )= lim TX [ k ] = ∫ x (t) e− j 2 πft dt N=2m, y conduce a lo que se conoce como
T→∞ −∞ algoritmos FFT de base 2.
reducen sus necesidades de almacenamiento al x (t)=9 sen (2 π t)+3 sen (20 π t )+7 sen ¿)
guardar los resultados en el mismo lugar donde se
encontraban los datos. [8]. Resuelva:
Solución:
f 1=9 sen ( 2 π t )
2π t
f 1=
2π
f 1=1 Hz
Siendo S=90 Hz
f 1=1 Hz∗2
5
f 1=2 Hz
∞
f 1=2 Hz 1
No sufre fenómeno de alias. P N= ∑ e2 (n)
N −∞
f 2=10 Hz∗2
f 2=20 Hz 1
P N= ¿
f 2=20 Hz No sufre fenómeno de alias.
8
f 3=512 Hz∗2 39
P N=
f 3=1024 160
f 3=1024 SI sufre fenómeno de alias debido a que la
frecuencia de muestreo está por debajo del límite.
P N =0.24
Y la señal de error:
Ps =0.89
e [n]={0.2,0 ,−0.3 ,−0.2,0,0 ,−0.3 ,−1.3 }
e− jω=cos ( ω ) − jsen(ω)
Por lo tanto:
n−1 − j 2 πnK
X ( k )=∑ x [n]e
n=0
N
X [ 1 ] =3+3 cos ( 23π )− j 3 sen( 23π )+3 cos( 43π )− j3 sen(
Donde:
x=[3 , 3 , 3] X [ 1 ] =0+0 j
n=[0 , 1 ,2]
Aplicamos la suma discreta para K=2
X(k+1) = 0;
Por la identidad de Euler
for n=1:N % n Toma los valores de 0 a N-1
X(k+1) = x(n)*exp(-1i*2*pi*(n-1)*k/N)+X(k+1);
%definicion de fft
e− jω=cos ( ω ) − jsen(ω) end
end
X [ 2 ] =3+3 cos ( 43π )−3 jsen ( 43π )+3 cos ( 83π )−3 jsen ( 83π )
Respuesta en Matlab
Método 2
%% Documento 13544333
clc
clear all