PROCESAMIENTO DIGITAL DE Ahora tomamos cada componente:

SEÑALES
2π
9 sen ( 2 πt ) : wo=2 π : f 0 = =1
Presentado a: 2π

OSCAR CAMILO FUENTES 20 π

3 sen (20 πt ): wo=20 π :f 0= =10
2π
Por:
1024 π
7 sen(1024 πt) :w o=1024 π : f 0 = =512
CLAUDIA MILENA QUEVEDO: 2π
1014238112

1.2. Ahora encontramos algunos

datos con la señal de muestreo
de S=90 Hz
Componentes que no tienen alias:
9 sen ( 2 πt )
Ejercicio 2 muestreo
3 sen (20 πt)
Componentes con Alias:

Siendo 7 sen(1024 πt)

x ( t )=9 sen ( 2 π t ) +3 sen ( 20 π t ) +7 sen(1024 π t)
Resuelva:

Según Nyquist, para la frecuencia de

1.1 Encuentre las frecuencias f 0 n de
cada una de las componentes de
la señal x (t )
1.2 Si la señal x (t ) tiene una
frecuencia de muestreo S=90 Hz
y se desea realizar 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.
1.1. Buscar las frecuencias de cada
componente
Tenemos en cuenta que w 0=2 π f 0 y
w
si despejamos la frecuencia f 0= 0
2π
muestreo de 90 Hz, mínimamente la
frecuencia que se debe muestrear es de
45 Hz, por tanto los componentes que
no tienen alias son aquellos que su
frecuencia está por debajo de este valor
y las que si presentan el fenómeno son
aquellas que están por encima del
mismo teniendo en cuenta que para
nuestro ejercicio nuestro tercer
componente es muy superior a la
frecuencia de muestreo por tanto no es
posible recuperarla.
Para el componente que presentan alias
7 sen(1024 πt), con frecuencia 512 Hz, se Cada estudiante realizará de
resta la frecuencia de muestreo de manera individual, aportes
90Hz, nos resulta 422 Hz teóricos (incluir ecuaciones
con editor de word) sobre las
siguientes preguntas:
8 cos (32 kπt) ; f a =16 K−16 K =0

sin ( 48 kπt ) ; f a=24 K −16 K=8 K 1) ¿Qué es una señal

Si reconstruimos la señal obtenemos muestreada?

x ( t )=9 sen ( 2 π t ) +3 sen ( 20 π t ) +7 sen(422 π t) Es un proceso en el cual se ven varios

tipos de señales en donde posee un tipo
de conversión de la señal continua con
ejercicio 5: cuantizacion respecto al tiempo en donde se
caracteriza por observar el
comportamiento de la señal tanto de
Se va a muestrear una senoide con entrada como de salida, también mide el
niveles de amplitud de -2V y 2V, y se va tiempo en el que se desplaza la señal
a cuantizar por redondeo con un error de un comienzo y un final, en donde la
rms σ =10 mV . ¿Cuántos bits B se
también vemos que la onda de la señal
requieren?
puede ser descontinua y puede variar
el intervalo (−2 v , 2 v )=4 v con respecto a la atenuación de la onda.
D
x [ n ] =x ( kT ) ; n=K
∆ D 2B
∆= con ∆= B =¿ ∆=
√ 12 2 √ 12
D D
¿> √12 ∆= B
=¿ 2B = SUSTITUYENDO DATOS
2 √ 12 ∆
4
2B = → 2B =115,47 aplicando logaritmo en base 2
0,010 √ 12

lo g 2 2B =lo g2 ( 115,47 )
2) ¿Qué es una señal cuantizada?
lo g2 ( 115,47 ) 6,85
B= = =685 redondeando El proceso de cuantificación digital es
lo g2 2 1
posterior a la etapa de muestreo en la
B=7 bits 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.
Se conoce como error de cuantificación
(o ruido), a la diferencia entre la señal
de entrada (sin cuantificar) y la señal de
salida (ya cuantificada), interesa que el
ruido sea lo más bajo posible. Para
conseguir esto, se pueden usar distintas 4) ¿Qué indica el teorema de
técnicas de cuantificación: muestreo de Nyquist?

 Cuantificación uniforme Desarrollado por H. Nyquist, quien

 Cuantificación logarítmica
 Cuantificación no uniforme
 Cuantificación vectorial
Se le asocia un valor de cuantificación x k
Esta asignación la realiza
matemáticamente el operador Q[·].
x q [ n ] =Q [ x [ n ] ]=x k si x [ n ] ∈ I k
afirmaba que una señal analógica puede
ser reconstruida, sin error, de muestras
tomadas en iguales intervalos de
tiempo. La razón de muestreo debe ser
igual, o mayor, al doble de su ancho de
banda de la señal analógica".

3) ¿Cuál es el fenómeno llamado

Alias o Aliasing?
El aliasing es el efecto que causa que
señales continuas distintas se tornen
indistinguibles cuando se les muestrea
digitalmente. Cuando esto sucede, la
señal original no puede ser reconstruida
de forma unívoca a partir de la señal
digital, El aliasing es un fenómeno
propio de la conversión A/D, en el cual
la frecuencia de la señal reconstruida es
menor que el de la señal original, lo cual
ocurre cuando la frecuencia de
muestreo es demasiado baja; estos
efectos pueden reducirse utilizando
filtros.
El teorema trata del muestreo, que no
debe ser confundido o asociado con
la cuantificación, proceso que sigue al
de muestreo en la digitalización de una
señal y que, al contrario del muestreo,
no es reversible (se produce una
pérdida de información en el proceso de
cuantificación, incluso en el caso ideal
teórico, que se traduce en
una distorsión conocida como error
o ruido de cuantificación y que establece
un límite teórico superior a la relación
señal-ruido). 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 Para que la definición dada arriba tenga
una precisión determinada, es decir, aún sentido, algunas condiciones técnicas
no han sido cuantificadas. tiene que ser satisfechas por la
función f, a saber, f tiene que ser una
función integrable en el sentido de
Si la frecuencia más alta contenida en la integral de Lebesgue. El factor que
una señal analógica x a ( t )es f max =B y la acompaña la integral en definición
señal se muestra a una tasa facilita el enunciado de algunos de los
f s >2 F max =2 B , entonces x a ( t ) se puede teoremas referentes a la transformada
recuperar totalmente a partir de sus de Fourier. Aunque esta forma de
muestras mediante la siguiente función normalizar la transformada de Fourier es
de interpolación: la más comúnmente adoptada, no es
universal.
La transformada de Fourier así definida
sin 2 πBt goza de una serie de propiedades de
g (t)=
2 πBt continuidad que garantizan que puede
extenderse a espacios de funciones
Así, x a ( t ) se puede expresar como:
mayores e incluso a espacios
de funciones generalizadas.
∞
n La transformada de Fourier tiene una
x a ( t )= ∑
n=−∞
xa
( )
Fs
g ¿) multitud de aplicaciones en muchas
áreas de la ciencia e ingeniería: la física,
la teoría de los números,
la combinatoria, el procesamiento de
Donde xa ( Fn )=x ( nT ) =x ( n)
s
a son las señales, la teoría de la probabilidad,
la estadística, la óptica, la propagación
muestras de x a ( t ) . de ondas y otras áreas. En
procesamiento de señales la
transformada de Fourier suele
5) ¿Qué realiza la transformada considerarse como la descomposición
de Fourier? de una señal en componentes
de frecuencias diferentes, es
En matemática, la transformada de
decir, g corresponde al espectro de
Fourier es una aplicación que hace
frecuencias de la señal f.
corresponder a una función f con
valores complejos y definida en la recta, La rama de la matemática que estudia la
otra función g definida de la manera transformada de Fourier y sus
siguiente: generalizaciones es
denominada análisis armónico.

x=+∞
1
g ( ξ )= x= ∫ f ( x ) e−iξx dx 6) ¿Qué es la transformada rápida
√ 2 π x=−∞
de Fourier?
la Transformada Rápida de Fourier es
un algoritmo que permite calcular
Ejercicio transformada discreta
eficientemente la Transforma de Fourier
fourier
Discreta y su inversa. La Transformada
Rápida de Fourier es de suma
importancia en el análisis, diseño y
realización de algoritmos y sistemas de CODIGO 1014238112
x= {1 12 }
procesamiento de señales dado que
n={ 0 12 }
brinda mayor eficiencia tanto en tiempo
como en recursos.
basado en la división del tiempo,
eliminando así gran parte de los
cálculos repetitivos que hay que llevar a Entonces para k =0
cabo si se desea resolver la TFD de − j 2 π ( 0)
(0 )
− j 2 π ( 0)
(1 )
− j 2 π ( 0)
( 2)
3 3 3
forma directa x ( 0 )=x ( 0 ) e + x (1) e + x (2)e

beneficia considerablemente a las ¿ 1+1+2

aplicaciones de procesamiento de ¿ 4 +0 j
señales no sólo de forma genérica al
brindar una forma más eficiente que Entonces k =1
elimina cálculos redundantes, sino ( 0) (1 ) 2
− j2 π ( 1 ) − j 2 π (1 ) − j 2 π ( 1)
también porque permite la resolución de x ( 1 ) =x ( 0 ) e 3
+ x (1) e 3
+ x (2) e 3

Transformadas de Fourier Discretas

−j 4π
para números grandes de muestras en ¿ 1+1 e− j 2 π ⁄ 3 +2 e 3

situaciones en las que el método directo

no es aplicable. Las FFT es así un Para poder obtener resultados de reales
algoritmo esencial para aplicaciones e imaginarios usaremos la identidad de
sensibles al tiempo y/o de recursos Euler que dice:
limitados.
− jω
e =cos ( ω ) − j sen ( ω )
Toda señal periódica puede ser
representada por la suma de series de Ahora reemplazamos en la ecuación:
Fourier. Con un análisis adecuado es
posible obtener una representación de 2π 2π
Fourier para señales de duración finita.
Esta representación es la que se conoce
¿ 1+1 cos ( ( ) 3 ( ))
− jsen
3
4π 4π
como la Transformada de Fourier
Discreta (TFD). La TFD se puede
( 3
+2( cos ( ) − jsen (
3 ))
)

representar Como:
N −1
Resolvemos:
X [ k ]= ∑ x [ n ] . w kn
N k=0,1, … . , N−1
n=0

Donde w =e
N
−j
2π
N
1+1 ( −12 )− j ( √23 )+2 ( 12 )− j (−2√3 )
Escriba aquí la ecuación . end

t = 0:N-1
Resolvemos reales e imaginarios subplot(311)
stem(t,x);
¿ 1.5+0.86 xlabel('Time (s)');
ylabel('Amplitude');
title('Time domain - Input
sequence')

subplot(312)
stem(t,X)
xlabel('Frequency');
Entonces k =2 ylabel('|X(k)|');
title('Frequency domain - Magnitude
( 0) ( 1) 2 response')
− j2 π ( 2 ) − j 2 π (2 ) − j 2 π ( 2)
3 3 3
x ( 2 ) =x ( 0 ) e + x ( 1) e + x ( 2) e
subplot(313)
−j8π
stem(t,angle(X))
¿ 1+1 e− j 4 π ⁄ 3 +2 e 3
xlabel('Frequency');
ylabel('Phase');
Para poder obtener resultados de reales title('Frequency domain - Phase
response')
e imaginarios usaremos la identidad de
Euler que dice: X % to check |X(k)|
angle(X) % to check phase
e− jω=cos ( ω ) − j sen ( ω )

Ahora reemplazamos en la ecuación:

4π 4π
( ( )
¿ 1+1 cos
3 ( ))
− jsen
3
8π 8π
( 3
+2( cos ( )− jsen (
3 ))
)

Resolvemos:

1+1 ( −12 )− j ( −2√3 )+2 ( −12 )− j ( −2√3 )

Resolvemos reales e imaginarios

¿ 1.5−0.86 j

x = [ 1 1 2];
N = length(x);
RANGO DE FRECUENCIA DEL
X = zeros(3,1) OÍDO HUMANO.
for k = 0:N-1
for n = 0:N-1
X(k+1) = X(k+1) +
x(n+1)*exp(-j*pi/2*n*k)
end
El oído humano puede escuchar un
rango de frecuencias el cual se
encuentra entre los 20 a 20KHz.
instrumentos musicales para ser
digitalizados de manera correcta debe
ser:
Instrument Frecuencia Frecuenci
o fundament a mínima
al medida de
en Hz muestreo
medida
en Hz
Bajo 41 – 294 1848
acústico
Flauta 262 – 2349 4698
Piano 28 – 4186 8372
Tambor 100 – 200 400
Trompeta 164 – 988 1976

Instrument Frecuenci Frecuenci

o a de a mínima
armónico de
s muestreo
Bajo 1-5KHz 10 KHz
acústico
Flauta 3-8 KHz 16 KHz
Piano 5-8 KHz 16 KHz
Tambor 1-20 KHz 40 KHz
Trompeta 1-7.5 KHz 15 KHz