3500 Hz ≥2(2000 Hz)

3500 Hz ≥ 4000 Hz
JHON FREDY SALCEDO HENAO
Código: 14651733 S=2 f 0
GRUPO: 299004_16
TUTOR(A)
f a=2(2000 Hz)
MAURICIO ALBERTO GARCIA
f a=4000 Hz

MUESTREO - EJERCICIO 1:

Siendo x ( t )= A sen ( 2 π f 0 t ) donde la
frecuencia f 0=2000 Hz. Resuelva:
1.1 ¿Se presenta fenómeno
alias o aliasing si x (t ) es
muestreada a S=4500 Hz? ?
Explique paso a paso y si
presenta alias, encuentre
la frecuencia f a
S ≥2 f 0
Cuantización – Ejercicio 3
Con un cuantizador de B=32 bits
se muestrea y se cuantiza una
senosoide con un intervalo de
escala completa D=12V ¿Cuál es
el error rms de la cuantización?
D
σ=
B
2 √12
σ =8.07 ×10−10 V

4500 Hz ≥ 2(2000)
4500 Hz ≥ 4000 Hz Desarrollo de las actividades.

1. ¿Qué es una señal

1.2 ¿Se presenta fenómeno
alias o aliasing si x (t ) es
muestreada a S=3500 Hz?
Explique paso a paso y si
presenta alias, encuentre
la frecuencia f a
S ≥2 f 0
muestreada?
Proceso de Muestreo: Especie
de "puente" entre las señales
continuas y las señales de
tiempo discreto, permitiendo
bajo ciertas condiciones,
representar una señal
continua por medio de una
señal discreta, que consiste
 en sus muestras igualmente
espaciadas (T=período de
muestreo).
x [ n ] =x ( kt ) ; n=K
2. ¿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
estos 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.
3. ¿Cuál es el fenómeno llamado
Alias o Aliasing?
En procesamiento de señales,
computación gráfica y
disciplinas relacionadas, el
aliasing, o solapamiento, es el
efecto que causa que señales
continuas distintas se tornen
indistinguibles cuando se
muestrean digitalmente.
Cuando esto sucede, la señal
original no puede ser
reconstruida de forma unívoca
a partir de la señal digital.
Una imagen limitada en banda
y muestreada por debajo de
su frecuencia de Nyquist en
las direcciones "x" e "y",
resulta en una superposición
de las replicaciones periódicas
del espectro G(fx, fy). Este
fenómeno de superposición
periódica sucesiva es lo que
se conoce como aliasing o
Efecto Nyquist.
El aliasing es un motivo de
preocupación mayor en lo que
concierne a la conversión
analógica-digital de señales
de audio y vídeo: el muestreo
incorrecto de señales
analógicas puede provocar
que señales de alta frecuencia
presenten dicho aliasing con
respecto a señales de baja
frecuencia. El aliasing es
 también una preocupación en
el área de la computación
gráfica e infografía, donde
puede dar origen a patrones
de moiré (en las imágenes
con muchos detalles finos) y
también a bordes dentados.
4. ¿Qué indica el teorema de
muestreo de Nyquist?
Teoría del muestreo de
Nyquist. Desarrollado por H.
Nyquist, quien afirmaba que
una señal analógica puede ser
reconstruida, sin error, de
muestras tomadas en iguales
intervalos de tiempo. ... El
teorema de muestreo fue
desarrollado en 1928 por
Nyquist y probado
matemáticamente por Claude
Shannon en 1949.
5. ¿Qué realiza la transformada
de Fourier?
El propio término se refiere
tanto a la operación de
transformación como a la
función que produce. En
procesamiento de señales la
transformada de Fourier suele
considerarse como la
descomposición de una señal
en componentes de
frecuencias diferentes, es
decir, corresponde al espectro
de frecuencias de la señal.
6. ¿Qué es la transformada
rápida de Fourier?
La Transformada rápida de
Fourier, conocida por la
abreviatura FFT (del inglés
Fast Fourier Transform) es un
algoritmo eficiente que
permite calcular la
transformada de Fourier
discreta (DFT) y su inversa. La
FFT es de gran importancia en
una amplia variedad de
aplicaciones, desde el
tratamiento digital de señales
y filtrado digital en general a
la resolución de ecuaciones en
derivadas parciales o los
algoritmos de multiplicación
rápida de grandes enteros.
Cuando se habla del
tratamiento digital de señales,
el algoritmo FFT impone
algunas limitaciones en la
señal y en el espectro
resultante ya que la señal
muestreada y que se va a
transformar debe consistir de
un número de muestras igual
a una potencia de dos. La
mayoría de los analizadores
de FFT permiten la
transformación de 512, 1024,
2048 o 4096 muestras. El
rango de frecuencias cubierto
por el análisis FFT depende de
la cantidad de muestras
recogidas y de la proporción
de muestreo.
La transformada rápida de
Fourier es de importancia
fundamental en el análisis
matemático y ha sido objeto
de numerosos estudios. La
aparición de un algoritmo
 eficaz para esta operación fue Resolvemos:
un hito en la historia de la
informática.
7+3 (−12 )− j( √23 )+3 ( 12 )− j ( −2√3 )
Transformada discreta de Escriba aquí laecuación .

fourier Resolvemos reales e imaginarios

¿ 7+0 j
CODIGO 14651733
x= {7 3 3 }
n={ 0 12 }

Entonces para k =0
(0 ) (1 ) ( 2) Entonces k =2
− j 2 π ( 0) − j 2 π ( 0) − j 2 π ( 0)
3 3 3
x ( 0 )=x ( 0 ) e + x ( 1) e + x (2)e ( 0) ( 1) 2
− 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
¿ 7+3+3
−j8π
¿ 13+0 j ¿ 7+3 e − j4π ⁄ 3
+3e 3

Entonces k =1
Para poder obtener resultados de
− j2 π ( 1 )
( 0)
3
− j 2 π (1 )
(1 )
3
− j 2 π ( 1)
2
3
reales e imaginarios usaremos la
x ( 1 ) =x ( 0 ) e + x (1) e + x (2) e identidad de Euler que dice:
−j4 π
¿ 7+3 e− j 2 π ⁄ 3 +3 e 3
e− jω=cos ( ω ) − j sen ( ω )

Para poder obtener resultados de Ahora reemplazamos en la

reales e imaginarios usaremos la ecuación:
identidad de Euler que dice:
4π 4π
e − jω
=cos ( ω ) − j sen ( ω ) ( 3
¿ 7+3 cos ( )− jsen (
3 ))
8π 8π
+3( ( cos ( ) 3 ))
Ahora reemplazamos en la − jsen( )
ecuación: 3
Resolvemos:
2π 2π
¿ 7+3 cos
( ( ) 3
− jsen( ))
3 7+3
−1
2
−j
− √3
( ) ( ) ( ) ( )
2
+3
−1
2
−j
− √3
2
4π 4π
+3( ( cos ( ) 3 ))
− jsen ( )
3 Resolvemos reales e imaginarios

¿ 7−0 j
x = [ 7 3 3];
N = length(x);
X = zeros(3,1)
for k = 0:N-1
for n = 0:N-1
X(k+1) = X(k+1) + 1. Rango de frecuencias que el
x(n+1)*exp(-j*pi/2*n*k) oído humano es capaz de
end escuchar:
end
Un oído sano y joven es
t = 0:N-1 sensible a las frecuencias
subplot(311) comprendidas entre los 20 Hz y
stem(t,x); los 20 kHz
xlabel('Time (s)');
ylabel('Amplitude');
title('Time domain - Input 2. Rango de frecuencias que
sequence') emiten cinco (5)
instrumentos musicales y la
subplot(312)
stem(t,X) frecuencia de muestreo:
xlabel('Frequency');
ylabel('|X(k)|'); TABLA I
title('Frequency domain -
RANGO DE FRECUENCIAS DE
Magnitude response')
INSTRUMENTOS Y FRECUENCIAS
subplot(313) DE MUESTREO
stem(t,angle(X)) IT INSTRU FRECU f m
xlabel('Frequency'); E MENTO ENCIA
ylabel('Phase');
M
title('Frequency domain - Phase
response') 1 Flauta 3 – 8 KHz 16 KHz
2 Oboe 2−12 KHz 24 KHz
X % to check |X(k)| 3 Clarinet 2−10 KHz 20 KHz
angle(X) % to check phase e
4 Trompet 1−7.5 KHz 15 KHz
a
5 Tambor 1−20 KHz 40 KHz

BIBLIOGRAFIA

Cuantificación digital.
Recuperado de:
https://es.wikipedia.org/wiki/Cua
ntificación_digital

Señales Muestreadas.
Recuperado de:
http://www.unet.edu.ve/aula10c/
Asenales/Unid01/terce02.htm
Aliasing. Recuperado de:
https://es.wikipedia.org/wiki/Alias
ing

Teoria del muestreo de Nyquist.

Recuperado de:
http://www.eveliux.com/mx/curso
/nyquist.html

¿Qué son y para qué sirven las

transformadas de Fourier?
Recuperado de:
https://es.quora.com/Qu
%C3%A9-son-y-para-qu%C3%A9-
sirven-las-transformadas-de-
Fourier