Teorı́a Básica de Muestreo

Ejercicios para resolver

15 de agosto de 2018

Resumen
Esta sección contiene tres proyectos diseñados para ilustrar los dos principios básicos del proceso de
muestreo: aliasing y reconstrucción. En el primer proyecto se investiga el aliasing para ondas seno y para
señales de gorjeo (chirp). Si es posible, estas señales deben ser escuchadas antes y después del muestreo. En
el segundo proyecto, el proceso de aliasing se desarrolla en el dominio de la frecuencia a través del uso de la
DTFT1 . El último proyecto explora varios medios diferentes por los cuales una señal puede ser recuperada
de sus muestras.
Palabras clave: muestreo, aliasing, conversión A/D, conversión D/A, reconstrucción de señales.

1 DTFT es el acrónimo de las palabras inglesas Discrete-Time Fourier Transform.

1
1. Aliasing producido por
el muestreo
No es fácil ilustrar el aliasing dentro de un programa de
Matlab, porque los únicos tipos de señales que se pueden
tener en Matlab son señales discretas representadas como
vectores. Este proyecto utiliza reproducciones visuales (y en
audio) de una señal para ilustrar la naturaleza del aliasing.
Sugerencias Puesto que no es posible tener una señal
analógica en Matlab, se necesita la simulación del eje de
tiempo real t. Por consiguiente es importante mantener cla-
ra la diferencia entre el ∆t de la simulación y el perı́odo de
muestreo Ts bajo estudio.
1.1. Aliasing de una sinusoide
Considere la fórmula para una señal sinusoidal de tiempo tomando la derivada con respecto al tiempo de la fase (el
continuo:
x(t) = sen(2πfo t + φ) (1)
Podemos muestrear x(t) a una frecuencia fs = 1/Ts para
obtener una señal de tiempo discreto
pasos de 125 Hz. Note que la frecuencia aparente de la
sinusoide es ahora decreciente. Explique este fenómeno.
e. De nuevo haga una serie de gráficas, pero varı́e la fre-
cuencia de las sinusoides de 32000 a 32475 Hz, en pasos
de 125 Hz. Prediga en avance si la frecuencia aparente
aumentará o disminuirá.
1.2. Señal gorjeo con aliasing
Una señal modulada linealmente en frecuencia es una buena
prueba para el aliasing, debido a que la frecuencia se mueve
sobre un rango. A esta se le llama con frecuencia “gorjeo”
(chirp en inglés) debido al sonido audible que hace cuando
se registra en un parlante. La definición matemática de un
gorjeo es
c(t) = cos(πµt2 + 2πf1 t + ψ) (3)
La frecuencia instantánea de esta señal puede ser encontrada
argumento del coseno). El resultado es
fi (t) = µt + f1
la cual exhibe una variación lineal con respecto al tiempo.
a. Tome los parámetros de la señal gorjeo para que sean
   
x[n] = x(t) = x(t) = sen 2π ffos n + φ (2)
 
t=nTs t=n/fs f1 = 4 kHz, µ = 600 kHz/s y ψ arbitrario. Si la duración
de tiempo total de la señal gorjeo es 50 ms, determine el
Si hacemos gráficas de x[n] para diferentes combina- rango de frecuencias que es cobijado por el barrido de
ciones de fo y fs , se puede ilustrar el problema del alia- frecuencias de la señal gorjeo.
sing. Para lo siguiente, tome para la frecuencia de muestreo
fs = 8 kHz. b. Deje que la frecuencia de muestreo sea fs = 8 kHz. Di-
buje las muestras de tiempo discreto de la señal gorjeo
a. Primero que todo, haga una gráfica sencilla de una onda utilizando stem y plot. Puesto que el ancho de banda de
seno muestreada. Deje que la frecuencia de la onda seno la señal gorjeo excede la frecuencia de muestreo, habrá
sea 300 Hz y tome muestras sobre un intervalo de 10 ms. aliasing.
La fase φ puede ser arbitraria. Dibuje la señal de tiempo
discreto resultante utilizando stem. Debe ser fácil ver la c. Note que la señal gorjeo exhibe intervalos en el tiem-
forma de una sinusoide debido a que sus ojos desarrollan po donde la frecuencia aparente llega a ser muy baja. En
una reconstrucción visualizando la envolvente de la señal. efecto, la frecuencia instantánea está pasando a través de
cero en esos puntos. Determine de las gráficas las veces
b. Si es necesario, haga la gráfica utilizando plot. En es- que esto pasa. Verifique que estos son los tiempos correc-
te caso, los puntos están conectados con lı́neas rectas, tos chequeando dónde ocurre el aliasing de la frecuencia
ası́ que el comportamiento sinusoidal debe ser obvio. Co- barrida.
nectar las muestras de la señal con lı́neas rectas es una
forma de “reconstrucción de señales” que hace una señal 1.3. Escuchando el aliasing
de tiempo continuo a partir de las muestras de una señal
de tiempo discreto. No es la reconstrucción ideal especifi- Si su computador tiene la capacidad para salida de sonidos
cada por el teorema del muestreo pero es suficientemente desde Matlab a través de un convertidor D/A y un parlan-
buena para ser útil en la mayorı́a de las situaciones. te, será interesante escuchar las señales con aliasing creadas
en los ejercicios previos. Para obtener una señal razonable,
c. Ahora haga una serie de gráficas, justo como en la parte será necesario crear una señal mucho más larga –quizá una
(a), pero varı́e la frecuencia sinusoidal de 100 a 475 Hz, duración de 1 o 2 segundos. Además, las muestras de las
en pasos de 125 Hz. Note que la frecuencia aparente de señales deben ser creadas con la frecuencia de muestreo na-
la sinusoide se incrementa, como se esperaba. Podrı́a ser tural del convertidor D/A.
mejor utilizar subplot para colocar las cuatro gráficas
en una sola presentación. a. Para una sinusoide muestreada, tiene sentido concatenar
varios segmentos, consistente de las sinusoides de frecuen-
d. Haga otra serie de gráficas, justo como en la parte (c), cias ligeramente diferentes. Cada una debe ser de alrede-
pero varı́e la frecuencia sinusoidal de 7525 a 7900 Hz, en dor de 200 ms de duración, ası́ que al colocar juntas de 5 a

2
 10 de estas tendremos una señal que puede ser escuchada plot(ff/1000, abs(Xa(1:length(range))))
de 1 a 2 segundos. title(’Transformada de Fourier (Magnitud)’)
xlabel(’Frecuencia (kHz)’), grid
b. Para la señal gorjeo, la duración debe ser mucho más pause
larga que 50 ms, ası́ que el parámetro µ debe ser ajustado
para obtener un rango de frecuencia barrida que pase a
través de únicamente unos pocos alias. Vea si usted puede 2.1. Generación de señales
obtener µ de manera que una señal gorjeo de 2 segundos Para demostrar el efecto del aliasing necesitamos una señal
pase a través de exactamente 5 alias. Este valor para µ de entrada analógica sencilla para correr a través del sis-
dependerá de la frecuencia de muestreo del convertidor tema. Utilizaremos sinusoides pero después usted tendrá
D/A en su computador. que trabajar la simulación por si usted quisiera ensayar
otras señales. Para iniciar, usted debe escoger una “fre-
cuencia de muestreo de simulación”; tómela para que sea
2. El muestreo en el dominio fsim = 80 kHz.
de la frecuencia
a. Genere una señal analógica simulada que sea una onda
Cuando una señal de tiempo continuo se muestrea, su espec- coseno con frecuencia analógica fo .
tro muestra el efecto del aliasing debido a que las regiones
del dominio de la frecuencia son desplazadas por una can- x(t) = cos(2πfo t + φ) 0≤t≤T
tidad igual a la frecuencia de muestreo. Para mostrar este
efecto realmente, se necesita un osciloscopio. En Matlab
el efecto sólo puede ser simulado y es el propósito de este Tome la fase de manera que sea aleatoria. Genere mues-
proyecto. tras (a la frecuencia fsim ) sobre un intervalo de tiempo
La simulación consistirá de una operación de muestreo, de longitud T . Escoja la longitud de la señal para que
seguida por una conversión D/A (incluido el filtro de re- obtenga alrededor de 900 a 1000 muestras de la señal
construcción). Este sistema sencillo será manejado por si- analógica simulada.
nusoides con diferentes frecuencias y serán comparadas las
b. Dibuje la señal de tiempo con plot de manera que las
transformadas de Fourier de las señales analógicas de en-
muestras estén conectadas. Asegúrese de que rotula el eje
trada y salida. Los diferentes ejercicios tratan cada parte
de tiempo con el tiempo analógico verdadero.
del proceso de muestreo y reconstrucción. Ellos deben ser
combinados en un archivo guión .m que hará la simulación
c. Dibuje la transformada de Fourier de esta señal (véase
completa.
fplot arriba).

Sugerencias Para simular las señales analógicas, tendrá

que ser usada una tasa de muestreo muy alta –al menos cinco 2.2. Conversión A/D
veces la frecuencia más alta que a cualquier señal analógica
El convertidor A/D (Analógico/Digital) toma muestras es-
le será permitido tener. Entonces habrá dos “frecuencias de
paciadas por Ts . Es simulado porque toma un subconjunto
muestreo” en el problema –una para el muestreo actual bajo
de las muestras generadas por x(t). Para evitar complica-
estudio y la otra para simular las señales de tiempo continuo.
ciones innecesarias, la relación de fsim y la tasa de muestreo
Una segunda cuestión es cómo visualizar la transformación
del convertidor A/D, fs , debe ser un entero `. Entonces ca-
de Fourier de las señales de tiempo continuo. De nuevo, esto
da `-ésima muestra del vector x(t) puede ser seleccionada
puede únicamente ser simulado. El siguiente archivo .m debe
para simular la conversión A/D.
ser utilizado para dibujar el espectro analógico. Note que
una de sus entradas es la dt para la simulación.
a. Dibuje la señal de tiempo discreta resultante cuando fs =
function fplot(xa, dt) 8 kHz.
% FPLOT
% fplot(xa, dt) b. Calcule la DTFT de la señal de tiempo discreto y expli-
% que cómo está relacionada con la transformada de Fourier
% xa: la se~nal analógica de la señal analógica de la sección 2.1.(c).
% dt: el intervalo de muestreo para
% la simulación de xa(t)
% 2.3. Diseño de un Filtro de Reconstrucción
L = length(xa);
Nfft = round(2.^round(log2(5*L))); La sección D/A (Digital/Analógica) consiste de dos partes:
Xa = fft(xa,Nfft); un espaciado de las muestras de tiempo discreto a través del
range = 0:(Nfft/4); intervalo de tiempo de muestreo Ts , seguido por el filtro de
ff = range/Nfft/dt; reconstrucción analógico.

3
a. El filtro de reconstrucción tendrá, por supuesto, que ser d. Si es posible, trate con algunas otras señales para las
un filtro digital para simular el verdadero filtro analógico. cuales usted pueda predecir el resultado. Por ejemplo,
Utilice la función de diseño de filtros de Matlab cheby2 trate de simular el experimento con la señal gorjeo de la
para diseñar este filtro: [b,a] = cheby2(9,60,fcut). sección 1.
Esta función diseñará un filtro de noveno orden con 60 dB
de atenuación en la banda de rechazo. La frecuencia de
corte analógica tiene que ser 21 fs . Para Matlab esta tie- 3. Reconstrucción de señales
ne que ser escalada a fcut = 2*(fs/2)/fsim. a partir de las muestras
b. Ahora utilice freqz para dibujar la respuesta en frecuen- El procesamiento digital de señales involucra, entre muchas
cia del filtro de reconstrucción simulado. Para obtener su otras cosas, la reconstrucción de señales analógicas a par-
verdadera frecuencia de corte analógica sobre la gráfica, tir de las muestras digitales. Esta sección explora varios
usted debe recordar que este es un filtro digital donde la métodos que pueden ser utilizados para esta reconstrucción.
frecuencia ω = π es mapeada a 12 fsim . Puesto que hay muchas posibles señales analógicas que pue-
den pasar a través de un conjunto de muestras de tiempo
2.4. Conversión D/A dado, la selección de una señal analógica depende de la supo-
sición hecha acerca de las propiedades de la reconstrucción.
La real fase de conversión D/A consiste en la creación de Considere el caso donde a usted le son dadas tres mues-
una señal analógica x̂(t) de la señal de tiempo discreto x[n] tras de una señal analógica, x(t), como se especifica abajo
y luego filtrándola con el filtro de Chebyshev. El vector de y como se muestran en la Figura 1a:
Matlab que simula la señal analógica x̂(t) es reconstrui- 
da del vector de la señal de tiempo discreto insertando un x(0) = 2,7, x(1) = 1, x(2) = x(t)t=2 = −1,6 (4)
número de ceros entre cada muestra. El número de ceros
depende de la relación fsim /fs . Muestras Señal analógica posible
4 4

a. Realice esta operación de inserción de ceros sobre la señal

3 3
generada en la sección 2.1 y muestreada en la sección 2.2.
Luego aplique el filtro de reconstrucción de Chebyshev 2 2
para obtener la salida suavizada xr (t).
1 1

b. Dibuje la señal de salida de tiempo continuo resultante

xr (t) y su transformada de Fourier. 0 0

-1 -1

2.5. Prueba de aliasing

-2 -2

Todos los pasos de arriba deben ser colocados en un archivo

.m como guión. Luego de esto las pruebas se podrán correr. -3 -3

-4 -4
a. Tome la frecuencia de muestreo para que sea fs = 8 kHz; -0.5 0 0.5 1 1.5 2 2.5 -0.5 0 0.5 1 1.5 2 2.5
Eje de tiempo Eje de tiempo
deje que la frecuencia de la señal de entrada sea fo =
2 kHz. Haga las gráficas de las transformadas de Fourier Figura 1: (a) Tres muestras de una señal analógica; (b) una señal
de la entrada y la salida y compárelas dibujándolas jun- analógica posible consistente con las tres muestras de (a).
tas.
No se da otra información. ¿Para qué señal analógica co-
b. Ahora trate con un número de diferentes frecuencias de rresponden estas muestras? Es importante tener en cuenta
la señal de entrada: fo = 6 kHz, 7 kHz, 9 kHz, 10 kHz y que no hay una “respuesta correcta” a este problema. De-
15 kHz. Cuando fsim es solamente 100 kHz, la frecuencia pende de la suposición que usted haga y de los métodos de
de entrada no deberı́a ser mayor que 20 kHz. Haga las reconstrucción que usted emplee.
gráficas de las transformadas de Fourier de las señales Por ejemplo, una posible forma de onda analógica que
de entrada y salida y compárelas. Note dónde empieza el corresponde a las muestras indicadas en la Figura 1a se pue-
aliasing a ocurrir. de ver en la Figura 1b. Simplemente hemos dibujado una
curva arbitraria a través de los puntos de muestra. No nece-
c. Para ilustrar los efectos del aliasing en una gráfica, uti- sitamos especificar dónde va más allá del rango mostrado y
lice subplot para colocar las siguientes cuatro gráficas podrı́amos haber dibujado cualquier número de curvas ar-
juntas: x(t), x[n], x̂(t) y xr (t), la señal analógica con ce- bitrarias.
ros insertados. Otra interesante multi-gráfica mostrarı́a Para ser más concretos, necesitamos establecer supo-
x(t), xr (t) y sus transformadas de Fourier juntas. siciones y métodos de reconstrucción. Por ejemplo, vemos

4
aquı́ tres muestras igualmente espaciadas. Podrı́amos asu- de un filtro pasa-bajos ideal, como sigue: Una operación
mir que las muestras han sido tomadas para todos los po- pasa-bajos ideal corresponde a una multiplicación del espec-
sibles n = −∞ a n = +∞ y que solamente estas tres tro de una señal con una función rectangular en el dominio
fueron encontradas como muestras no cero. Por otro lado, de la frecuencia. Esto corresponde a una convolución con la
podrı́amos asumir que las tres muestras son un subconjunto transformada inversa de Fourier, la cual es una función senc
de todas las posibles muestras para n = −∞ hasta n = +∞ en el dominio del tiempo. Cuando se aplica a las muestras
pero justamente no nos fueron dados todos los otros valores puntuales, esto implica la interpolación senc:
de las muestras no cero —sólo las tres mostradas. ∞

En la selección de un método de reconstrucción, podrı́amos X sen π(t − `Ts )/Ts
xr (t) = x(t` ) (6)
decidir por ajustar un polinomio o ajustar una onda seno o π(t − `Ts )/Ts
`=−∞
utilizar interpolación lineal o utilizar un filtro pasa-bajos o
cualquiera de un buen número de otros métodos. Para esta donde las muestras x(t` ) son tomadas en t` = `Ts .
sección, estaremos tratando de ajustar los tres puntos de
datos con una onda seno, un polinomio y luego trataremos a. Escriba un interpolador senc basado en (6). Suponga que
con filtrado pasa-bajos ideal y no ideal. sólo un número finito de muestras de la señal son di-
ferentes de cero y que la señal necesita únicamente ser
3.1. Ajustando una onda seno reconstruida sobre un intervalo de tiempo finito.

Suponga que las tres muestras corresponden a una forma de b. Interpole una muestra de un solo punto de valor 1 en
onda sinusoidal de la forma t = 0. Dibuje el resultado desde −5 a +5. Esto debe
coincidir con la forma de la función senc.
x(t) = A cos(ωt + φ) (5)
c. Ahora interpole el caso de tres puntos dado en (4) y en
Usted tiene x(0), x(1) y x(2). ¿Es esta información suficien- la Figura 1. Compare el resultado a aquel obtenido del
te para determinar A, ω y φ? ¿Puede usted establecer las ajuste de la onda seno.
ecuaciones relevantes? ¿Puede usted resolver siempre estas
ecuaciones? Si no, dé valores numéricos especı́ficos donde el
3.4. Selección de un ancho de banda
proceso falle.
¿Puede usted adivinar una respuesta correcta? Habiendo supuesto
encontrado una respuesta correcta, encuentre otra respuesta Resuelva lo siguiente: Una señal limitada en banda a algu-
con una frecuencia diferente, ω. Dibuje las sinusoides resul- na frecuencia fB puede ser muestreada a fs = 2fB y recu-
tantes sobre una retı́cula muy fina —utilice un espacio de perada por un filtro de reconstrucción pasa-bajos ideal con
menos que ∆t = 0,01 s. frecuencia de corte fB . Lo mismo es verdad para una segun-
da señal que está limitada a fb , donde fb es menor que fB ,
3.2. Interpolación lineal y polinomial puesto que una señal limitada en banda a fb está también
limitada en banda a fB . También, la señal limitada en ban-
a. Utilizando Matlab, conecte las muestras con lı́neas rec- da a f muestreada a f puede ser recuperada con un filtro
b s
tas. Dibuje el resultado sobre una retı́cula fina con es- pasa-bajos ideal con frecuencia de corte f , la cual tiene una
b
pacio, ∆t = 0,01 s. Explique cómo plot hará esto au- respuesta al impulso (senc) que es más ancha que aquella
tomáticamente. con frecuencia de corte en fB = 21 fs . ¿Podemos interpolar
b. Convolucione las tres muestras con una respuesta al im- las muestras de la señal con ancho de banda fb , muestreada
pulso que es triangular, pero primero inserte cuatro ceros a fs , utilizando la respuesta al1
impulso del pasa-bajos ideal
entre cada una de ellas y use una respuesta al impulso con frecuencia de corte fb < 2 fs ?
0,2, 0,4, 0,6, 0,8, 1,0, 0,8, 0,6, 0,4, 0,2. Demuestre que
este resultado es idéntico a la interpolación lineal si su-
ponemos que las muestras en t = −1 y t = +3 son cero.
c. Utilizando Matlab, ajuste un polinomio de segundo gra-
do a los tres puntos de datos (vea polyfit y polyval).
Dibuje el polinomio sobre una retı́cula fina para −5 ≤
t ≤ 5. ¿Es esta curva realista en un sentido práctico?
¿Hace un buen trabajo al extender los valores de la señal
más allá del rango 0 ≤ t ≤ 2?

3.3. Filtrado pasa-bajos ideal

No hay en realidad disponibles filtros pasa-bajos ideales. Sin
embargo, podemos calcular la forma de onda que resultarı́a