05 Procesamiento Digital de Senales - Muestreo A - 2

FACULTAD DE ING.
MECÁNICA, ELECTRÓNICA Y BIOMÉDICA

PROGRAMA: Ingeniería Electrónica
CURSO
PROCESAMIENTO DIGITAL SENALES

Clase 5
Conversión Análogo-Digital:
Etapa de Muestreo
FRANCISCO M. FERNANDEZ PERICHE

Profesor
Ingeniero Electrónico-PhD
Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

FACULTAD DE ING. MECÁNICA, ELECTRÓNICA Y BIOMÉDICA
CURSO
DE LA CLASE ANTERIOR:
1. Tipos de señales

CURSO
VIDEO:
Conversores Análogo - Digital y Digital Análogo
https://www.youtube.com/watch?v=QnFIrJ930wI

CURSO
TEMAS DE LA CLASE:
1. Muestreo
https://dewesoft.com/daq/types-of-adc-converters
https://es.qwe.wiki/wiki/Analog-to-digital_converter

CURSO
 La mayor parte de la señales con interés práctico, tales como las

señales de voz, las señales biológicas, sísmicas, de radar, de sonar
y las diversas señales de comunicación como las de audio y vídeo,
son analógicas.
 Para poder procesar señales analógicas a través de medios

digitales, primero es necesario convertirlas a formato digital, es
decir, convertirlas en una secuencia de números con una precisión
finita.

CURSO
 Este procedimiento se denomina conversión analógica-digital

(A/D), y los dispositivos que la realizan son los convertidores
A/D (ADC).

CURSO
Conceptualmente, la conversión A/D es un proceso de tres pasos, el

cual se ilustra en la Figura:

CURSO
Muestreo.
 Este paso consiste en la conversión de una señal continua en el

tiempo en una señal discreta en el tiempo obtenidamediante la
toma de “muestras” de la señal continua en el tiempo en instantes
discretos de tiempo.
 Por tanto, si xa(t) es la entrada del muestreador, la salida será
xa(nT ) ≡ x(n), donde T es el intervalo de muestreo.

CURSO
Cuantificación.
 En este paso se realiza la conversión de una señal de valores

continuos tomados en instantes discretos de tiempo en una señal
de valores discretos en instantes de tiempo discretos (es decir, es
una señal discreta).
 El valor de cada muestra de la señal se representa mediante un
valor seleccionado dentro de un conjunto finito de posibles
valores.
 La diferencia entre la muestra no cuantificada x(n) y la salida
cuantificada xq(n) es el error de cuantificación.
 Discretización de amplitud, i.e. x[n] , xq [n]

CURSO
Codificación.
En el proceso de codificación, cada valor discreto xq(n) se representa

mediante una secuencia binaria de b-bits.
Señal en tiempo y amplitud discreta a secuencia digital xq[n],

01010011

CURSO

CURSO
DIGITAL-ANALOGICO
En los sistemas digitales, la

información que se está
procesando se presenta en
forma binaria, para actuar
sobre el medio externo, debe
ser convertida a un valor de
tensión analógica capaz de
ser procesada por un sistema
electrónico como elemento
actuador.

CURSO
En el subcampo matemático del

análisis numérico, se denomina
interpolación a obtención de
nuevos puntos partiendo del
conocimiento de un conjunto de
puntos.
En ingeniería y algunas ciencias es

frecuente disponer de un cierto
número de puntos obtenidos por
muestreo o a partir de un
experimento y pretender construir
una función que los ajuste.

CURSO
Si tenemos una función cuyo cálculo resulta costoso, podemos partir

de un cierto número de sus valores e interpolar dichos datos
construyendo una función más simple.
En general, por supuesto, no obtendremos los mismos valores

evaluando la función obtenida que si evaluamos la función original, si
bien dependiendo de las características del problema y del método de
interpolación usado la ganancia en eficiencia puede compensar el
error cometido.

CURSO
La Figura 1.4.2 ilustra un método simple de conversión D/A,

denominado aproximación mediante escalones o mediante retención de
orden cero.

CURSO
Existen otras aproximaciones, como por ejemplo:
 interpolación lineal, la conexión lineal de una pareja de

muestras sucesivas
 en la interpolación lineal se utilizan dos puntos, (xa,ya) y
(xb,yb),

CURSO
Existen otras aproximaciones, como por ejemplo:
 (interpolación cuadrática). el ajuste de una función

cuadrática a través de tres muestras sucesivas.

CURSO
MUESTREO:
 Existen muchas formas de muestrear una señal analógica.

 El tipo de muestreo empleado más a menudo en la práctica es el
muestreo uniforme o periódico.
 Se describe mediante la siguiente relación:
 Donde x(n) es la señal discreta en el tiempo obtenida “tomando

muestras” de la señal analógica xa(t) cada T segundos.

CURSO
 Este procedimiento se ilustra en la Figura 1.4.3. El intervalo de tiempo T

entre muestras sucesivas es el período de muestreo o intervalo de
muestreo y su recíproco 1/T =Fs se denomina tasa de muestreo
(muestras por segundo) o frecuencia de muestreo (hercios).

CURSO
 El muestreo periódico establece una relación entre las variables t y

n de las señales continuas y discretas en el tiempo,
respectivamente.
 Estas variables se relacionan linealmente a través del período de

muestreo T o, de forma equivalente, a través de la tasa de
muestreo Fs = 1/T, como:

CURSO
 Como consecuencia de (1.4.2), existe una relación entre la variable

de frecuencia F (u Ω) para las señales analógicas y la variable de
frecuencia f (u ω ) para las señales discretas en el tiempo.
 Para establecer la relación, considere una señal analógica
sinusoidal de la forma:

CURSO

CURSO

CURSO
 De acuerdo a estas relaciones, se observa que la diferencia

fundamental entre las señales continuas y discretas está en su
rango de valores de las variables de frecuencia F y f, u Ω y ω .
 El muestreo periódico de una señal continua en el tiempo implica

establecer una correspondencia entre el rango de frecuencias
infinito de la variable F (u Ω) y el rango de frecuencias finito de la
variable f (u ω ).

CURSO
 Puesto que la frecuencia más alta de una señal discreta en el

tiempo es ω =π o f = 1/2 , se deduce que, con una frecuencia de
muestreo Fs, los valores máximos correspondientes de F y Ω son
 La frecuencia más alta de una señal continua que puede

determinarse únivocamente cuando dicha señal se muestrea a una
frecuencia Fs = 1/T es Fmax = Fs/2, u Ωmax =πFs.

CURSO
TEOREMA DEL MUESTREO
 La frecuencia más alta de una señal analógica que puede

reconstruirse sin ambiguedades cuando se muestrea la señal a
una frecuencia Fs = 1/T es Fs/2.
 Cualquier frecuencia por encima de Fs/2 o por debajo de −Fs/2

produce muestras que son idénticas a las correspondientes
frecuencias dentro del rango −Fs/2 ≤ F ≤ Fs/2.

CURSO
 Para evitar las ambiguedades debidas al aliasing (solapamiento),

se debe elegir una frecuencia de muestreo que sea
suficientemente alta.
 Es decir, hay que seleccionar Fs/2 para que sea mayor que Fmax.
 Por tanto, para evitar el problema del aliasing, se selecciona Fs de

modo que:

CURSO
 Donde Fmax es la componente de frecuencia más alta de la señal

analógica.
 Seleccionando de este modo la frecuencia de muestreo, cualquier
componente de frecuencia, es decir, |Fi| < Fmax, de la señal
analógica se corresponde con una sinusoide discreta en el tiempo
con una frecuencia de:

CURSO
 Si la frecuencia más alta contenida en una señal analógica
 xa(t) es Fmax = B y la señal se muestrea a una frecuencia

Fs > 2Fmax ≡ 2B,
 entonces xa(t) puede recuperarse de forma exacta a partir
de los valores de sus muestras utilizando la siguiente
función de interpolación:

CURSO
 La frecuencia de muestreo
FN = 2B = 2Fmax se denomina
frecuencia de Nyquist.
 La Figura 1.4.6 ilustra el

proceso de conversión D/A
ideal utilizando la función de
interpolación dada por (1.4.22).

CURSO
15
 Teorema del Muestreo
 Nombres: Nyquist, Shannon, Nyquist–Shannon–Kotelnikov,

Whittaker– Shannon–Kotelnikov, Whittaker–Nyquist–
Kotelnikov–Shannon
 Define la frecuencia de muestreo que permite reconstrucción
ideal
 Requiere conocer el contenido de frecuencias (espectro) de la
señal análoga, en particular: fmax
 Condición que establece:
Fs  2 fmax

CURSO
15
El caso límite donde

Fs  2 fmax se conoce como el límite de Nyquist dos muestras para el
período asociado a fmax puede coincidir con ceros, por lo que es más
seguro Fs  2 fmax

CURSO
Interpretaciones del muestreo:
 Interrupciones:
 T es el tiempo de muestreo
 Modulación de un tren de pulsos:
 s(t) es la señal moduladora (un
tren de impulsos ideal)
 Resultado

17 CURSO
 Teorema del Muestreo

 La función sinc tiene un interés más teórico que práctico
 La función sinc en frecuencia es el pasabajo ideal (rectwin)
 Otros filtros pasabajo resultan más prácticos
 Rango de frecuencia digital:

 En Radianes: [-π, π] ↔ [0, 2π]
 En Hz: [-Fs/2, Fs/2] ↔ [0, Fs]
 En frecuencia normalizada: [-1/2 , 1/2] ↔ [0, 1]

CURSO
18
FENOMENOS ASOCIADOS AL MUESTREO
 Aliasing
 Downsampling/Decimation
 Upsampling/Interpolación
 Resampling

CURSO
18
ALIASING
 Distorsión en la composición espectral de una señal (por ende

en la señal) producto de un muestreo inadecuado
 Señal muestreada es periódica en 2π
 Si el ancho de banda no queda entre 0 y π → Superposición de
componentes con otros periodos
 Siempre se necesita un filtro anti-aliasing (pasabajo) que
permita “asegurar” que se cumple al menos el límite de Nyquist
 No todos los DAQ cuentan con este filtro, el cual es
generalmente análogo.

17 CURSO
Fig. Aliasing Phenomena

CURSO
18
Fig. Diferentes tipos de muestreo

CURSO
Sin aliasing
Con aliasing

CURSO
28
RESAMPLING
 Equivalente a las operaciones decimation/interpolate, pero

donde D es una fracción (p/q) y no necesariamente un entero
 Para lograr cambio de fs (o cambio de largo) se utiliza:
 Aplicar upsampling por un factor p
 Filtrar con un filtro pasa-bajo la señal de 1→
decimation/interpolation
 Downsampling la señal de 2 por un factor q

CURSO
28
 El remuestreo que permite incrementar el numero de muestras (en

inglés upsampling) también se conoce como estiramiento
 Consiste en insertar n-1 ceros entre las muestras para incrementar
la frecuencia de muestreo n veces.
 El remuestreo que permite disminuir el número de muestras (en

ingles downsampling) también se conoce como decimación .
 Consiste en descartar n-1 muestras cada n muestras para reducir la
frecuencia de muestreo n veces.

CURSO
22
DOWNSAMPLING
 Operación sujeta a aliasing

 Operación que puede generar pérdidas de altas frecuencias
 Al agregar un filtro anti-aliasing (pasa-bajo) ANTES de realizar
la operación de downsampling, se elimina la distorsión por
aliasing

CURSO
22
DECIMATION:
 La decimación es un método para observar solo una parte

periódica de las muestras de ADC, mientras se ignora el resto.
 El resultado es reducir la frecuencia de muestreo del ADC.
 Por ejemplo, un modo diezmado por 4 significaría (muestras
totales) / 4, mientras que todas las demás muestras se descartan
efectivamente.

CURSO
22
La decimación se usa para:
 Disminuir la velocidad de datos de ADC a niveles razonables para

Captura de datos
 Mantener una alta tasa de muestreo de salida para una mayor
flexibilidad planificación de frecuencia
 Aprovechar el filtrado de diezmado para mejorar rendimiento
espectral.

CURSO
22

CURSO
Espectro Original
Filtro pasa-bajo
Espectro Filtrado

CURSO
Downsample vs. Decimation
En este caso
downsampling
producirá perdidas de
altas frecuencias
incluso con un filtro
anti-aliasing
El filtro pasa-bajo sólo

previene el aliasing

CURSO
25
UPSAMPLING
 Operación que escala todo el espectro (incluidas las replicas)

 Operación que puede generar nuevas altas frecuencias
 Al agregar un filtro pasa-bajo (anti-aliasing) DESPUES de
realizar la operación de upsampling, se eliminan las nuevas
frecuencias altas

CURSO
25
INTERPOLACIÓN:
Operación que puede generar nuevas altas frecuencias

CURSO
Upsample vs. Interpolación
Espectro Original
Espectro luego de la
operación upsample

CURSO
Upsample vs. Interpolación
Espectro después
upsampling
Filtro pasabajo
Espectro después de una

operación de interpolación

CURSO
29
MUESTREO DE SEÑALES DISCRETAS
 Operaciones downsampling/decimation y
upsampling/interpolación tienen gran aplicación en DSP
 Casos típicos: FFT, compresión de audio e imágenes,

refinamiento progresivo de audio e imágenes

CURSO
29
FFT:
 Calcula espectro luego de repetidas operaciones
downsampling
Compresión de audio e imágenes:

 Menos sensibilidad en altas frecuencias → menos resolución
es requerida en esas bandas
Refinamiento progresivo:
 Transmitir señal después del downsampling primero y
agregar componentes de alta frecuencia progresivamente

CURSO
 A la izquierda se tiene una línea

diagonal en la que se aprecia
claramente el Aliasing incluso sin
hacerle zoom a la imagen, y a la
derecha podemos ver el filtro Anti-
Aliasing aplicado, que suaviza la
imagen de tal manera que da la
impresión de que la línea es
continua.
 Al hacer mucho zoom, como
también se muestra, se puede ver
que simplemente se suaviza
haciendo una degradación de los
píxeles de alrededor.

CURSO

CURSO

CURSO

CURSO

CURSO

CURSO

CURSO
RESUMEN DE LA CLASE:
1. El muestreo digital es una de las partes del proceso de
digitalización de las señales. Consiste en tomar muestras de una
señal analógica a una frecuencia o tasa de muestreo constante,
para cuantificarlas posteriormente.
1. El muestreo está basado en el teorema de muestreo, que es la

base de la representación discreta de una señal continua en
banda limitada. Es útil en la digitalización de señales (y por
consiguiente en las telecomunicaciones) y en la codificación del
sonido en formato digital.

CURSO
RESUMEN DE LA CLASE:
1. Independientemente del uso final, el error total de las muestras
será igual al error total del sistema de adquisición y conversión
más los errores añadidos por el ordenador o cualquier sistema
digital.
2. Para dispositivos incrementales, tales como motores paso a paso

y conmutadores, el error medio de los datos muestreados no es
tan importante como para los dispositivos que requieren señales
de control continuas.

CURSO
PROXIMA CLASE:
1. Conversióon Análogo Digital

CURSO
MUCHAS GRACIAS
FRANCISCO M. FERNANDEZ PERICHE
Profesor
Ingeniero Electrónico-PhD

05 Procesamiento Digital de Senales - Muestreo A - 2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

05 Procesamiento Digital de Senales - Muestreo A - 2

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE ING.

MECÁNICA, ELECTRÓNICA Y BIOMÉDICA

PROCESAMIENTO DIGITAL SENALES

FRANCISCO M. FERNANDEZ PERICHE

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

Conversores Análogo - Digital y Digital Análogo

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

 La mayor parte de la señales con interés práctico, tales como las

 Para poder procesar señales analógicas a través de medios

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

 Este procedimiento se denomina conversión analógica-digital

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

Conceptualmente, la conversión A/D es un proceso de tres pasos, el

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

 Este paso consiste en la conversión de una señal continua en el

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

 En este paso se realiza la conversión de una señal de valores

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

En el proceso de codificación, cada valor discreto xq(n) se representa

Señal en tiempo y amplitud discreta a secuencia digital xq[n],

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

En los sistemas digitales, la

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

En el subcampo matemático del

En ingeniería y algunas ciencias es

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

Si tenemos una función cuyo cálculo resulta costoso, podemos partir

En general, por supuesto, no obtendremos los mismos valores

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

La Figura 1.4.2 ilustra un método simple de conversión D/A,

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

Existen otras aproximaciones, como por ejemplo:

 interpolación lineal, la conexión lineal de una pareja de

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

Existen otras aproximaciones, como por ejemplo:

 (interpolación cuadrática). el ajuste de una función

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

 Existen muchas formas de muestrear una señal analógica.

 Donde x(n) es la señal discreta en el tiempo obtenida “tomando

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

 Este procedimiento se ilustra en la Figura 1.4.3. El intervalo de tiempo T

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

 El muestreo periódico establece una relación entre las variables t y

 Estas variables se relacionan linealmente a través del período de

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

 Como consecuencia de (1.4.2), existe una relación entre la variable

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

 De acuerdo a estas relaciones, se observa que la diferencia

 El muestreo periódico de una señal continua en el tiempo implica

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

 Puesto que la frecuencia más alta de una señal discreta en el

 La frecuencia más alta de una señal continua que puede

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

TEOREMA DEL MUESTREO

 La frecuencia más alta de una señal analógica que puede

 Cualquier frecuencia por encima de Fs/2 o por debajo de −Fs/2

Sede Neiva – Buganviles – email: francisco.fernandez.periche@gmail.com

 Para evitar las ambiguedades debidas al aliasing (solapamiento),