UNIVERSIDAD TECNOLOGICA DE PANAMÁ

CENTRO REGIONAL DE CHIRIQUÍ

FACULTAD DE INGENIERÍA ELÉCTRICA

CARRERA

LICENCIATURA EN INGENIERIA
ELECTROMECÁNICA

“LABORATORIO #1”

“MATLAB MUESTREO Y CUANTIFICACIÓN”

PROFESOR A CARGO DE LABORATORIO

DE CONTROL 2

ING. EDWIN DE ROUX

ESTUDIANTE

JOHAN PITTY

4-286-149

07-09-2020
 INTRODUCCIÓN

En general, los métodos de estudio de la estabilidad de sistemas continuos son también

aplicables al análisis de sistemas muestreados, si ciertas modificaciones son realizadas.
Estos métodos incluyen el criterio de Routh–Hurwitz, el método del lugar de las raíces y
los métodos de análisis frecuencial. También es analizado el criterio simplificado de Jury
que es una técnica especialmente desarrollada para analizar la estabilidad de sistemas de
tiempo discreto. Con el fin de enfatizar las similitudes y diferencias entre los sistemas de
tiempo continuo y discreto, se compara la estabilidad de un sistema de control continuo
con el de su equivalente discreto. En sistemas.
Sin embargo el criterio de estabilidad de Nyquist puede ser desarrollado a partir de la
función de transferencia del sistema muestreado en el plano z. Como en el caso de tiempo
continuo, el desarrollo del criterio se basa en la aplicación del Principio de Cauchy, pero,
en el caso discreto, en lugar de rodear todo el semiplano izquierdo s, el camino de Nyquist
para analizar la estabilidad en el plano z es el círculo unitario rodeado en sentido
antihorario.
 Laboratorio de Control
Ingeniería Eléctrica
Universidad Tecnológica de Panamá
Profesor: Edwin De Roux
PRACTICA 1
OBJETIVOS

El objetivo de esta práctica es familiarizar al alumno con la generación y

adquisición de señales atendiendo aspectos tales como el muestreo y aliasing.

1. MUESTREO Y RECONSTRUCCIÓN DE SEÑALES

a) Generación de señales. Generar en MATLAB un seno de frecuencia 2KHz y

amplitud 0.5 muestreado a distintas frecuencias de muestreo. Dicha señal se observará
tanto en el ordenador como en el osciloscopio, siendo posible, así mismo, escucharla.

f=2000; % frecuencia del tono a generar

fso=1e6; % frecuencia de muestreo de referencia para los “dibujos”
No= fso*1e-3;
to=(0:No-1)/fso; % representaremos 1 ms de la señal
xo=0.5*sin(2*pi*f*to) % señal de referencia (muy sobremuestreada)
for fs=[44100 22050 11025 8000];
N=fs*1; % nº de muestras, p.e. 44100 muestras/s * 1 s = 44100
muestras
t=(0:N-1)/fs; % Vector con los instantes de muestreo: 1 s a fs Hz
x=0.5*sin(2*pi*f*t); % Señal muestreada
sound(x,fs); % Reproducimos la señal 5 veces (5 s) con la tarjeta de
sonido
plot(to*1e3,xo,'k',t*1e3,x,'b-o');axis([0,1,-1,1]);
legend('Señal original','Señal muestreada');xlabel('milisegundos')
pause; % pulse una tecla !!
end

Notar que es necesario sobremuestrear (por un factor superior a 10) para que el “dibujo”
de MATLAB se parezca a la señal de tiempo continuo. Sin embargo, mientras se cumpla
el teorema de muestreo, la señal observada en el osciloscopio o escuchada con los
auriculares es, efectivamente, un seno de 2 KHz.

Asignaciones:

1. Añada otras frecuencias de muestreo mayor o menor que la frecuencia de la señal.

Comente lo observado.
2. El muestreo ideal se realiza utilizando impulsos unitarios al muestrear. La función
stem() es la utilizada para realizar gráficos por impulsos. Utilice esta función y grafique
la señal muestreada idealmente.
b) Muestreo incorrecto y efecto aliasing. Generar en MATLAB un seno de frecuencia
9 KHz y amplitud 0.5 muestreado a distintas frecuencias de muestreo. Dicha señal se
observará en el ordenador y se escuchará en los auriculares.

f=9000; % frecuencia de la señal senoidal

fso=1e6; % frecuencia de muestreo de referencia para los dibujos
No= fso*2e-3;
to=(0:No-1)/fso; % representaremos 2 ms de la señal
xo=0.5*sin(2*pi*f*to); % señal de referencia (muy sobremuestreada)

for fs=[44100 22050 11025 8000];

N=fs*1; % nº de muestras en un segundo a fs muestras/s
t=(0:N-1)/fs; % Vector con los instantes de muestreo: 1s a fs Hz
x=0.5*sin(2*pi*f*t); % Señal muestreada
fr=rem(f,fs);fr=fr-fs.*(fr>fs/2); % frecuencia de señal reconstruida (con posible
aliasing)
xr=0.5*sin(2*pi*fr*to); % Señal reconstruida
plot(1e3*to,xo,'k',1e3*t,x,'r-o');legend('Señal original','Señal muestreada');axis([0 1 -
1 1])
title(sprintf('frec. señal:%iHz frec. muestreo:%iHz periodo muestreo:
%fms',f,fs,1e3/fs))
xlabel('t (ms)')
uiwait(msgbox('Observe en la grafica la señal original y la señal muestreada.
Luego pulse "OK" para escuchar y ver la señal reconstruida. Finalmete teclee Enter'))
plot(1e3*to,xo,'k',1e3*t,x,'r-o',1e3*to,xr,'b');
legend('original','muestreada','reconstruida');axis([0 1 -1 1])
title(sprintf('frec. señal:%iHz frec. muestreo:%iHz periodo muestreo:
%fms',f,fs,1e3/fs))
xlabel('t (ms)')
sound(x,fs); % Reproducimos la señal 5 veces (5 s) con la tar-
jeta de sonido
pause; % pulse una tecla !!
end

Notar que para ciertas frecuencias de muestreo (aquellas para las que no se cumple el
teorema de muestreo), la señal reconstruida no corresponde con la señal original de 9
KHz. ¿Cuáles son dichas frecuencias?. ¿Cuál sería la frecuencia mínima de muestreo para
la señal de 9 KHz?.
2. CUANTIZACIÒN Y ERROR DE CUANTIZACIÒN:

a) Realice en simulink la siguiente simulaciòn. Coloque un STOP TIME de 10 y corra la

simulaciòn. Describa lo observado en cada SCOPE. Analice los valores de cuantizaciòn y el
màximo error de cuantizaciòn.



!
"















b)


"$

"$#
"$,
!
$#(

 $
-!
!!

.
!!

"$,
'
"!

"!%




!



#
#!!#

!"#


!


"+"
'
!!!
&



! ample time"

5













c)


"$

"$#
"$,



 $
-!
!!
.








#$









"







"
!$!

!!!


",
"!#
!"$##e
($+
-

!#!"


$!-

!#!
&

$#'!
"

!"
!
"#

#
"!
"
%!"

$""


!#
a)
&
b)


#

"-
b)
&
c)
!'


!
$
.!"#!!
/
ice
$
!"$


"$"
$""
&
!-"
#!


&

 
 1. Parte A. señal seno

f=2000;
fso=1e6;
No= fso*1e-3;
to=(0:No-1)/fso;

xo=0.5*sin(2*pi*f*to)

for fs=[44100 22050 11025 8000];

N=fs*1;

t=(0:N-1)/fs;

x=0.5*sin(2*pi*f*t); sound(x,fs);

plot(to*1e3,xo,'k',t*1e3,x,'b-o');axis([0,1,-1,1]);
legend('Señal original','Señal muestreada');xlabel('milisegundos')

pause; % pulse una tecla !!

end

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos
 1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

Gráfica 1: f=2000 y fs=[44100 22050 11025 8000]

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos
 1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

Gráfica 2: f=2000 y fs=[67500 33750 16875 8000]

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos
 1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

Grafica 3:f=2000 y fs=[79100 39550 19775 8000]

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos
 1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

Grafica 4: f=2000 y fs=[96000 48000 24000 12000]

 1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

Gráfica 5: f=2000 y fs=[22050 11025 6000 3000]

 1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

Gráfica 6: f=2000 y fs=[11025 6000 3000 1500]

 1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8
Señal muestreada

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

Grafica 7: f=2000 y fs=[6000 3000 1500 1050]

Observaciones:

Lo que se observa con este laboratorio, o con las frecuencias

de muestreo es que, entre más grande sea la frecuencia de
muestreo está se aproximara más a la frecuencia original y
mientras la frecuencia sea menor está se distorsionara más
de la frecuencia inicial, y es lo que se escucha en los tonos
con las bocinas. Pero al inicio pensé que era una sola
frecuencia pero me percato que al teclear una tecla se
reproduce la frecuencia de muestreo y se puede escuchar y
ver en la grafica si está coincide con la original o no.

Parte B usando la función Stem

f=2000;
fso=1e6;
No= fso*1e-3;
to=(0:No-1)/fso;
xo=0.5*sin(2*pi*f*to)
for fs=[44100 22050 11025 8000];
N=fs*1;
t=(0:N-1)/fs;
x=0.5*sin(2*pi*f*t);
sound(x,fs);
stem(to*1e3,xo,'k'),stem(t*1e3,x,'b-o');axis([0,1,-1,1]);
legend('Señal original','Señal muestreada');xlabel('milisegundos')
pause;
end
 1
Señal original
0.8

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

Grafica 7: f=2000 y fs=-[44100 22050 11025 8000]

 1
Señal original
0.8

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

Grafica 8: f=2000 y fs=[96000 48000 24000 12000]

1
Señal original
0.8

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos
 1
Señal original
0.8

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

1
Señal original
0.8

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
milisegundos

Grafica 9: f=2000 y fs=[22050 11025 6000 3000]

Observaciones:

Usando la función stem se hace más notorio como cambia de

sonido por debajo de las frecuencias de muestras dadas, entre
más pequeñas son se alejan más del sonido original, esto me
hace pensar que estas gráficas son parte muy importante
cuando uno analiza sistemas rotativos, ya que estos tipos de
grafico en el tiempo representan creo mucho ruido y por eso
se pasa a la frecuencia ya que es más fácil identificar o
localizar el origen.

Parte B
f=9000;
fso=1e6;
No= fso*2e-3;
to=(0:No-1)/fso;
xo=0.5*sin(2*pi*f*to);
for fs=[44100 22050 11025 8000];
N=fs*1;
t=(0:N-1)/fs;
x=0.5*sin(2*pi*f*t);
fr=rem(f,fs);fr=fr-fs.*(fr>fs/2);
xr=0.5*sin(2*pi*fr*to);
plot(1e3*to,xo,'k',1e3*t,x,'r-o');legend('Señal original','Señal
muestreada');axis([0 1 -1 1])
title(sprintf('frec. señal:%iHz frec. muestreo:%iHz periodo
muestreo:%fms',f,fs,1e3/fs))
xlabel('t (ms)')
uiwait(msgbox('Observe en la grafica la señal original y la señal
muestreada. Luego pulse "OK" para escuchar y ver la señal
reconstruida. Finalmete teclee Enter'))
plot(1e3*to,xo,'k',1e3*t,x,'r-o',1e3*to,xr,'b');
legend('original','muestreada','reconstruida');axis([0 1 -1 1])
title(sprintf('frec. señal:%iHz frec. muestreo:%iHz periodo
muestreo: %fms',f,fs,1e3/fs))
xlxlabel('t (ms)')
sosound(x,fs);
papause;
end

Grafica 1: f= 9000 y fs=[44100 22050 11025 8000]

frec. señal:9000Hz frec. muestreo:44100Hz periodo muestreo: 0.022676ms

1
original
0.8
muestreada
reconstruida
0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
t (ms)
 frec. señal:9000Hz frec. muestreo:22050Hz periodo muestreo: 0.045351ms
1
original
0.8
muestreada
reconstruida
0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
t (ms)

frec. señal:9000Hz frec. muestreo:11025Hz periodo muestreo: 0.090703ms

1
original
0.8
muestreada
reconstruida
0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
t (ms)

frec. señal:9000Hz frec. muestreo:8000Hz periodo muestreo: 0.125000ms

1
original
0.8
muestreada
reconstruida
0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
t (ms)

Observaciones:

Al ir pasando de la señal original a las frecuencias muestreo

se identifica claramente que para la señal original y las
dos primeras el tono es casi igual a la de origen, sin
embargo, al pasar a las dos últimas se nota que hay un cambio
en su tono y en su gráfica por así decir lo.

Parte 2

a) Realice en simulink la siguiente simulaciòn. Coloque un

STOP TIME de 10 y corra la simulaciòn. Describa lo observado
en cada SCOPE. Analice los valores de cuantizaciòn y el
màximo error de cuantizaciòn.
Modifique el “Quantizer interval” a 0.1 y 0.05. Describe lo
ocurrido en el SCOPE en cada caso

0.8

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 1 2 3 4 5 6 7 8 9 10

Observaciones:
En esta gráfica que se ve debajo de la primera se ve que se
aproxima más a la onda seno que de la grafica de arriba y
también se ve que la línea horizontal en la primera se
ditorsiona más que la de abajo, y se ve que tambíen la de
abajo se monta mejor una de la otra.

b) Realice en simulink la siguiente simulaciòn, ahora

utilizando el bloque “Zero-Order Hold”. Corra la simulaciòn
y describa lo observado en el SCOPE. Compare con lo obtenido
anteriormente con respecto a la forma de la señales y error
maximo.

Modifique el “Sample time” a 0.5 y 0.05. Describe lo ocurrido

en el SCOPE en cada caso.
 Sine Wave Function
Zero-Order Hold
Subtract
1

0.5

-0.5

-1

0 1 2 3 4 5 6 7 8 9 10
Offset=0

Para sample time 0.5

Sine Wave Function

Zero-Order Hold
Subtract
1

0.5

-0.5

-1

0 1 2 3 4 5 6 7 8 9 10
Offset=0
Para same time 0.05

Sine Wave Function

Zero-Order Hold
Subtract
1

0.5

-0.5

-1

0 1 2 3 4 5 6 7 8 9 10
Offset=0

Observaciones:

Lo que puedo notar al comparar las tres gráficas que se

muestran es que al cambiar el same time en el segundo se
distorsiona haciendo que no sea tan parecida a la principal,
pero luego que le vuelve a cambiar el valor en zero order
hold, está vuelve nuevamente a su forma original, en cuanto
al error pienso que al cambiar el valor la primera vez se
observa como esta cambia, haciendo que su error se note con
respecto a la primera.