1

UNIDAD 1- PASO 2

RECONOCER LOS ELEMENTOS MATEMATICOS QUE IMPLICA EL SISTEMA DE

CONVERSION ANALOGICA DIGITAL

TUTOR:

MAURICIO ALBERTO GARCIA

PRESENTADO POR:

EDINSON FERNANDO MARLES JURADO

COD. 94535952

TRATAMIENTO DIGITAL DE SEÑALES 208052A_764

GRUPO 208052_15

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA

SEPTIEMBRE DE 2020
 2

INTRODUCCIÓN

A través de la presente actividad paso 2 comprenderemos los procedimientos que comprenden la

conversión analógica digital, su intervención en el dominio de la frecuencia y del tiempo
mediante análisis matemáticos. Las teorías del muestreo para señales digitales: Muestreo,
cuantizacion y transformada discreta de Fourier.
 3

OBJETIVO GENERAL

 Aprender las diferencias entre las teorías del muestreo que son de gran utilidad para el

aprendizaje de tratamiento digital de señales

OBJETIVOS ESPECIFICOS

 Analizar cada tema establecido en la guía de actividades, fuentes de información y

lectura del libro de Ambardar.

 Identificar, reconocer y comprender los procedimientos que comprenden la conversión

analógica digital
 4

ACTIVIDADES A DESARROLLAR

Unidad 1 – Paso 2:

1. Realización de los 3 ejercicios matemáticos de cada uno de los siguientes temas

EJERCICIOS N. 3

MUESTREO

Siendo una señal banda de paso x c (t) con frecuencia f L =4 k Hz y frecuencia f H =8 k Hz

Resuelva

1.1 Encuentre el ancho de banda B de la señal x c (t)

f L =4 k Hz

f H =8 k Hz

B=f H −f L

B=8−4

B=4 kHz

1.2 Encuentre la frecuencia de muestreo S para que no se presente fenómeno alias

f H =8 k Hz

f m=2∗f H

f m=16 k Hz
 5

CUANTIZACION

Con un cuantizador de B=32 bits se muestrea y se cuantiza una senoide con un intervalo de

escala completa D=12 V ¿Cuál es el error rms σ de la cuantizacion?

B=32 bits

D=1 2 V

∆
σ=
√ 12
Despejamos y hallamos el valor de Delta

D 12
∆= =
2B 232

12
∆= =2.79 nV
4294967296

∆
σ=
√ 12
Reemplazamos el valor hallado en la ecuación

∆ 2.79 n
σ= =
√12 √ 12

σ =0.805 40 n
 6

Aportes teóricos sobre las siguientes preguntas

1) ¿Qué es una señal muestreada?

2) ¿Qué es una señal cuantizada?

3) ¿Cuál es el fenómeno llamado Alias o Aliasing?

4) ¿Qué indica el teorema de muestreo de Nyquist?

5) ¿Qué realiza la transformada de Fourier?

6) ¿Qué es la transformada rápida de Fourier?

Solución:

1) Muestreo Ideal

El muestreo ideal describe una señal muestreada como una suma ponderada de impulsos, en la

que los factores de ponderación son iguales a los valores de la señal analógica en los instantes

donde ocurren los impulsos. Una señal muestreada idealmente ( X ¿ ¿1)(t) ¿ puede considerarse

como el producto de una señal analógica X ( t) y un tren periódico de impulsos i(f ).

 7

La señal muestreada idealmente es un tren de impulsos. Puede describirse en forma matemática

como:
∞ ∞ ∞
xi (t )=x ( t ) i ( t )=x ( t ) ∑ δ (t−nt s )= ∑ x (n t s ¿) δ (t−n t s)= ∑ x [ n ] δ(t−n t s )¿
n=−∞ n=−∞ n=−∞

La señal discreta x [ n ] corresponde a la secuencia de valores muestra X ( nt s), señal muestreada

en forma ideal ( x I ) ( t ) , contraparte analógica subyacente x (t ).

2) señal cuantizada

La importancia de las señales digitales parte del desarrollo de las computadoras digitales de

alta velocidad para el procesamiento de señales. Debido a las limitaciones de memoria finita de

tales máquinas, solo es posible procesar secuencias finitas de datos. Por tanto, no solo es

necesario muestrear la señal analógica en el tiempo sino también se requiere cuantizar

(redondear o truncar) las amplitudes de las señales para reducirlas a un conjunto finito de

valores. Puesto que la cuantizacion solo afecta a la amplitud de la señal, es posible cuantizar

señales analógicas y de tiempo discreto. Las señales cuantizadas de tiempo discreto se conocen

como señales digitales.

Cada muestra cuantizada está representada por un grupo (palabra) de ceros y unos (bits) que

pueden procesarse de manera digital. Cuanto más fina sea la cuantizacion, mayor será la

palabra.

3) fenómeno llamado Alias o Aliasing

 8

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.

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 muaré (en las imágenes con muchos detalles

finos) y también a bordes dentados.

4) Teorema de muestreo de Nyquist

El teorema de muestreo de Nyquist-Shannon, también conocido como teorema de muestreo de

Whittaker-Nyquist-Kotelnikov-Shannon o bien teorema de Nyquist, es un teorema fundamental

de la teoría de la información, de especial interés en las telecomunicaciones.

El teorema demuestra que la reconstrucción exacta de una señal periódica continua en banda

base a partir de sus muestras, es matemáticamente posible si la señal está limitada en banda y la

tasa de muestreo es superior al doble de su ancho de banda.

La información completa de la señal analógica original que cumple el criterio anterior está

descrita por la serie total de muestras que resultaron del proceso de muestreo. No hay nada, por

tanto, de la evolución de la señal entre muestras que no esté perfectamente definido por la serie

total de muestras.
 9

Si la frecuencia más alta contenida en una señal analógica x a ( t ) es F max=B y la señal se

muestra a una tasa F s >2 F max =2 B , entonces x a ( t )se puede recuperar totalmente a partir de sus

muestras mediante la siguiente función de interpolación.

sin 2 πBt
g (t)=
2 πBt

Así, x a ( t ) se puede expresar como:

∞
x a ( t )= ∑
n=−∞
xa
( Fn ) g (t− Fn )
s s

n
Donde x a ( t ) ( )
Fs
=x a ( nT )=x ( n ) son las muestras de x a ( t )

5) La transformada de Fourier es una transformación matemática empleada para transformar

señales entre el dominio del tiempo (o espacial) y el dominio de la frecuencia, que tiene muchas

aplicaciones en la física y la ingeniería.

Es una transformación de dicha señal que nos permite calcular la contribución de cada valor de

frecuencia a la formación de la señal

Proporciona una descripción en el dominio de la frecuencia de señales en el dominio del tiempo

y puede considerarse como una extensión de las series de Fourier (FS) aplicada a señales no

periódicas; esta se aplica en ingeniería en muchos campos como la óptica y la propagación de

ondas electromagnéticas, para estudiar el comportamiento de estas.

 10

Permite determinar la amplitud y la fase de cada una de los componentes de frecuencia que tiene

una señal. Para las señales periódicas se utiliza las series de Fourier y para las señales no

periódicas se utilizan las transformadas de Fourier.

La transformada de Fourier se encarga de transformar una señal del dominio del tiempo, al

dominio de la frecuencia, de donde se puede realizar su antitransformada y volver al dominio

del temporal.

6) 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.
N
x ( k )=∑ x ( j)w N ( j−1)(k−1 )
j=1
 11

CONCLUSION

Con el presente trabajo logre un mayor conocimiento sobre procedimientos que comprenden la

conversión analógica digital, Las teorías del muestreo para señales digitales: Muestreo,

cuantizacion y transformada discreta de Fourier.

 12

REFERENCIAS BIBLIOGRAFICAS

 https://go-gale-com.bibliotecavirtual.unad.edu.co/ps/i.do?p=GVRL&u=unad&id=GALE|

CX4060300145&v=2.1&it=r&sid=GVRL&asid=495113b6

 https://go-gale-com.bibliotecavirtual.unad.edu.co/ps/i.do?p=GVRL&u=unad&id=GALE|

CX4060300147&v=2.1&it=r&sid=GVRL&asid=80fe31fe

 (s.f.).

creative commons corporation. (3 de Octubre de 2018). Recuperado el 18 de Septiembre

de 2020, de es.wikipedia.org: https://es.wikipedia.org/wiki/Aliasing

 (s.f.).

creative commons corporation. (3 de Octubre de 2018). Recuperado el 18 de Septiembre

de 2020, de es.wikipedia.org: https://es.wikipedia.org/wiki/Aliasing

Creative commons corporation. (09 de Agosto de 2020). es.wikipedia.org. Recuperado el

18 de 09 de 2020, de https://es.wikipedia.org/wiki/Transformada_r

%C3%A1pida_de_Fourier#:~:text=La%20transformada%20r%C3%A1pida%20de

%20Fourier,(DFT)%20y%20su%20inversa.&text=La%20mayor%C3%ADa%20de

%20los%20analizadores,1024%2C%202048%20o%204096%20muestras.