Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ECBTI
12/10/2020
I. Introducción
Las señales son una herramienta que nos han permitido cambiar o mejorar lo que hacemos en
nuestro día a día, estas nos han permitido cambiar la forma en que nos comunicamos y compartimos
información sin importar en qué lugar del mundo estemos, pero más sin embargos estas señales
requieren ser sometidas a procedimientos para así obtener el beneficio que estas aportan.
En este trabajo se da a conocer al lector los procesos de muestreo y cuantización, la trasformada
discreta de Fourier y las definiciones de los mismos lo que permitirá conocer se aplicación.
Ejercicio 2:
Solución:
1.1 Para conocer si ocurre alias, se debe proceder primero a encontrar las componentes de
frecuencia de la señal:
2 πt
fo 1= =1 Hz
2 πt
20 πt
fo 2= =10 Hz
2 πt
1024 πt
fo 3= =512 Hz
2 πt
1.2 El efecto alias ocurre cuando las señales continuas se tornan indistinguibles después del
proceso de muestro, para que esto no ocurra se debe cumplir la siguiente condición S>2B donde
B es la frecuencia fundamental de la componente de la señal.
Ejercicio 1:
II. Cuantización
El número de niveles 𝐿 de los cuantizadores utilizados en un convertidor analógico digital (ADC) es
una potencia de 2. Por lo tanto, L=2 B, donde B es el número de bits.
a. Halle el número de bits 𝐵, para cuantizar una señal muestreada que cambia entre -5 V y 5 V , y
tiene un error rms de σ =3 mV
Solución
El intervalo de escala completa es D=10v el error rms está dado por
σ =∆ / √12 Donde ∆=D/2B
Resolviendo se despeja 2B
D 10 10
2B = = = =970.87
σ √12 0.003 √ 12 0.0103
Luego tenemos que
B=log 2 970.87=9.92 bits
b. Transformada Discreta de Fourier (Esta se planteará como la ecuación de sumatoria de la TDF –
revisar OVI de entorno de conocimiento o web conferencia, allí se muestra un ejemplo de cómo
desarrollar la TDF matemáticamente, deben realizarlo con los tres últimos dígitos de su documento
de identidad)
x [ n ] =[9 6 7]
La trasformada discreta de Fourier está dada por.
∞ − j 2 πKn
N
x ( K )= ∑ x (n) e
n=−∞
2π 2π 4π 4π
x ( 0 )=9+ 6 cos ( 3
( ) − jsin ( 3 ) (
) +7 cos ( 3 ) − jsin ( 3 ))
Simplificamos un poco
4π 4π 8π 8π
( 3
x ( 2 ) =9+6 cos ( )− jsin ( 3 ) (
) +7 cos ( 3 ) − jsin ( 3 ))
x ( 2 ) =9+6 (
−1 √ 3 +7 −1 − j √3
2 ) ( 2 2 )
+j
2
7 7 3
x ( 2 ) =9−3+ j 3 √ 3− − j √
2 2
7 j 6 3− j 7 √ 3
x ( 2 ) =6− + √
2 2
5 3
x (2)= − j √
2 2
x ( 2 ) =2.5− j0.86
• Cada estudiante realizará de manera individual, aportes teóricos (incluir ecuaciones con editor de
word) sobre las siguientes preguntas:
1) ¿Qué es una señal muestreada?
Una señal muestreada es igual a la señal original en aquellos puntos donde se toma cada muestra.
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. 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. Para dispositivos
incrementales, tales como motores pasó 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.
Para el teorema de muestras se considera la señal paso-bajo x (t ) se cumple: X ( f )=0 para |f |>W ,
cuyo espectro x (f ) se representa en la figura.
Es posible establecer un desarrollo en serie de Fourier de x (f ), limitado a ¿ f ∨≤ w del modo
siguiente[ CITATION wikSF2 \l 9226 ].
f
− j2π
2w
x ( f )=∑ c n∗e
n
La teoría del muestreo define que para una señal de ancho de banda limitado, la frecuencia de
muestreo, f m debe ser mayor que dos veces su ancho de banda [B] medida en Hertz [Hz].
f m >2 B
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.
Este teorema fue formulado en forma de conjetura por primera vez por Harry Nyquist en 1928 y fue
demostrado formalmente por Claude E. Shannon en 1949
El teorema trata del muestreo, que no debe ser confundido o asociado con la cuantificación, proceso
que sigue al de muestreo en la digitalización de una señal y que, al contrario del muestreo, no es
reversible (se produce una pérdida de información en el proceso de cuantificación, incluso en el caso
ideal teórico, que se traduce en una distorsión conocida como error o ruido de cuantificación y que
establece un límite teórico superior a la relación señal-ruido). Dicho de otro modo, desde el punto de
vista del teorema, las muestras discretas de una señal son valores exactos que aún no han sufrido
redondeo o truncamiento alguno sobre una precisión determinada, es decir, aún no han sido
cuantificadas.
Descripción matemática.
Si la frecuencia más alta contenida en una señal analógica x a ( t ) es F mas=B y la señal se muestrea a
una tasa F e >2 F mas =2 B, entonces x a ( t )se puede recuperar totalmente a partir de sus muestras
mediante la siguiente función de interpolación:
sin 2 π Bt
g (t)
2 πBt
así analógica x a ( t ) se puede expresar como:
∞
x a ( t )= ∑
n=−∞
( Fn ) g(t− Fn )
xa
e
n
Donde x ( )=x ( nT )=x ( n )
a a son las muestras x a (t) CITATION wikSF \l 9226 [1]
F e
T −T /2
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.
X 0|k|= ∑ X 0 [n]e
( Nn )
−j2π k
F
N=0
2π
Se recomienda usar la notación W =e− j ( N ) [ CITATION wikSF5 \l 9226 ]
F
R/ el oído humano es capaz de oír a una frecuencia entre los 20 Hz y 20 KHz dependiendo de
algunos factores físicos que se deben tener en cuenta como es la intensidad que puede ser de
10−12−10 v /m2 y una presión de 10∗10−5−60 newtons /m2
Instrumentos y su frecuencia (armónico)
Flauta3−8 KHz=F s=16 KHz
Oboe 2−12 KHz F s=24 KHz
Clarinete 2−10 KHz F s=20 KHz
Fagot 1−7 KHz F s =14 KHz
Trompeta1−7.5 KHz F s=15 KHz
La frecuencia de muestreo equivale al doble de su frecuencia mayor.
III. conclusiones
El muestreo y cuantización de señales son herramienta útil al momento de convertir señales
analógicas en digitales, al conocer los valores en amplitud de la señal análoga ya muestreada se
continua en una sucesión de valores discretos y posterior mente codificarla en binario, entendiendo
lo anterior notamos que para convertir señales es necesario que existan tanto el muestreo como la
cuantización.
Dado que existen señales que se encuentran en el dominio del tiempo y se hace complejo conocer
información sobre ella es necesario aplicar la trasformada de Fourier para conocer su valor en
frecuencia lo que facilita entenderlas y tener mucha más información.
IV. Bibliografía
[1] «wikipedia,» (S.F) . [En línea]. Available: https://es.wikipedia.org/wiki/Muestreo_digital. [Último acceso: 20 feb 2020].
[2] «wikipedia,» (S.F). [En línea]. Available: https://es.wikipedia.org/wiki/Cuantificaci%C3%B3n_digital. [Último acceso: 20 feb 2020].
[3] «wikipedia,» (S.F). [En línea]. Available: https://es.wikipedia.org/wiki/Aliasing. [Último acceso: 20 feb 2020].
[4] «wikipedia,» (S.F) . [En línea]. Available: https://es.wikipedia.org/wiki/Teorema_de_muestreo_de_Nyquist-Shannon. [Último acceso: 20 feb 2020].
[5] «wikipedia,» (S.F) . [En línea]. Available: https://es.wikipedia.org/wiki/Transformada_de_Fourier_discreta. [Último acceso: 20 feb 2020].
[6] «wikipedia,» (S.F). [En línea]. Available: https://es.wikipedia.org/wiki/Transformada_r%C3%A1pida_de_Fourier. [Último acceso: 20 feb 2020].