RECONOCER LOS ELEMENTOS MATEMÁTICOS QUE IMPLICA EL SISTEMA DE

CONVERSIÓN ANALÓGICA DIGITAL

CARLOS DANEY MANCILLA ADVINCULA

CURSO: TRATAMIENTO DIGITAL DE SEÑALES

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

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:

Siendo x ( t )=9 sen ( 2 π t ) +3 sen ( 20 π t ) +7 sen(1024 π t) Resuelva:

1.1 Encuentre las frecuencias f 0 n de cada una de las componentes de la señal x (t )

1.2 Si la señal x (t ) tiene una frecuencia de muestreo S=90 Hz y se desea realizar la

reconstrucción de la señal, identifique si las componentes senoidales no sufren fenómeno
de alias, y si alguna de ellas lo sufre, indique cuál y por qué.

Solución:

1.1 Para conocer si ocurre alias, se debe proceder primero a encontrar las componentes de
frecuencia de la señal:

x ( t )=9 sen ( 2 π t ) +3 sen ( 20 π t ) +7 sen(1024 π t)

A∗sen ( 2 πfoT )−−De la forma general del seno

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.

De tal forma que:

Si la señal ( t ) tiene una frecuencia de muestreo S=90 Hz

fo 1=2 xfo1=2 Hz< 90 Hz−NO se presenta Alias

fo 2=2 xfo 2=20 Hz<90 Hz−NO se presenta Alias
fo 3=2 xfo 3=1024 Hz> 90 Hz−Se presenta Alias
El fenómeno Alias se presenta con la tercera componente (Fo3) senoidal puesto que la
frecuencia de muestreo es demasiado baja. En cambio, las otras dos componentes Fo1 y Fo2 se
podrán reconstruir.

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=−∞

Teniendo en cuenta que K=0,1,2,3 … … N y N=3

Empezando con K=0
− j 2 π ( 0) ( 0 ) − j 2 π ( 0) ( 1 ) − j 2 π ( 0 ) ( 2)
3 3 3
x ( 0 )=x ( 0 ) e + x (1) e + x (2)e
Remplazando y simplificando un poco
− j 2 π ( 0) ( 0 ) − j 2 π ( 0) ( 1 ) − j2 π ( 0 ) ( 2 )
3 3 3
x ( 0 )=9 e +6 e +7 e
x ( 0 )=9 ( 1 ) +6 ( 1 ) +7(1)
x ( 0 )=22+0 j
Ahora para K=1
− j 2 π ( 1 )( 0) − j 2 π ( 1) ( 1 ) − j 2 π ( 1) ( 2 )
3 3 3
x ( 1 ) =x ( 0 ) e + x ( 1) e + x (2)e
Remplazando y simplificando un poco
− j 2 π (1 ) ( 0) − j2 π ( 1 )( 1 ) − j 2 π ( 1) ( 2 )
3 3 3
x ( 0 )=9 e +6 e +7 e
− j2π − j 4π
3 3
x ( 0 )=9 (1)+6 e +7 e
Aplicamos la identidad de Euler e− jω=(cos ( ω )− jsin ( ω ) )

2π 2π 4π 4π
x ( 0 )=9+ 6 cos ( 3
( ) − jsin ( 3 ) (
) +7 cos ( 3 ) − jsin ( 3 ))

Simplificamos un poco

x ( 0 )=9+ 6 ( −12 − j √23 )+7 ( −12 − j √23 )

7 7 3
x ( 0 )=9−3− j 3 √ 3− + j √
2 2
7 j6 3+ j7 √ 3
x ( 0 )=6− − √
2 2
5 j 3
x ( 0 )= + √
2 2
x ( 0 )=2.5+ j 0.86

Ahora para K=2

− j2 π ( 2 )( 0) − j 2 π ( 2 )( 1) − j 2 π ( 2) ( 2 )
3 3 3
x ( 2 ) =x ( 0 ) e + x (1) e + x(2)e
 − j 2 π (2 )( 0) − j 2 π ( 2 )( 1 ) − j 2 π ( 2) ( 2 )
3 3 3
x ( 2 ) =9 e +6 e +7 e
−j4 π −j8π
3 3
x ( 2 ) =9(1)+6 e +7 e

Aplicamos la identidad de Euler e− jω=(cos ( ω )− jsin ( ω ) )

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

Figura1. Comprobación de resultados en octave.

• 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

2) ¿Qué es una señal cuantizada?

El proceso de cuantificación digital es posterior a la etapa de muestreo en la que se toman valores

de amplitud de una determinada señal analógica. El objetivo de este proceso es cuantificar con bits
éstos valores, mediante la asignación de niveles. En esta etapa se le asigna un valor a la muestra,
pero no es digital. En este punto se decide si el valor de la muestra está, por aproximación, dentro
del margen de niveles previamente fijados y se le asigna un valor preestablecido según el código
utilizado en la codificación.

Figura 3. Conversión A\D

La cuantificación se encarga de convertir una sucesión de muestras de una determinada señal

analógica con amplitud continua en una sucesión de valores discretos, preestablecidos según el
código utilizado. Durante el proceso de cuantificación se mide el nivel de tensión de cada una de las
muestras, obtenidas en el proceso de muestreo, y se les atribuye un valor finito (discreto) de
amplitud, seleccionado por aproximación dentro de un margen de niveles previamente fijado [ CITATION
wikSF1 \l 9226 ].

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

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.
Una imagen limitada en banda y muestreada por debajo de su frecuencia de Nyquist en las
direcciones x e y, resulta en una superposición de las replicaciones periódicas del espectro G(fx , fy ) .
Este fenómeno de superposición periódica sucesiva es lo que se conoce como aliasing o Efecto
Nyquist[ CITATION wikSF4 \l 9226 ].
4) ¿Qué indica el teorema de muestreo de Nyquist?
indica que una señal analógica puede ser reconstruida, sin error, de muestras tomadas en iguales
intervalos de tiempo.

Figura 4. Reconstrucción de una señal

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

Figura 5. Teorema de muestreo de Nyquist

5) ¿Qué realiza la transformada de Fourier?

Es un procedimiento matemático que proporciona una descripción en el dominio de la frecuencia de
señales en el dominio del tiempo, la trasformada de Fourier se considera como la descomposición de
señales en componentes diferentes de frecuencias. esto se hace con el fin de conocer información
sobre la señal ya que en el dominio del tiempo es difícil.
Para una señal periódica con periodo T el coeficiente de la serie exponencial Fourier está dada
por[ CITATION wikSF3 \l 9226 ]:
T/2
1
X |K|= ∫ x p ( t ) e− j 2 π Kf t dt
0

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.

Sea el algoritmo { X 0|0|, X 0|1|, X 0|2|, X 0|3|} la trasformada discreta de Fourier es

N F −1

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

• Cada estudiante realizará el algoritmo de la Transformada Discreta de Fourier, en el cual debe

estar planteada la sumatoria de transformada. Dicho algoritmo se realizará para una señal de
longitud de tres (3) muestras. Los tres valores de las muestras corresponden a los tres últimos
números del documento de identificación, por ejemplo, si mi cédula es 80765437, entonces el
algoritmo se hará para la señal x[n] = [4 3 7]. Para desarrollar esta parte el estudiante podrá utilizar
Matlab, Octave Online, o Scilab.
• Cada estudiante realizará un video en YouTube, en el cual explicará línea a línea el funcionamiento
del algoritmo de la transformada discreta de Fourier (TDF) Nota: El video no es grabar el desarrollo
matemático, es explicar el algoritmo de tres muestras paso a paso.
Link: https://www.youtube.com/watch?v=XwS9Wb-J-mc
• Cada estudiante investigará sobre el rango de frecuencias que el oído humano es capaz de
escuchar, además investigará cual es el rango de frecuencias que emiten cinco (5) instrumentos
musicales, se debe tener en cuenta los armónicos de los instrumentos ya que son las frecuencias
más altas que emiten, y a partir de este dato, argumentará a que frecuencia de muestreo mínima se
debe muestrear cada uno de los cinco (5) instrumentos musicales para ser digitalizados de manera
correcta. Por ejemplo, si el bombo tiene un rango de 50 Hz a 15 Khz, Fs = 30 Khz mínimo.

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].