IV s6 Imprimible PDF

Fundamentos de instrumentacion virtual
Sesión 6 Conversión analógica - digital saber hacer para competir
Objetivo
Diferenciar una señal analógica de una digital y definir el periodo de muestreo de una señal en
función de la frecuencia de su señal analógica para establecer la frecuencia de muestreo de una
variable física.
Introducción
Se verá tanto el concepto de muestreo como el proceso de reconstrucción de señales continuas
de las propias muestras tomadas de ellas. También se definirá el teorema de muestreo a partir de
observar la modulación de la señal con un tren de impulsos.
Aunque en esta sesión no se abordará de manera específica el procesamiento de señales, se

concentrará en definir el periodo de muestreo con el teorema de Nyquist, así como la conversión de
una señal análoga a digital, en la que se entiende como una señal análoga a la función continua en
el tiempo, que representa información, tal como una señal de voz, de presión, temperatura, presión
arterial, etcétera’.
Al fin de procesar esta información, se puede tomar una sucesión de valores o muestras tomadas de
la señal original, y a partir de esos valores, generar la señal digital.
Para el desarrollo de esta sesión, se supone que el lector está familiarizado con los conceptos de
procesamiento de señales en el dominio del tiempo y de frecuencia, así como el conocimiento de
la trasformada de Fourier, tren de impulsos y filtros de señales, en particular un filtro pasa bajas.
Además, es necesario conocer los conceptos estadísticos más importantes.
1 Señales
Las señales son representadas matemáticamente como “función del tiempo de una o más variables
independientes”.
Por ejemplo, una señal de voz será representada de manera matemática por presión acústica, como
una función del tiempo o una fotografía, como un contraste de dos variables espaciales (variables
que localizan un objeto en un espacio de dos dimensiones).
Por ejemplo, un plano cartesiano definido por un espacio de dos dimensiones y cualquier objeto se
localizan mediante las coordenadas x-y.
En esta sesión se describirán solo a las señales que están en función de una sola variable
independiente, y en estas notas, por lo general, se refiere al tiempo como variable independiente.
Por lo común, las señales proporcionan información sobre las variaciones de presión atmosférica, de
aire, de temperatura, así como de velocidad de viento.
Un típico ejemplo son las medidas de variación de velocidad y peso del aire para examinar patrones
climáticos, así como condiciones del viento, que pueden afectar a una aeronave cuando está
próxima a aterrizar y durante el propio aterrizaje.
1
Universidad Tecnológica Santa Catarina
• Educación a Distancia •
a)
b)
Figura 1. Representación gráfica de a) una señal de voz continua en el tiempo y

b) una señal discreta en el tiempo
En estas notas se tratarán dos tipos básicos de señales: las continuas en el tiempo y las señales
discretas.
En el caso de señales continuas en el tiempo, la variable independiente es continua. Estas señales

están definidas por valores continuos de la variable independiente.
Por otro lado, están las señales discretas, que están definidas por tiempos discretos (se entiende
por “discretos” que solo tienen valores dentro de un cierto rango de valores) y, de esta manera, la
variable independiente solo toma un conjunto de valores discretos.
La figura 1a) ejemplifica una señal continua—como una señal de voz en función del tiempo—. Y la
figura b) muestra una señal en tiempo discreta.
2
Señales análogas
Las cantidades análogas son las que “varían continuamente” y los sistemas análogos “representan
información análoga usando información de señales eléctricas que varían de manera suave y
continua sobre todo el rango”. Por lo tanto, una señal análoga es “aquella que evoluciona con
el tiempo en forma análoga a alguna variable física”. En otras palabras, es una “señal que varía
continuamente con el tiempo en todo un rango”. Las variables pueden presentarse en forma de
corriente o voltaje.
En la Naturaleza, la temperatura, presión, humedad y velocidad del viento cambian constantemente

de manera suave y continua. Por lo tanto, son un buen ejemplo de señales continuas, es
decir, señales análogas. Por ejemplo, la figura 2 representa un sistema análogo que registra la
temperatura.
Figura 2. “Sistema análogo” para el registro de temperatura
En la gráfica mostrada en la figura 2b), se registra la temperatura de manera continua y suave; es

decir, no presenta cambios abruptos o discontinuidades en la información. Esto se debe a que los
cambios en la temperatura recorren todo el rango mientras esta varía; es decir, si la temperatura
registra 20 grados.
Cuando hay un aumento hasta llegar a 25 grados, el cambio de la señal es continuo. Aumenta de tal
forma que pasa por toda la escala desde 20 hasta llegar a 25 grados. Esto quiere decir que registra
todos los valores posibles en su resolución. No hay saltos de 21 grados a 23.5 grados y finaliza con
25 grados.
Otro ejemplo se muestra en la figura 3, el cual describe un sistema análogo para medir el
combustible de un tanque de un automóvil. Conforme el líquido de la superficie varía, este mueve
un flotador que está conectado a un potenciómetro. Este, a su vez, está conectado a la batería del
automóvil.
Entonces, cuando se registra un cambio en el nivel, manda una señal al indicador, que no es más
que un voltímetro con escalas apropiadas para el tanque, es decir, que en lugar de representar
voltaje indica la cantidad de líquido que hay en el tanque.
3
a)
b)
Figura 3. Sistema análogo.
Por lo tanto, las señales análogas son “señales con variables independientes continuas que están
asociadas a los fenómenos físicos tales como temperatura, sonido, densidad, humedad, velocidad,
resistividad eléctrica, corriente, voltaje, etcétera”.
De ahí que se puedan diseñar sistemas análogos, como por ejemplo, medidores de nivel —medidor
de varilla, de varilla con gancho, de cinta plomada, etcétera—. Se puede instrumentar para medir
mediante la corriente o voltaje, en este caso, el nivel de cualquier recipiente con líquido.
Trabajar con sistemas o señales análogas tiene sus desventajas, debido a que son muy sensibles
al ruido. El ruido se puede definir como “cualquier perturbación eléctrica o señal no deseada
que modifica el registro de datos”. Entonces, cuando se trata de una señal analógica, el ruido
es perjudicial en la medida en cuanto a su amplitud con respecto a la señal principal. La figura 4
ejemplifica diferentes señales analógicas y cómo el ruido las afecta.
4
Figura 4. Diferentes tipos de ruidos en

señales fundamentales.
Por ejemplo, en una red que suministra energía eléctrica, la fuente principal de ruido es el campo
magnético que se produce a la frecuencia de 50 o 60 Hz. Por lo tanto, al trabajar con este tipo de
señales, se debe tener en consideración el ruido.
Señales digitales
Al contrario de las señales análogas, están las señales digitales. Estas son “señales en tiempo
discreto”; es decir que “una variable independiente toma un conjunto de valores discretos”.
Por ejemplo, si se midiera una temperatura que va en aumento de los 20 a los 25 grados, se
registrarían valores discretos. Es decir que cada cierto tiempo se tomaría una muestra y registraría
valores tales como 20, 21, 24, 25 grados. Entonces, el registro presentaría discontinuidades. Por lo
tanto, una cantidad digital varía en niveles discretos o valores discretos.
En la mayoría de los casos, los valores discretos son dos estados; es decir, solo tiene dos valores:
falso/verdadero, on/off, 0/1. Entonces, un sistema digital, al igual que los análogos, “representa
información usando una combinación binaria de señales eléctricas”.
Esta es la forma de codificar la representación de una información. Un ejemplo de un sistema digital

es el sistema de telégrafo. En el cual se representa una información codificada por medio de un
lenguaje internacional, como lo es el código morse.
a)
5
b)
Figura 5. Representación simplificada de un sistema

de telégrafo y la información digital codificada.
La figura 5 muestra un circuito simplificado de un sistema de telégrafo. Puedes observar que la

información digital representa las palabras mediante pulsos y puntos.
Si se hace referencia al circuito eléctrico de la figura 5, este encenderá y apagará en tiempos

distintos para representar un pulso corto (punto) y un pulso largo.
Por ejemplo, la letra H son cuatro pulsos cortos. Entonces con solo dos estados on/off (corriente y no
corriente) se puede representar información (para este caso, palabras) de manera digital.
Otros ejemplos de este tipo de información digital provienen de sensores que representan
información concerniente a los dos estados.
Figura 6. Ejemplificación de una celda fotovoltaica

para detectar objetos mediante señales digitales.
6
Por ejemplo, una celda fotovoltaica actúa como un sensor y sirve para detectar la presencia de un
objeto, por lo cual es muy usado en procesos industriales de detección de objetos. Este sensor solo
tiene dos estados, y envía una corriente o voltaje según la configuración.
Por ejemplo, si se interrumpe, envía un pulso eléctrico y el control actúa de acuerdo con la orden
programada. La figura 6 muestra un ejemplo del uso de este tipo de sensor. Las señales digitales
tienen la ventaja de que no son susceptibles al ruido, a menos que este sea capaz de cambiar el
estado de la variable. También, cuando las señales no solo se limitan a dos estados, es decir, cuando
los valores discretos se guardan en valores digitales o valores binarios.
Las señales digitales tienen ventajas para la manipulación: mantienen una alta precisión y exactitud
cuando se manipulan a velocidades altas, y esto se debe a la relación que hay con el número de bits
usados para representar una cantidad digital. Por ejemplo una señal digital guardada en 12 bits será
menos precisa que una guarda en 16 bits.
Por lo tanto, su precisión se mantiene como cantidad digital y son manipuladas y procesadas muy
rápido, millones de veces más que la señal análoga. De ahí la necesidad de adquirir una señal
análoga y convertirla a digital, ya que se puede procesar con las ventajas descritas, y la información
no se pierde o se altera por factores externos.
Para este último paso, que se denomina muestreo de una señal, existen condiciones como el
teorema de Nyquist que se tratará en la siguiente sección, para hacer un muestreo de señales
analógicas y convertirlas a señales digitales y mantener las condiciones óptimas de la información
para su procesado posterior.
2 Teorema de Nyquist
La adquisición de señales es una práctica muy importante en la industria, como el monitoreo de
una temperatura para el control de un proceso o el monitoreo de corrientes y voltajes provenientes
de transductores análogos o digitales. Además, es necesaria la adquisición de señales análogas y
convertirlas a digitales mediante el muestreo de la señal, que no es más que la manipulación de una
señal en tiempo continuo a una señal en tiempo discreto.
Bajo ciertas condiciones, una señal de tiempo continuo pude ser representada y recuperada de las
muestras tomadas de sus valores, y con espacios de tiempo iguales entre sí. Propiamente, estas
condiciones se refieren al teorema de muestreo, el cual es muy usado e importante en la adquisición
de datos para el procesamiento de señales.
En esta sección se describirá el hecho de que, bajo ciertas condiciones, una señal continua puede
ser recuperada completamente de una secuencia de muestras provenientes de cualquier mecanismo
que representa una señal continua en el tiempo y convertirla a señales discretas en el tiempo. Se
prefiere trabajar con esta última debido al desarrollo digital que se tiene y el cual permite, para los
propósitos de la materia, la manipulación de las señales en tiempos discretos para la instrumentación
virtual.
7
Muestreo
Antes se mencionó la importancia de trabajar señales digitales. De ahí que para convertir una señal
continua en el tiempo a una señal discreta (una señal continua a señal digital), se introducirá y se
desarrollará el concepto de muestreo y reconstrucción de señales continuas a partir de sus muestras.
Imagina que se tiene una señal continua como la que se muestra en la figura 7a), y si define que
muestrear la señal significa “tomar los valores en determinados puntos de la señal original”.
Por lo tanto, si se hace un muestreo uniforme, los espacios de intervalos de tiempo son iguales entre
sí.
En otras palabras, se hace la recolección de los valores de forma periódica. La señal queda
representada por los puntos de los valores que fueron tomados. De ahí deriva el concepto de valores
discretos.
La figura 7c) muestra la señal digitalizada en valores discretos.
a) b)
c)
Figura 7. Representación de a) señal continua en el tiempo, b) toma de muestras de la señal
continua y c) señal digital.
8
Y ¿para qué sirve digitalizar? Para que una vez muestreada una señal, se pueda reproducir a partir
de las muestras tomadas y, más importante aún, para que mantenga la información de la señal
continua, con el fin de manipularla para diversos propósitos, que dependerá del interés del usuario.
Pero surge la pregunta: ¿A partir de estos puntos, se puede reproducir o reconstruir la señal original?
La respuesta en un principio es “no”, debido a que por estos puntos pueden pasar una diversa
variedad de señales que contienen los mismos valores.
Por lo tanto, no solo representan la señal original. La figura muestra un ejemplo de tres señales
continuas que pasan por los mismos valores muestreados.
Figura 8. Tres señales continuas con idénticos

valores de muestras.
Claramente se observa un infinito número de señales que pueden generarse mediante el conjunto de
muestras. Sin embargo, hay ciertas condiciones que hacen posible recuperar la señal, en las que se
deberá considerar un ancho de banda limitado e intervalos de tiempo pequeños lo suficientemente
próximos relacionados con la frecuencia mayor de la señal original. Entonces, ya no existe la
ambigüedad que se observa en la figura 8, y con el conjunto de muestras se puede reconstruir la
señal.
Este resultado se conoce como teorema de muestreo, el cual tiene una gran importancia en el
análisis de señales. Para el caso de esta materia, para la adquisición de señales.
Teorema de muestreo
En este punto, lo que se tratará de representar matemáticamente es muestrear una señal con un tren
de impulsos. Este muestreo será la multiplicación de una señal continua con un tren de impulsos.
Como resultado que da la señal muestreada, solamente se mantienen los valores de la señal donde
está el impulso. Con esto se pretende demostrar que, a partir del resultado obtenido, se puede
recuperar la señal original.
9
El teorema de muestreo se describe de forma matemática como se observa en las ecuaciones de la

figura 9a), y se interpreta de la siguiente manera:
1.1)Si se tiene una señal continua en el tiempo con un muestreo periódico (es decir, se toman
muestras de la señal en periodos de tiempos iguales) y la señal de banda está limitada; 2.2), es
decir, que la transformada de Fourier es cero fuera del ancho de banda, y es omega sub m (ω M)
la frecuencia más alta de la señal original y, además, la condición de que la frecuencia de muestreo
(omega sub s denominado por ω s) 2π/T es mayor a dos veces la frecuencia de la señal omega sub
M en 1.3). Entonces, la señal x (t) está definida únicamente por el conjunto de sus muestras.
Figura 9. Teorema de muestreo en el dominio del tiempo y dominio de la frecuencia.

Este teorema, esencialmente, derivó del uso de la noción de que el muestreo puede efectuarse por
la multiplicación o modulación con un tren de impulsos. Esto se muestra en a figura 9 b). Es decir, el
producto de x(t) con p(t) en la ecuación 2.1) se observa el resultado de esta multiplicación al general
xp(t) que es la señal muestreada.
Propiamente, en el contexto de la transformada de Fourier, si se observa, en esta ecuación que

se lleva x de t dentro de la sumatoria y se analiza en el dominio de la frecuencia. Entonces, la
transformada de Fourier de x de p de t es la convolución de la transformada de Fourier de la señal
original y la transformada de Fourier del tren de impulsos, tal como se muestra en la ecuación
2.2)(En el dominio de la frecuencia, una multiplicación de funciones (señales) corresponde a una
convolución que se divide entre dos).
La ecuación 2.3) describe, en el dominio de la frecuencia, que el tren de impulsos es una señal
periódica, y es una transformada de Fourier. Sin embargo, no hay que olvidar que la transformada
de Fourier es un tren de impulsos por sí misma. La ecuación 2.4) describe que el resultado de
la convolución de la transformada de Fourier de la señal muestreada o un tren de impulsos—el
cual representa las muestras— es la suma de repeticiones de la frecuencia desplazada de la
transformada de Fourier de la señal original.
10
De esta manera se describe la relación matemática, que dice, esencialmente, que después de
muestrear con un tren de impulsos, el espectro resultante es el espectro original añadiéndose así
mismo, desplazado por múltiplos enteros de la frecuencia de muestreo.
Con el fin de entender esta relación matemática, analiza esta relación en las siguientes imágenes
mostradas en la figura 10, que representa, en señales, las ecuaciones descritas antes.
Figura 10. Espectro asociado con el muestreo de una señal mediante un tren de impulsos.
En la figura 10 se representa en el dominio de la frecuencia en a) al espectro de la señal original, que

está limitada en su ancho de banda por omega sub m que es la frecuencia más alta, y b), al espectro
del tren de impulsos. Si se realiza la convolución de las señales mostradas en a) y b), entonces se
tiene un nuevo espectro que se muestra en c), que no es más que la transformada de Fourier o el
espectro de la función en el tiempo de la señal muestreada.
Para recuperar la señal original —siempre que los triángulos no se sobreposicionen o se traslapen
entre ellos—, simplemente, este nuevo tren de impulsos se pasa a través de un filtro pasa bajas solo
extrayendo una de esas réplicas del espectro tal como se muestra en d).
De ahí que para hacer el muestreo sobre todo el sistema y luego la reconstrucción de la señal
muestreada, se debe multiplicar la señal original por el tren de impulsos tal como se muestra en la
figura 11a). El resultado es la señal muestreada.
El espectro resultante que se obtiene son las réplicas de múltiplos enteros cerca de la frecuencia de
muestreo, tal como se muestra en la figura 11b).
Y, finalmente, para recuperar la señal original o reconstruir la señal, se multiplica el espectro

muestreado expuesto en figura 11b).
11
Sobre el dominio de la frecuencia por la respuesta en frecuencia de un filtro ideal pasa bajas,
observa la figura 11c). Lo que se logra con este procedimiento es recuperar la señal original, como
se muestra en la figura 11d).
Figura 11. Diagrama de muestreo y reconstrucción de

una señal usando un filtro ideal pasa bajas.
12
Hasta aquí, las figuras anteriores han mostrado que para hacer la reconstrucción de la señal, las
réplicas no se traslapan entre ellas. Así, al pasarlas por un filtro pasa bajas se recupera la señal
original.
Pero surge la siguiente pregunta: ¿Qué pasa cuando el espectro tiene un ancho de banda superior al
de las frecuencias mostradas anteriormente?
Observa la figura 12. Representa un espectro de una señalen frecuencia con un ancho de banda
lo suficientemente grande. Entonces, al realizar la convolución para muestrear la señal con un tren
de impulsos, lo que se obtiene es que las réplicas individuales de la señal muestreada se traslapen
entre sí. Por lo tanto, será imposible recuperar la señal original. A este “efecto de traslaparse” se
lo conoce como aliasing. Entonces, para poder recuperar la señal, es necesario encontrar una
frecuencia adecuada.
Debe haber una relación entre el ancho de banda (omega sub m),la posición de los pulsos y
la frecuencia de muestreo (omega sub s). Entonces, lo que se necesita es que el pulso esté lo
suficientemente alejado de la frecuencia de la señal original.
En términos matemáticos, lo que se requiere es que la frecuencia omega sub m sea menor que la
frecuencia omega sub s menos omega sub m.
Estas frecuencias se muestran en la figura 13. Entonces, la condición para que no se traslapen es
que omega sub m sea menor que omega sub s, menos omega sub m o, equivalentemente, lo que
se requiere es que la frecuencia de muestreo sea mayor que dos veces la frecuencia máxima en la
señal original.
Figura 12. Ilustración de las

señales traslapadas.
13
Figura 13. Relación entre la frecuencia máxima

de la señal original y la frecuencia de muestreo.
Y a este resultado básico representado por las ecuaciones en la figura 14 se lo conoce como
teorema de muestreo de Nyquist, y a la frecuencia que se utiliza en el muestreo se la conoce como
frecuencia de Nyquist.
Entonces, se puede concluir que si se utiliza la frecuencia de Nyquist o una frecuencia superior
para muestrear señales continuas, y esas señales con las que se trabaja están limitadas en banda,
entonces se tiene la garantía de que se puede reconstruir la señal original a partir de sus muestras.
De esta manera, la señal se recupera, como ya se ha comentado antes.
Entonces, se puede concluir que para muestrear una señal, se necesita que la frecuencia de
muestreo sea al menos dos veces la frecuencia máxima de la señal original. En la práctica, la
frecuencia de muestreo se usa de 5 a 10 veces la frecuencia máxima.
ωs > 2ωM
donde:
ωs = 2π/T
Figura 14. Ecuaciones que representan el teorema de muestreo de Nyquist.
14
Aliasing
Como se mencionó antes, cuando no se cumple la condición de que la frecuencia de muestreo, que
sea por lo menos 2 veces mayor a la frecuencia máxima de la señal, entonces se presenta el efecto
de aliasing (traslape de señales).
Este efecto es importante porque “causa que la señal reconstruida a partir de las muestras no sea
la señal original”. Antes se dijo que para recuperar la señal, el espectro se pasaba por un filtro pasa
bajas.
El hecho de que la frecuencia de muestreo no sea lo suficientemente alta para evitar el aliasing,
entonces sucede que la réplicas de la transformada de Fourier de la señal se traslapen, y lo que se
muestra es una distorsión en la señal, como podrás observar en la figura 15. Y si se trata de pasar
esta señal por el filtro para reconstruir la señal original, no se podrá, debido a que la replicas se
traslapan y se reconstruirá otra señal diferente.
Figura 15. Frecuencia de muestreo menor que la frecuencia máxima de la señal original.
Así es que en este caso, omega sub s menos omega sub m es menor que omega sub s. En otras
palabras, la frecuencia de muestreo no es mayor, en este caso, que dos veces la frecuencia máxima
de la señal original.
Lo que sucede es que las frecuencias quedan solapadas dentro de las frecuencias más bajas. Es
decir que lo que saldrá del filtro será el reflejo de las frecuencias más altas dentro de las frecuencias
más bajas. Y este efecto es el ya mencionado aliasing.
15
Figura 16. Muestreo de

una señal sinodal para el
muestreo de la señal sin
el efecto aliasing.
Para entender mejor el término y el efecto, en el siguiente ejemplo se analiza una onda senoidal sin
el efecto y con efecto.
Lo que se muestra en la figura 16 es la entrada de una señal senoidal a) denominada x(t) y en b),
la reconstrucción de la señal con una frecuencia de corte de 5 KHz denominada xr(t). En c), y es el
espectro o la transformada de Fourier de la señal, que es un impulso en el dominio de la frecuencia
de la señal senoidal.
Se observa en la figura que se tienen muestras con el tren de impulsos denominado xp (t) y, para
este ejemplo, se muestrea a 10 kHz. Entonces, el espectro mostrado en b) es replicado en múltiplos
de la frecuencia de muestreo. En d) se muestran las frecuencias negativas. Para tratar de reconstruir
la señal, se pasa por el filtro ideal pasa bajas. En este caso, el filtro ideal pasa bajas se fija a la mitad
de la frecuencia de muestreo (5 kHz).
Por lo tanto, bajo las condiciones mostradas en la figura 16se reconstruye la señal denominada xr (t)
sin el efecto aliasing.
Figura 17. Movimiento del espectro al incrementar la

frecuencia de la señal de entrada.
16
Esto es porque se cumple la condición del teorema de muestreo.
Ahora surge la siguiente pregunta: ¿Qué pasa cuando se viola el teorema de muestreo? Para
lograr este efecto, se incrementa la frecuencia de la señal de entrada x (t). Entonces, el impulso se
incrementa en frecuencia y el impulso negativo se decrementa en frecuencia, tal como se observa en
la figura 17.
En la figura 18 a) se muestra el siguiente caso: La frecuencia de entrada se ha incrementado

cerca de los 5 kHz. Observa que la señal xr (t) se puede reconstruir. Si la frecuencia se sigue
incrementando, los impulsos se cruzan y aparece el efecto aliasig.
Figura 18. Representa a) el incremento de la frecuencia sin el efecto aliasing y

b) el incremento en frecuencia hasta que ocurre el efecto aliasing.
17
Este efecto es produce porque el impulso negativo cruza la banda del filtro y la reconstrucción de la
señal está asociada a la frecuencia ligada a este impulso y no a la frecuencia asociada a la señal
original. Para ejemplificar los efectos del aliasing se incrementará la frecuencia. Se moverá hasta
cerca de 10 kHz.
En la figura 19 a), se muestra el incremento de la frecuencia de entrada hasta llegar cerca de los 10
kHz. Se puede observar que debido al aliasing, la reconstrucción de la señal es errónea.
a) Reconstrucción de la señal con el efecto Aliasing
b) Representación de las muestras y la señal que se forma.

Figura 19. Representación del efecto aliasing cuando la frecuncia de la
señal de entrada se incrementa cerca de los 10 KHz.
18
Conclusión
En esta sesión aprendiste conceptos importantes que abrirán camino a sesiones posteriores, como
la adquisición de datos.
Ya eres capaz de diferenciar las señales analógicas de las digitales. También estás enterado de la
importancia del manejo de estas en la industria.
Además, te enteraste de un efecto importante en la adquisición de señales denominado aliasing, así

como del error que introduce cuando la frecuencia de muestreo es baja.
Por otro lado, conociste el teorema de Nyquist, partiendo de la relación matemática, derivado de
la noción de que el muestreo puede realizarse por la multiplicación o modulación con un tren de
impulsos.
Por lo tanto, eres capaz de seleccionar la frecuencia de muestreo de una señal y de adquirir una
señal mediante la comprensión y la aplicación del teorema de muestreo.
Glosario
Aliasing. Termino en inglés para denominar el efecto de traslape de señales, causando
reproducción de señale erróneas. Se presenta cuando la tasa de muestreo es demasiado lenta.
Convolución. La descomposición de una entrada de una señal como la suma de impulsos.
Espectro en frecuencia. Es el contenido de frecuencias de una señal.
Frecuencia de muestreo. Es la velocidad de muestreo dada en 1/T hz ó 1/T muestras/seg

Filtro pasa bajas. Deja pasar frecuencias por debajo de una frecuencia de corte y elimina las
mayores que la frecuencia de corte.
Muestreo. Es la toma de valores en determinados puntos.
Ruido. Cualquier perturbación eléctrica o señal no deseada que modifica el registro de datos no
deseados
Señales continuas. Son aquellas que están definidas por valores continuos. Por ejemplo la
temperatura cambia pasando por todos los valores.
Teorema de muestreo. Representación de una señal continua en el tiempo por sus muestras.
Valores continuos. Toman todos los valores posibles que están definidos en un rango de valores.
Por ejemplo entre los números 1 y 2 se pueden tomar valores desde 1.000001, 1.000002,…, 1.9999,
2.
19
Valores discretos. Toman ciertos valores de un rango definido. Por ejemplo entre 1-2 solo se
tomaran dos valores 1.4 y 1.8 y nada más.
Variables espaciales. Variables que localizan un objeto en el espacio de dos dimensiones. Por
ejemplo, un plan cartesiano, el cual eta definido por un espacio de dos dimensiones, por lo tanto
cualquier objeto se localiza mediante coordenadas x - y.
Bibliografía
Luecke, J.(2005). Analog and digital circuits for electronic control system aplications. Using the TI
MSP430 Microcontroller. Usa: ELSVIER.
Camacho, G. (2013). Tratamiento de señales en comunicación. Conversiones. Frecuencia de

muestreo de Nyquist. © UPV. [video]. Recuperado de http://www.youtube.com/watch?v=eNZv07rkdIU
Etter, D. (2004). Solución de problemas de Ingeniería con MATLAB. México: Pearson Educación.
Oppenheim, A., Willsky, A., Nawab, H. (1997). Signals and System. USA: Prentice-Hall
Oppenheim, A. (2011). RES.6-007 Signals and System. Recuperado agosto, 2013, de

Massachusetts Institute of Technology. http://ocw.mit.edu/resources/res-6-007-signals-and-systems-
spring-2011/lecture- notes/MITRES_6_007S11_lec16.pdf
Universidad de San Luis Potosí (2013). Instrumentación con controles lógicos programables.
Manuscrito no publicado, Facultad de Ingeniería, universidad Autónoma de san Luis Potosí, México.
20

IV s6 Imprimible PDF

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

IV s6 Imprimible PDF

Cargado por

Copyright:

Formatos disponibles

Fundamentos de instrumentacion virtual

Sesión 6 Conversión analógica - digital saber hacer para competir

Aunque en esta sesión no se abordará de manera específica el procesamiento de señales, se

Figura 1. Representación gráfica de a) una señal de voz continua en el tiempo y

En el caso de señales continuas en el tiempo, la variable independiente es continua. Estas señales

En la Naturaleza, la temperatura, presión, humedad y velocidad del viento cambian constantemente

Figura 2. “Sistema análogo” para el registro de temperatura

En la gráfica mostrada en la figura 2b), se registra la temperatura de manera continua y suave; es

Figura 4. Diferentes tipos de ruidos en

Esta es la forma de codificar la representación de una información. Un ejemplo de un sistema digital

Figura 5. Representación simplificada de un sistema

La figura 5 muestra un circuito simplificado de un sistema de telégrafo. Puedes observar que la

Si se hace referencia al circuito eléctrico de la figura 5, este encenderá y apagará en tiempos

Figura 6. Ejemplificación de una celda fotovoltaica

La figura 7c) muestra la señal digitalizada en valores discretos.

Figura 8. Tres señales continuas con idénticos

El teorema de muestreo se describe de forma matemática como se observa en las ecuaciones de la

Figura 9. Teorema de muestreo en el dominio del tiempo y dominio de la frecuencia.

Propiamente, en el contexto de la transformada de Fourier, si se observa, en esta ecuación que

En la figura 10 se representa en el dominio de la frecuencia en a) al espectro de la señal original, que

Y, finalmente, para recuperar la señal original o reconstruir la señal, se multiplica el espectro

Figura 11. Diagrama de muestreo y reconstrucción de

Figura 12. Ilustración de las

Figura 13. Relación entre la frecuencia máxima

Figura 14. Ecuaciones que representan el teorema de muestreo de Nyquist.

Figura 16. Muestreo de

Figura 17. Movimiento del espectro al incrementar la

Esto es porque se cumple la condición del teorema de muestreo.

En la figura 18 a) se muestra el siguiente caso: La frecuencia de entrada se ha incrementado

Figura 18. Representa a) el incremento de la frecuencia sin el efecto aliasing y

a) Reconstrucción de la señal con el efecto Aliasing

b) Representación de las muestras y la señal que se forma.

Además, te enteraste de un efecto importante en la adquisición de señales denominado aliasing, así

Convolución. La descomposición de una entrada de una señal como la suma de impulsos.

Espectro en frecuencia. Es el contenido de frecuencias de una señal.

Frecuencia de muestreo. Es la velocidad de muestreo dada en 1/T hz ó 1/T muestras/seg

Muestreo. Es la toma de valores en determinados puntos.

Camacho, G. (2013). Tratamiento de señales en comunicación. Conversiones. Frecuencia de

Oppenheim, A. (2011). RES.6-007 Signals and System. Recuperado agosto, 2013, de

También podría gustarte