Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tds Tema 2 Teoria PDF
Tds Tema 2 Teoria PDF
Muestreo y Reconstrucción de
Señales
2.1. Introducción
Muchas de las señales de interés práctico proceden de fenómenos fı́sicos que son con-
tinuos y por tanto las señales que generan son analógicas. Para procesar de forma digital
estas señales es necesario convertir la señal al dominio digital, realizar el procesado y
posiblemente volver a transformar la señal al dominio continuo, como muestra la figura
2.1. El primer bloque de la figura es un convertidor de continuo a digital (ADC), el cual
xa(t) ya (t)
Sistema
ADC DAC
digital
T T
Figura 2.1: Sistema convertidor a digital, etapa de procesado y conversión de nuevo al
dominio continuo.
consta de tres etapas. En primer lugar es necesario convertir la señal analógica en una
señal discreta mediante un convertidor de tiempo continuo a discreto, C/D. Este sistema
realiza un muestreo de la señal y una conversión al dominio discreto obteniendo final-
mente una secuencia de muestras de la señal. En segundo lugar es necesario realizar una
discretización o cuantificación en la amplitud de la señal, de modo que la amplitud de la
señal sea representada por un valor seleccionado a partir de un conjunto finito de posibles
valores. A este proceso se le llama cuantificación y debido a la pérdida de información que
se produce es un proceso no invertible. Finalmente la señal cuantificada se codifica usando
una representación digital con un número dado de bits, a esta operación se le denomina
codificación. El sistema que realiza todas estas operaciones se le denomina convertidor
Analógico Digital (ADC) y se muestra en la figura 2.2. Un ejemplo de señal sinusoidal
de tiempo continuo que ha sido muestreada y cuantificada se muestra en la figura 2.3.
Las lı́neas verticales muestran los instantes de muestreo de la señal. Las lı́neas vertica-
les situadas dentro del rango del cuantificador (±4∆) indican los niveles permitidos de
cuantificación de la señal. La señal cuantificada viene dada por los puntos negros xq (nT )
1
2 2. Muestreo y Reconstrucción de Señales
ADC
estos puntos se pueden interpolar por un interpolador de orden cero generando la señal
en escalera que viene dada por la señal xq (t). La señal digital finalmente queda como
una secuencia de números que tı́picamente vienen dados por una representación binaria.
Mediante este procedimiento se obtiene la señal digital apta para su procesado por un
sistema digital. Una vez finalizado el procesado suele ser necesario una conversión de la
señal digital al dominio analógico mediante un convertidor Digital Analógico (DAC). El
diagrama de bloques de DAC viene representado en la figura 2.4. Este sistema realiza
una conversión de una señal digital a una señal de tiempo continuo (D/C), posterior-
mente es necesario realizar una interpolación de la señal para aproximar el valor ésta en
los instantes de tiempo entre muestras consecutivas. Teóricamente existe un proceso de
interpolación óptima –también denominada interpolación ideal– que permite recuperar la
señal analógica original, de la cual proviene la secuencia de entrada al conversor. Este
proceso de recuperación se produce de forma exacta, siempre que la señal esté limitada
en banda y se haya muestreado con una frecuencia de muestreo suficientemente alta. En
la práctica este método resulta excesivamente complejo y se suelen utilizar otros métodos
^y(t)
y[n]
Convertidor Interpolador Filtro
D/C
DAC
de interpolación: interpolación de orden cero, lineal, cuadrática, ... Estas técnicas suelen
generar ciertas distorsiones en la señal y normalmente requieren de una última etapa de
filtrado. La aproximación de interpolación de orden cero (Zero Order Hold) consiste en
mantener el valor de la muestra hasta la llegada de la siguiente muestra, de manera que
queda una aproximación de la señal en escalera. La aproximación de orden uno consiste
en unir las muestras con una lı́nea recta, y ası́ sucesivamente.
En primer lugar, tanto los procesos ADC y DAC, como los elementos que los componen
son considerados ideales. De este modo, es posible establecer las relaciones entrada/salida
en el dominio del tiempo y de la frecuencia de un modo sencillo y elegante. En el caso
del ADC se considera la conversión de tiempo continuo a tiempo discreto de forma ideal,
también se considera que la operación de cuantificación tiene precisión infinita, por lo
tanto se pueden despreciar los efectos del cuantificador y del codificador. Con todas estas
consideraciones, el convertidor ADC se considera simplemente como un convertidor C/D
ideal. En el convertidor DAC también suponemos condiciones ideales, considerando que la
conversión se realiza únicamente en la etapa D/C. Se supone que el elemento D/C genera
la señal analógica definitiva sin necesidad de elementos de interpolación extra ni de filtro
compensador. Finalmente, se introducen los efectos no ideales y algunos de los problemas
prácticos que surgen en la implementación.
donde la frecuencia de muestreo es fs = 1/T y viene dada en muestras por segundo. Tam-
bién se puede expresar en radianes por segundo, ωs = 2π/T . La diferencia más importante
entre la señal analógica y la señal discreta es que la variable independiente de la secuencia
es un ı́ndice entero donde se ha perdido la dimensión temporal, es decir, se ha produci-
do una normalización temporal. Como veremos, esta relación entre la variable temporal
analógica (t) y discreta (n) se transforma en una relación análoga entre el dominio de la
frecuencia de tiempo continuo y de tiempo discreto.
mación de la señal, ya que pueden existir varias señales analógicas diferentes que coincidan
en los puntos de muestreo, generando la misma señal muestreada. Sin embargo, si impo-
nemos alguna limitación a las señales analógicas, esta ambigüedad puede resolverse y el
proceso pasa a ser invertible. Esta limitación viene dada por el teorema del muestreo. Se
puede demostrar que el sistema de la figura 2.5 es una operación lineal pero no invariante
en el tiempo.
xa(t)
xs(t)
s(t)
x[n]
C/D ideal
-3 -2 -1 0 1 2 3 n
Figura 2.6: Muestreo con un tren de deltas seguido de un convertidor de tren de impulsos
en secuencia.
obtener las relaciones entre las señales en el dominio de la frecuencia expresamos el tren
de deltas:
∞
X
s (t) = δ (t − nT ) (2.2)
n=−∞
2π
donde ωs = T
. Finalmente, la señal muestreada queda:
∞
X
xs (t) = xa (t)s(t) = xa (t) δ (t − nT ) (2.4)
n=−∞
Xa(ω) S(ω)
1 2π/Τ
... ...
−ωΝ ωΝ ω −ωs ωs ω
Xs(ω)
... 1/Τ ...
−ωs −ωΝ ωΝ ωs ω
ωs−ωΝ
Figura 2.7: Efecto del muestreo ideal en el dominio de la frecuencia, se cumple ωs > 2ωN .
2.2.2. Reconstrucción
Según el valor de ωs en la figura 2.7 se producen dos situaciones claramente diferencia-
das. Si la frecuencia de muestreo es tal que ωs > 2ωN las copias de Xa (ω) no se solapan,
es decir, la señal xa (t) puede recuperarse a partir de xs (t) mediante un filtro paso bajo
ideal, Hr (ω), como puede verse en la 2.8. El filtro recuperador viene dado por:
T ωN < ωc < ωs − ωN
Hr (ω) = (2.6)
0 resto
Xa(ω)
xa(t) xR(t) ... 1/Τ ...
HR(ω)
−ωs −ωΝ ωΝ ωs ω
ωs−ωΝ
Hr(ω)
Τ
−ωc ωc ω
Xr(ω)
1
−ωΝ ωΝ ω
Figura 2.8: Recuperación exacta de la señal mediante un filtro paso bajo ideal, se cumple
ωN < ωc < ωs − ωN .
La segunda situación se produce cuando ωs < 2ωN , en este caso se produce un solapa-
miento entre las copias del espectro desplazadas, tal y como se muestra en la figura 2.9.
Alrededor de ωs /2 se genera una distorsión del espectro provocada por el solapamiento
entre las frecuencias originales del espectro y las frecuencias denominadas “alias”, produ-
ciendo lo que se denomina aliasing.
Supongamos una señal xa (t) = cos(ω0 · t). La transformada de Fourier de la señal son dos
Xa(ω) S(ω)
2π/Τ
1 ... ...
−ωΝ ωΝ ω −2ωs −ωs ωs 2ωs ω
Xs(ω)
1/Τ
... ...
−ωs ωs ω
ωs/2
Figura 2.9: Solapamiento entre las réplicas del espectro de la señal original cuando ωs <
2ωN
deltas centradas en ±ω0 como se muestra en la figura 2.10 (a). Si la frecuencia de muestreo
cumple ωs > 2ω0 , la transformada de Fourier de la señal muestreada se presenta en la
figura 2.10 (b). Situando un filtro recuperador con una frecuencia de corte de ωc = ωs /2 se
puede obtener una recuperación perfecta de la señal original. Por el contrario, si la señal se
muestrea con una frecuencia ωs < 2ω0 , la transformada de Fourier de la señal muestreada
se representa en la figura 2.10 (c). Situando un filtro recuperador con una frecuencia de
corte de ωc = ωs /2 la señal que se obtendrı́a es xr (t) = cos((ωs − ω0 )t). Este fenómeno de
aliasing ocurre porque las frecuencias ω0 y (ωs −ω0 ) son diferentes en continuo pero las dos
generan la misma señal muestreada. Esta caracterı́stica se puede entender fácilmente ob-
teniendo las señales muestreadas: la señal orgininal muestreada es: xa (nT ) = cos(ω0 T n).
Por otro lado, muestreando la señal xr (t) se obtiene: xr (nT ) = cos((ωs −ω0 )nT ) = xa (nT ).
Teorema de Nyquist:
Sea xa (t) una señal limitada en banda, es decir:
La señal está completamente determinada por sus muestras x[n] = xa (nT ) siempre que
ωs > 2ωN
Xa(ω)
−ω0 ω0 ω
(a)
Xs(ω) Hr(ω)
−ωs −ω0 ω0 ωs ω
ωs/2
(b)
Xs(ω) Hr(ω)
−ω0 ω0 ω
ωs/2 ωs
(c)
Figura 2.10: Transformada de Fourier de la señal xa (t) cuando se muestrea con una fre-
cuencia ωs > 2ω0 y con una frecuencia ωs < 2ω0 .
Problema 2.1
Obtener la mı́nima frecuencia de muestreo de la siguiente señal sin perder información.
Xa(ω)
ω1 ω 2 ω
Problema 2.2
Sea una señal x(t) = sen(t), realizar un muestreo a la frecuencia de Nyquist mediante
∞
P
la señal s (t) = δ (t − nT ) y representar las transformadas de Fourier de la señal
n=−∞
original, de la señal muestreada xs (t) = x(t)s(t) y de la señal discreta xd [n] = x(nT ).
C/D ideal
por último, si se considera el último término de la ecuación 2.8, X(Ω) se puede poner
como función de Xa (ω):
∞
1 X Ω 2π
X (Ω) = Xs (ω)|ω= Ω = Xa −k (2.11)
T T k=−∞ T T
Luego X(Ω) es una versión escalada de Xs (ω), como función de Ω = ωT , la cual a su vez
es una suma de diferentes copias de Xa (ω) escaladas y desplazadas en múltiplos de 2π.
Si la señal Xs (ω) es una señal periódica con periodo 2π/T , la señal X(Ω) será periódica
con periodo 2π, como corresponde a la transformada de Fourier de una señal de tiempo
discreto. Dicho de otro modo, el proceso de conversión C/D en el tiempo simplemente
selecciona muestras a intervalos regulares y en el dominio de la frecuencia dota a la trans-
formada de la periodicidad necesaria para corresponder a una señal de tiempo discreto.
Si se introduce la señal de la figura 2.7 en un convertidor C/D, las señales implicadas en
el convertidor C/D vienen dadas por la señal representada en la figura 2.13. La normali-
zación en el tiempo ha dado lugar a una normalización en la frecuencia, de modo que si
en el tiempo se pasa de “segundos” a “muestras”, en el dominio de la frecuencia se pasa
de “rad/s” a “rad/muestra”.
C/D ideal
X(Ω)
Xa(ω)
1 ... 1/Τ ...
−ωΝ ωΝ ω −2π −ωΝT ωΝ T 2π Ω
Ejemplo 2.1
Sea una señal xa (t) = A cos (ω0 t), la cual se muestrea con una frecuencia fs = 1/T :
Ω
π
Figura 2.14: Relación entre frecuencias de tiempo continuo y frecuencias de tiempo dis-
creto.
Problema 2.3
Representar los espectros de todas las señales intermedias en el sistema de la figura 2.12,
cuando la frecuencia de muestreo vale los siguientes valores: fs = 2, 3, 5KHz. Considere
P∞
que se muestrea con la señal: s (t) = δ (t − nT ) y la señal de entrada Xa (ω) es:
n=−∞
Xa(ω)
ω
2πKrad/s
Figura 2.15: Señal de entrada Xa (ω).
x[n] xr(t)
D/C
T
D/C
primer elemento convierte la señal discreta en una señal muestreada de tiempo continuo,
la cual consta de un tren de impulsos:
∞
X
xs (t) = x [k] δ (t − kT ) (2.12)
k=−∞
Esta señal es posteriormente filtrada para eliminar las copias del espectro situadas en los
múltiplos de 2π/T , quedando una señal de tiempo continuo similar a la señal original. El
filtro paso bajo ideal se muestra en la figura 2.18 y su respuesta al impulso viene dado
por:
sen πt
T
hr (t) = πt (2.13)
T
Finalmente, la señal de salida del sistema viene dada por la fórmula de interpolación
Ηr(ω)
T
−π/T π/T ω
donde la ecuación 2.14 se denomina la función de interpolación ideal. Merece la pena notar
que los ceros de hr (t) hacen que xr (nT ) = x[n] = xa (nT ), es decir, en los instantes de
muestreo la señal recuperada coincide con la señal original. En el resto de los instantes,
las señales con forma de sinc desplazadas se superponen para poder recuperar también
los valores originales de la señal, resultando una recuperación ideal. Un ejemplo se puede
observar en la figura 2.19.
Señal reconstruida
Amplitud (u.a.)
1
0, 8
0, 6
0, 4
0, 2
−0, 2
−0, 4
-5T -4T -3T -2T -T 0 T 2T 3T 4T 5T t(s)
Figura 2.19: Proceso de recuperación de una señal a partir de sus muestras mediante un
filtro ideal.
Xs (ω) = X (ωT )
A continuación, la señal pasa por el filtro ideal y la relación entrada salida del sistema
queda:
T · X (ωT ) |ω| < Tπ
Xr (ω) = Hr (ω) X (ωT ) =
0 resto
Si bien en el tiempo se produce una interpolación de la señal para recuperar la señal
analógica, en la frecuencia se produce un filtrado que elimina la periodicidad del espectro
de la señal discreta para convertirla en señal analógica.
Problema 2.4
Dado el convertidor D/C de la figura 2.17 y la señal de entrada de la figura 2.20, repre-
sentar la transformada de Fourier de la señal xs (t) y xr (t).
X(Ω)
−2π Ωc 2π Ω
Figura 2.20: Proceso de recuperación de una señal a partir de sus muestras mediante un
filtro ideal.
Figura 2.21: Ejemplo de una señal limitada en banda que se somete a una conversión C/D
y D/C.
segundo caso considerado, la señal no está limitada en banda y por lo tanto, es imposible
xa (t) = e−A|t|
2A
Xa (F ) = A2 +(2πF )2
y se muestran en la figura 2.22 (a). Es importante observar que tanto la señal como
su transformada son decrecientes. Cuando la señal se muestrea a una frecuencia sufi-
cientemente grande, el solapamiento entre copias es muy pequeño, ya que el espectro es
decreciente y el solapamiento viene dado por las colas de las copias del espectro desplaza-
das en los múltiplos de la frecuencia de muestreo. En estas condiciones la recuperación de
la señal no es perfecta pero se aproxima mucho a la señal original, figura 2.22 (b). En la
figura 2.22 (c), la frecuencia de muestreo es más pequeña y la señal recuperada comienza
a diferenciarse de la señal original. Es interesante notar que si la señal se hubiera filtrado
antes de muestrearse, se hubieran eliminando por completo las colas de la señal y el sola-
pamiento entre copias se hubiera evitado. Esta es una forma de mitigar el el solapamiento
y hacer la reconstrucción más precisa.
Figura 2.22: Ejemplo de una señal no limitada en banda que se somete a una conversión
C/D y D/C.
preservar la máxima frecuencia deseada y limitar los efectos indeseados del aliasing. Para
ello se realiza un prefiltrado de la señal de entrada con un filtro denominado filtro anti-
aliasing. El uso de este filtro también elimina el posible ruido aditivo e interferencias que
contenga la señal fuera del rango de frecuencias de interés, ya que las réplicas desplazadas
van a introducir sus colas, que contienen el ruido e interferencias, dentro de la banda de
frecuencias de interés, generando aliasing. Por otro lado, es necesario ajustar el periodo de
muestreo de los convertidores C/D y D/C, que tiene que ser suficientemente grande para
preservar la máxima frecuencia deseada de la señal, atendiendo al criterio de Nyquist.
El sistema D/C ideal tiene el cometido de escalar el espectro de entrada por un factor
T y eliminar la región del espectro cuyas frecuencias cumplan: |ω| > π/T . Las relaciones
entrada/salida en el tiempo y en la frecuencia son:
∞
P
ya (t) = y [k] · hr (t − kT )
k=−∞ (2.16)
Ya (ω) = Y (ωT ) · Hr (ω)
Suponemos que el sistema intermedio es un sistema LTI que viene dado por su respuesta en
frecuencia H(Ω). El sistema realiza el procesado digital y relaciona la salida del convertidor
Finalmente, componiendo todas las relaciones, la salida del sistema queda en el dominio
transformado: ∞
1 X 2π
Ya (ω) = Hr (ω) H (ωT ) Xa ω − k (2.18)
T k=−∞ T
Si la señal es limitada en banda y se muestrea cumpliendo el criterio de Nyquist, entonces
el filtro recuperador situado en el convertidor D/C filtrará todas las copias del espectro de
la señal de entrada que están desplazadas, dejando pasar el espectro original. La relación
entrada/salida en estas condiciones queda:
Merece la pena recordar que para que se cumplan las ecuaciones 2.19, 2.20 y 2.21 es
necesario que el sistema discreto sea LTI, que la señal de entrada sea limitada en banda
y que se cumpla el criterio de Nyquist en el muestreo, es decir, que no haya solapamiento
con las réplicas del espectro de la señal.
Ejemplo 2.2
Teniendo en cuenta un filtro digital, ideal, paso bajo y de frecuencia de corte Ωc como el
de la figura 2.24:
Ηd(Ω)
2π −Ωc Ωc 2π Ω
Ηa(ω)
−Ωc/T Ωc/T ω
Merece la pena resaltar que el filtro analógico depende de Ωc y T , de modo que con un
único filtro digital podemos conseguir diferentes filtros analógicos modificando el periodo
de muestreo T .
Problema 2.5
Representar la transformada de Fourier de ya (t) del sistema de la figura 2.26 para los
siguientes casos:
1/T1 = 1/T2 = 104 Hz
1/T1 = 1/T2 = 2 · 104 Hz
1/T1 = 2 · 104 Hz, 1/T2 = 104 Hz
1/T1 = 104 Hz, 1/T2 = 2 · 104 Hz
xa(t) ya (t)
C/D Hd(Ω) D/C
T1 T2
Xa(ω)
Hd(Ω)
1
−π/2 π/2 Ω
xa(t) ya (t)
Ha(ω)
Ejemplo 2.3
A continuación se muestra un ejemplo de la aplicación de la respuesta al impulso inva-
riante. Sea un filtro analógico con una respuesta en frecuencia:
1 |ω| < ωc
Ha (ω) = (2.27)
0 resto
Su función de respuesta al impulso es:
sen (ωc t)
ha (t) =
πt
Teniendo en cuenta la ecuación 2.25, su equivalente digital es:
1 |Ω| < ωc T
Hd (Ω) =
0 ωc T < |Ω| < π
por lo tanto, la respuesta al impulso digital es:
sen (ωc T n)
hd [n] =
πn
La cual se corresponde con el muestreo de la analógica.
Problema 2.6
Suponer una señal de entrada xa (t) = cos(ω0 t). Obtener la entrada digital y su
transformada de Fourier y la salida digital y su transformada.
Nota: el diferenciador tiene unas relación entrada/salida:
dxa (t)
ya (t) =
dt
y [n] = ya (nT )
Y (Ω) = T1 Ya Ω
T
, |Ω| < π
y finalmente se considera uns sitema analógico LTI que viene dado por: Ya (ω) = Xa (ω) Ha (ω).
Con todas estas relaciones, encadenando todas las entradas y salidas finalmente queda un
sistema digital efectivo:
Ω
Hd (Ω) = Ha , |Ω| < π
T
A continuación se presenta un ejemplo donde es necesario simular un sistema digital
mediante uno analógico.
Ejemplo 2.4
En ocasiones es necesario dotar de sentido fı́sico a algunos sistemas digitales que no lo
tienen, por ejemplo, un sistema digital que venga dado por su respuesta en frecuencia:
2.7. Cuantificación
Hasta ahora se ha considerado que existe una precisión infinita en la representación
digital de los datos, por lo tanto, se han despreciado las etapas de cuantificación y codi-
ficación. En una aproximación más realista, es necesario considerar la precisión finita y
su efecto sobre los sistemas. Una señal discreta es una secuencia de números que puede
Figura 2.29: Señal discreta y señal analógica original (a), desplazamiento de la señal
analógica y discretización.
tomar cualquier valor dentro de un rango continuo. Para obtener una señal digital es ne-
cesario representar o codificar los números mediante una cantidad finita de bits, es decir,
mediante un conjunto discreto y finito de niveles de cuantificación. La cuantificación con-
siste en asignar a cada amplitud de la señal un nivel de cuantificación, proceso no lineal
y no invertible. La cuantificación introduce inevitablemente una distorsión en la señal,
que da lugar al error de cuantificación. Este error suele considerarse como un ruido de
cuantificación sobre la señal original.
El procedimiento para la cuantificación consiste en dividir el rango de amplitudes de
la señal de entrada en L + 1 niveles de cuantificación, denominados: x1 , . . . , xL+1 . Los
niveles de cuantificación definen L intervalos y a cada uno de estos intervalos se le
asocia un valor de cuantificación, x̂1 , . . . , x̂L . Si la señal x[n] está dentro del intervalo:
Ik = {xk < x[n] ≤ xk+1 }, k = 1, . . . , L se le asocia un valor de cuantificación x̂k . Esta
asignación la realiza matemáticamente el operador Q[·]:
En la figura 2.30 se muestran los niveles, los intervalos, los valores de cuantificación y
el escalón de cuantificación ∆. Como puede observarse, el espaciado de los escalones de
cuantificación es uniforme, en este caso el cuantificador se denomina uniforme o lineal.
Tı́picamente se usan cuantificadores uniformes para realizar un procesado digital de la
señal, no obstante, para aplicaciones de almacenamiento y transmisión de señales puede no
ser uniforme. La diferencia entre el máximo valor de la señal y el mı́nimo R = xL+1 −x1 se
denomina rango dinámico del cuantificador. Tı́picamente el cuantificador suele ser bipolar,
es decir el valor máximo y el mı́nimo son opuestos uno del otro y la escala es simétrica
respecto del 0, x1 = −xL+1 . El funcionamiento de un cuantificador viene dado por su
función caracterı́stica, en la figura 2.31 se representa una función caracterı́stica tı́pica de
un cuantificador uniforme. Como se puede observar el valor del cuantificador viene dado
por el redondeo del valor de la señal al valor de cuantificación más cercano. La cantidad de
valores de cuantificación debe ser un número par (2b+1 ), si se requiere la codificación del 0
x1 x2 x3 xL+1
x^ 1 ^x
2
x^ 3 ∆
Rango
Figura 2.30: Niveles, intervalos y los valores de cuantificación.
^x[n]
R 3∆
2∆
∆
xmin ∆ xmax
−9∆/2 −7∆/2 −5∆/2 −3∆/2 −∆/2 ∆/2 3∆/2 5∆/2 7∆/2 x[n]
-∆
-2∆
-3∆
-4∆
^
eq[n]=x[n]-x[n]
∆/2
x[n]
-∆/2
L valores, es necesario una cantidad b+1 de bits tal que: L = 2b+1 . Con esta consideración,
el escalón de cuantificación se calcula como:
R
∆= , (2.30)
2b+1
donde R es el rango dinámico del cuantificador. Merece la pena notar que cuando aumenta
el número de bits, disminuye el escalón de cuantificación y por tanto disminuye el error
cometido en la cuantificación.
En los convertidores ADC reales pueden existir multitud de desviaciones respecto del com-
portamiento ideal, pueden existir problemas de offset en las transiciones de los escalones,
errores en los factores de escala (o ganancia) de la señal de entrada, no linealidades en la
separación de escalores de cuantificación, etc...
de entrada están dentro del rango dinámico del cuantificador, el error de cuantificación
estará acotado: |eq [n]| < ∆/2, este tipo de error se suele denominar ruido granular. Por
el contrario, si la señal de entrada está fuera del rango, se produce un desbordamiento
que genera un recorte de la señal y un valor del error que está descontrolado, este caso no
será considerado.
Para caracterizar el modelo estadı́stico del error es necesario suponer algunas caracterı́sti-
cas razonables:
Px
SQNR = 10 log10 , (2.31)
Pe
p(e)
1/∆
e
-∆/2 ∆/2
donde Px = σx2 = E[x2 (n)] es la potencia promedio de la señal y Pe = σe2 = E[e2q (n)]. La
potencia del error de cuantificación queda:
Z∆/2
∆2
Pe = σe2 = e2 p (e) de = . (2.32)
2
−∆/2
Px σx R
SQNR = 10 log10 = 20 log10 = 6,02b + 16,81 − 20 log10 (2.33)
Pe σe σx
En esta ecuación se pone de manifiesto que cada bit que se añada al cuantificador au-
menta 6dBs aproximadamente la SQNR. Es interesante analizar el último término de la
ecuación, el cual relaciona el rango dinámico del cuantificador con la varianza de la señal.
Si la varianza toma un valor demasiado grande la amplitud de la señal supera al rango
dinámico y se produce un desbordamiento que implica un recorte de la señal. Si la varian-
za es demasiado pequeña, la relación SQNR disminuye. Por lo tanto, es necesario adaptar
lo mejor posible el rango de variación de la señal al rango dinámico del cuantificador. Si
consideramos una señal de entrada con una función de distribución de probabilidad Gaus-
siana y extendemos el rango dinámico del cuantificador a R = 6σx , la ecuación anterior
queda:
SQNR = 6,02b + 1,25 (2.34)
Como un ejemplo, en grabación y reproducción de música digital de alta fidelidad se usa
un SQNR entre 90 y 96dBs. Esto implica un convertidor DAC con un cuantificador de al
menos 16 bits.
2.8. Codificación
Existen diferentes representaciones para codificar los números, cada una de las cuales
tiene sus ventajas e inconvenientes. En esta sección se realiza una revisión, a modo de
recordatorio, de las técnicas de representación de números más interesantes. Tı́picamente,
ésta suele ser la última etapa de un convertidor ADC en la cual se realiza la codificación
binaria de la señal.
Todos los números se pueden representar mediante una descomposición polinómica en
función de una determinada base, la más tı́pica es la base decimal aunque se puede utilizar
cualquier otra. En particular, en sistemas digitales se utiliza una representación binaria,
es decir, con base 2. Sea un número con parte entera y parte fraccional dado por:
b
X
xi r −i , 0 ≤ xi ≤ r − 1
X= x−a . . . x−1 x0 , x1 . . . xb r
= (2.35)
i=−a
de manera que la representación usa b + 1 bits, por lo tanto tiene una capacidad para
representar 2b números positivos con una distancia entre números consecutivos de 2−b .
Para la representación de los números negativos existen varias alternativas:
Con este método los números representados están distribuidos en un rango [−1, 1 −
2−b ], por lo tanto es un código asimétrico. Por otro lado, el cero está representa-
do con un solo número. Una caracterı́stica muy importante de la aritmética de la
suma es que si la suma final de un conjunto de sumandos está dentro del rango
de representación el cálculo será correcto, incluso si las sumas parciales producen
desbordamiento ( “overflow”, valores fuera del rango de representación).
Cada tipo de representación tiene unas reglas aritméticas asociadas. Tı́picamente se usa
la representación de complemento a 2, ya que es la más utilizada por los procesadores
digitales de la etapa de procesado que suele venir a continuación. Debido a que ésta
representación permite codificar números en el intervalo [−1, 1), normalmente la señal de
entrada suele ser escalada para que exista una correspondencia directa.
X = M × 2E (2.40)
Tanto la mantisa como el exponente requieren un bit para el signo. Un ejemplo de repre-
sentación del 5 puede ser:
(0,101000) × 2011
Debido a la multiplicación por la exponencial, la resolución depende del módulo del núme-
ro que se representa, además se aumenta el rango de valores representados. Con este tipo
de representación se aumenta la precisión de los cálculos a costa de un mayor procesado,
ya que el tipo de aritmética necesaria es más compleja. Por ejemplo, para sumar dos
números requiere que el exponente sea el mismo, por lo tanto es necesario realizar una
adaptación previa de los números. Los detalles de la definición del formato de punto flo-
tante están descritos en el standard IEEE 754 el cual define varios niveles de precisión,
media (16 bits), simple (32 bits), doble (64 bits) y cuádruple (128 bits). Por ejemplo, en
el caso de doble precisión que es la más utilizada por computadores de uso general (por
ejemplo, Matlab por defecto) viene dada por:
Un bit para el signo.
11 bits para el exponente E
52 bits para la mantisa.
y codificación debe ser inferior al tH y el periodo de muestro total T debe ser mayor que
tS + tH . En principio, un S/H ideal no introduce distorsión en el proceso de conversión
Salida S/H
S H S H S
H S S
tS+tH H
Entrada
pero en la realidad son dispositivos que están sujetos a variaciones en la periodicidad del
muestreo, oscilaciones del voltaje debidos a transitorios, etc...
corresponde a una palabra digital, su tarea es producir una señal eléctrica proporcional
al valor de esa palabra digital. Un ejemplo de función caracterı́stica de este sistema para
una señal digital de 3 bits se muestra en la figura 2.36. Normalmente el convertidor D/C
tarda un tiempo en alcanzar el valor deseado, ya que normalmente la salida consta de
un transitorio oscilatorio, sobre todo cuando los saltos de voltaje son altos. Para evitar
este carácter oscilatorio la señal de salida se suele pasar a una etapa de muestreo y
retención que mantiene el valor de voltaje constante hasta que la nueva muestra llegue a
producirse. Un ejemplo de señal de entrada y salida del S/H se muestra en la figura 2.37.
La salida de este sistema es una aproximación a la señal analógica original mediante una
función escalera. Este tipo de salida se expresa matemáticamente mediante la función de
Salida
3∆
2∆
-2∆
-3∆
-4∆
Señal de entrada
Señal de salida, ySH(t)
t
0 T 2T 3T 4T 5T 6T 7T
interpolación:
1 0≤t<T
hSH (t) = (2.42)
0 resto
y la señal de salida viene dada por:
∞
X
ySH (t) = y [n]hSH (t − nT ) (2.43)
n=−∞
|HSH(ω)| Hr(ω)
2π ω
(a) T
|Hc(ω)|
π ω
T
(b)
Figura 2.38: Respuesta en frecuencia del filtro interpolador ideal y del S/H (a). Filtro
compensador (c) .
Xa(ω)
-ωH-ωc-ωL ωL ωc ωH
ω
Figura 2.39: Espectro de una señal paso-banda.
cuidadosa para que no exista solapamiento provocado tanto por la banda de frecuencias
positivas como por la banda de frecuencias negativas. Para evitar el solapamiento se
distinguen dos casos, los cuales se estudian a continuación.
Xa(ω)
-ωH-ωc-ωL ωL ωc ωH
ω
Xs(ω)
-ωH-ωc-ωL ωL ωc ωH
ω
Figura 2.40: Respuesta en frecuencia de una señal paso banda con m = 3 y la señal
muestreada.
Xa(ω)
-ωH-ωc-ωL ωL ω c ω H
ω
Xs(ω)
-ωH-ωc-ωL ωL ωc ωH
ω
Figura 2.41: Respuesta en frecuencia de una señal paso banda con m = 4 y la señal
muestreada.
que deje pasar el espectro original y elimine todas las réplicas. Este filtro, como se muestra
en la figura 2.42, es un filtro ideal paso banda cuya respuesta al impulso es:
sen (πBt)
ga (t) = cos (ωc t) . (2.46)
πBt
31 Problemas de Tratamiento Digital de Señales
32 2. Muestreo y Reconstrucción de Señales
Resulta interesante notar que, eligiendo la posición del filtro recuperador, es posible
Hr(ω)
-ωH-ωc-ωL ωL ω c ω H
ω
Figura 2.42: Respuesta en frecuencia del filtro recuperador ideal.
Es decir, para que no haya solapamiento tienen que existir un valor entero k y una fre-
cuencia de muestreo que cumplan simultáneamente las ecuaciones 2.48, las cuales forman
un sistema de desigualdades con dos incógnitas, ωs y k. Resolviendo el sistema se llega a
la conclusión que k tiene que ser un entero que cumpla:
jω k
H
1≤k≤ (2.49)
B
lo cual quiere decir que el máximo valor de k es la posición de la banda pero redondeada
al entero inferior. La frecuencia de muestreo tiene que cumplir:
2ωH 2ωL
≤ ωs ≤ (2.50)
k k−1
Xa(ω) B
-ωH-ωc-ωL ωL ωc ωH
ω
Xs(ω)
Réplica k-1 Réplica k
-ωH-ωc-ωL ω L ω c ωH
(k-1)ωs ω
2ωL
2ωH
kωs
Figura 2.43: Situación en la cual las réplicas de la banda negativa del espectro no solapan
con la banda positiva.
La frecuencia
j k de muestreo mı́nima se obtiene como ωs,mı́n = 2ωH /kmáx , donde kmáx =
FH
FB
. Como se puede apreciar la posición entera de la banda es un caso particular de la
posición arbitraria, en el cual las desigualdades se convierten en igualdades.
2.11. Referencias
[1] A. V. Oppenheim, R. Schafer, and J. R. Buck, Discrete-Time Signal Processing, 2/ed.
Prentice-Hall, 1999.
[2] J. G. Proakis and D. G. Manolakis, Digital Signal Processing. Principles, Algorithms
and Applications, 3/ed. Prentice-Hall, 1996.