UNIVERSIDAD EL BOSQUE

CENTRO DE DESARROLLO TECNOLÓGICO

FACULTAD DE INGENIERÍA
PROGRAMA DE INGENIERÍA ELECTRÓNICA

INFORME DE LABORATORIO

Asignatura: Introducción a la telecomunicaciones Fecha:

Nombre de la práctica: Analizador de espectro
Nombre estudiantes: Hernán Castro, Humberto Benavidez
Gustavo Pardo, Daniel Pantoja

Marco Teórico:
1. La transformada de Fourier en un software de modelamiento matemático:
En Matlab la función fft(X) calcula la transformada discreta de Fourier (DFT) por medio de un
algoritmo rápido de Fourier (Fast Fourier Transform). Si la señal de entrada X es un vector
entonces la función fft(X) retorna la transformada de Fourier del vector X. Para poder aplicar
un algoritmo FFT a una señal de entrada es útil conocer de antemano algunos conceptos:

Frecuencia digital de una señal:

Es la relación entre la frecuencia análoga (continua) de la señal original y la frecuencia de
muestreo. Este dato es importante al considerar señales capturadas por dispositivos análogos
como un sensor o un micrófono. Para poder convertir una señal continua a una señal discreta
debemos mantener una tasa de muestreo adecuada que cumpla con el teorema de muestreo.
Una vez convertida a digital, la señal puede ser procesada o analizada con distintos algoritmos
y filtros.

𝑐𝑖𝑐𝑙𝑜𝑠
𝑐𝑖𝑐𝑙𝑜𝑠 𝑓[ ]
𝑠𝑒𝑔𝑢𝑛𝑑𝑜
𝐹[ ] = 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠
𝑚𝑢𝑒𝑠𝑡𝑟𝑎 𝑆[ ]
𝑠𝑒𝑔𝑢𝑛𝑑𝑜

Representación digital de una señal senoidal:

F es la frecuencia digital , n es un número entero que indica el número de muestra. En un
software de modelado los datos que son almacenados en variables ya se comportan de forma
digital. El modelo matemático de una función continua (como por ejemplo una función senoidal)
no deja de ser un algoritmo computacional que utiliza la información almacenada en forma de
vectores para relacionar datos. Esto quiere decir que para graficar un modelo matemático el
software tiene que utilizar estos vectores o matrices para unir dos puntos por medio de una
recta y repetir este proceso a lo largo de un intervalo definido.

𝑥[𝑛] = cos⁡(2𝜋𝐹𝑛 + 𝜙)

Frecuencia de Nyquist y teorema de muestreo:

𝑆 > 2𝑓𝑚𝑎𝑥

Para que una señal no pierda información al convertirla a digital (por efecto de Aliasing) esta
debe ser muestreada por lo menos al doble de su frecuencia máxima original.

Como se explicó anteriormente estos conceptos son necesarios para tener idea de como sería
el proceso completo de convertir una señal del mundo análogo al digital, sin embargo, si
tenemos claro que desde Matlab ya trabajamos en el mundo digital solo sería necesario construir
un vector de la dimensión que queramos, con la información necesaria para aplicar el algoritmo
rápido de Fourier directamente sobre el vector. Otra forma de hacerlo es simular que tenemos
una señal continua (usando una función cos(w*t)) para la cual definimos una frecuencia de
muestreo, la duración de la señal y un vector de tiempo linealmente espaciado relacionado con
la frecuencia de muestreo. Al aplicar la función fft(X) obtenemos un vector que puede graficarse
mostrando las componentes bilaterales del espectro en frecuencia. Si quisiéramos graficar el
espectro unilateral tendríamos que seleccionar únicamente las muestras ubicadas en el lado
positivo del espectro. Los ejemplos de documentación en Matlab muestran como se hace este
proceso.

2. Análisis de Fourier en simulador de circuitos.

Para este procedimiento se utilizó Multisim con un ejemplo tomado directamente del sitio web
de National Instruments donde hay un oscilador de forma de onda triangular construido a partir
de amplificadores operacionales:

La forma de onda a la salida en el dominio del tiempo es:

En el menú Simulate>Analyses and Simulation>Fourier si editamos los parámetros apropiados
podemos obtener una gráfica del espectro en frecuencia:

El resultado es una ventana con dos gráficos, uno con la información de la simulación y otro
con la gráfica del análisis de Fourier, como se puede observar la frecuencia fundamental se
detecta en los mil Hertz lo cual coincide con la frecuencia que muestran las puntas virtuales que
se colocaron sobre el circuito a la salida en el osciloscopio.Los tipos de ventanas dependen del
software en específico pero los más comunes permiten configurar las opciones de muestreo
(Frecuency resolution o fundamental frecuency, number of harmonics, stop time for sampling,
transient analysis, initial conditions y variables for analysis).

3. Espectro unilateral y bilateral

El espectro en frecuencia de una señal puede contener componentes tanto en el lado positivo
del eje de frecuencia (eje x), como en el lado negativo. Cuando la información se encuentra en
ambos lados (tanto positivo como negativo) del eje de frecuencia se dice que es bilateral, de lo
contrario hablamos de un espectro unilateral.

4. Tipos de fuente de ruido en un simulador

Ruido térmico: también conocido como ruido blanco o Johnson, se genera por la interacción
térmica entre los electrones libres y los iones que vibran en un conductor. Su contenido en
frecuencia se distribuye uniformemente a lo largo del espectro.
Ruido de disparo: Es inherente a la naturaleza de los portadores de carga en un material
semiconductor. Ocurre como la mayor causa de ruido en los transistores.
Ruido rosa: conocido como flicker o 1/f tiene una densidad espectral inversamente proporcional
a la frecuencia, es decir, el contenido espectral disminuye a medida que la frecuencia aumenta.
Usualmente es generado por componentes como los BJTs o los FETs por debajo de 1kHz.

5. Funciones principales de un Analizador de espectro

La función principal del analizador de espectro es medir una señal de entrada en el dominio de
la frecuencia. Se realiza un análisis espectral mediante la transformada de Fourier, que se lleva
a cabo en intervalos de tiempo de una función determinada. Realizando la transformada de
Fourier, podremos realizar la descomposición espectral de una onda oscilatoria, y la
reconstrucción de la misma mediante la transformada inversa. Cada uno de los analizadores de
espectro cuenta con funciones básica para representar la señal:
-Amplitud: representada en escala logarítmica a nivel de (dB) que define la amplitud de la señal.
-Frecuencia: representada a nivel de (hz) en el eje x, define la frecuencia de la señal.
-Marcador: muestra el valor de frecuencia y potencia en dicho punto.

6. Parámetros RBW y VBW en un analizador de espectro.

En un analizador de espectro que utiliza la heterodinación (mezcla de dos o más señales para
añadir componentes en frecuencia a la señal resultante), el instrumento realiza un barrido con
un filtro pasa banda, llamado filtro IF (Intermediate frecuency filter) a través del espectro de
interés y mide y muestra continuamente la potencia de las señales dentro la banda del filtro. El
ancho de banda de ese filtro se llama ancho de banda de resolución o RBW (Resolution band
width). Idealmente, sería adecuado establecer este ancho de banda lo más estrecho posible, ya
que le daría la mejor resolución de frecuencia. La compensación es el tiempo de barrido. Cuanto
más estrecho sea el ancho de banda de resolución, mayor será el tiempo de barrido, pero si se
establece el RBW demasiado ancho, no se podrán visualizar las frecuencias cercanas entre sí.
Una vez que la señal de entrada pasa a través del filtro IF pasa después por un detector que
emite una señal cuya amplitud es proporcional a la potencia que pasa a través del filtro de IF.
Esta señal de salida luego pasa a través del filtro de video. El propósito de este filtro es suavizar
el ruido inherente a la señal de entrada. Su ancho de banda se llama ancho de banda de video
o VBW (Video band width). Cuanto más estrecho es el ancho de banda, menos ruido hay en la
señal de salida, pero nuevamente, cuanto más estrecho es el ancho de banda, mayor es el
tiempo de barrido.

7. Ancho de banda de una emisora comercial AM y una Emisora FM:

Las frecuencias de las emisoras comerciales de amplitud modulada (AM) están en el rango de
540 – 1600 kHz asignándose en intervalos de los 10khz, se diferencian de las (FM) por su
longitud de onda al ser mucho más larga. Las emisoras con frecuencia modulada (FM) están en
el rango de los 88 – 108 Mhz con intervalos de 200khz. [3]

Metodología y equipos:
En esta práctica de laboratorio se mide una señal de radiodifusión en diferentes bandas y
frecuencias, con distintos valores para el parámetro RBW del analizador de espectro. Se utiliza
el programa Matlab para calcular y graficar la transformada de Fourier de una señal senoidal.

Matlab
Es un programa computacional que ejecuta una gran variedad de operaciones y tareas
matematicas.
Para este laboratio se utilizara este programa, para diseñar señal de radiodifusión con una
frecuencia de 20KHz y después aplicar la transformada de Fourirer de una señal senoidal.
QK RX
En este laboratorio se utilizó esta herramienta de simulación de señales de radiodifusión AM y
PM. Con el motivo de observar su comportamiento en diferentes parámetros RBW.

Resultados:
1. Problema de diseño
Se escogió una señal coseno de 100 Hz con una frecuencia de muestreo de 1000 Hz (10 veces
la frecuencia máxima análoga lo cual concuerda con el teorema de muestreo). En el código de
Matlab se comenta brevemente la función de cada línea:

Fs = 1000; % Frecuencia de muestreo

T = 1/Fs; % Periodo de muestreo
L = 1000; % Duración de la señal
t = (0:L-1)*T; % Vector de tiempo

x1 = cos(2*pi*100*t); % Modelo de señal

figure
plot(t(1:30),x1(1:30)) % Plot en el dominio de t
n = 2^nextpow2(L); % Preparamos espacio en memoria
Y = fft(x1,n); % FFT
P2 = abs(Y/L); % Cálculo del espectro bilateral
P1 = P2(:,1:n/2+1); % Cálculo del Espectro unilateral
P1(:,2:end-1) = 2*P1(:,2:end-1);

figure % Gráfica FFT

plot(0:(Fs/n):(Fs/2-Fs/n),P1(:,1:n/2))
Los resultados obtenidos en las gráficas:
La segunda parte de este primer punto consiste en graficar el espectro en potencia, para ello
utilizamos el siguiente código:
%% Inicialización
% Inicializar la señal coseno y el analizador de espectro para mostrar
% el espectro de potencia. La señal coseno tiene una frecuencia de 100
% Hz. Se crea un objeto |dsp.SineWave| para crear la señal de 100 Hz
Fs = 44100;
Sineobject1 = dsp.SineWave('SamplesPerFrame',1024,'PhaseOffset',10,...
'SampleRate',Fs,'Frequency',100);
SA = dsp.SpectrumAnalyzer('SampleRate',Fs,'Method','Filter bank',...
'SpectrumType','Power','PlotAsTwoSidedSpectrum',false,...
'ChannelNames',{'Power spectrum of the input'},'YLimits',[-120
40],'ShowLegend',true);
% El analizador de espectro utiliza el algoritmo filter bank para
% calcular el espectro de potencia. Construye un |for|-loop para correr
% 5000 iteraciones. En cada iteración transmite 1024 muestras (1 frame)
% de la senoidal y calcula el espectro de potencia de cada frame.
% Añade ruido Gaussiano con promedio cero y desviación standard
% de 0.001. Para adquirir los datos utilice las funciones
% |isNewDataReady| y |getSpectrumData|. La variable |data| contiene
% los datos espectrales que se muestran en el analizador
% junto con estadísticas adicionales.

data = [];

for Iter = 1:7000

Sinewave1 = Sineobject1();
NoisyInput = Sinewave1 + 0.001*randn(1024,1);
SA(NoisyInput);
if SA.isNewDataReady
data = [data;getSpectrumData(SA)];
end
end
release(SA);

En zoom completo se ve a gran escala el espectro:

En un zoom más detallado se observa el pico de la señal en los 100 Hz de la senoidal original:

2.1 Verificación de una señal en el dominio de la frecuencia

Fq=770kHz AM RBW:7.8khz
Fq=770kHz AM RBW:3.9khz

Fq=770kHz AM RBW:244.1Hz
Fq=770kHz AM RBW:61Hz

Fq=770kHz AM RBW:7.6Hz
Fq: 88.9kHz FM RBW:15.6kHz

Fq: 88.9kHz FM RBW:7.8kHz

Fq: 88.9kHz FM RBW:2.1kHz

Fq: 88.9kHz FM RBW:976.6Hz

Fq: 88.9kHz FM RBW:244.1Hz

2.2 SNR para un RBW pequeño y un RBW grande.

Potencia de la Señal: -35dbm Potencia de Ruido: -65 dbm

Potencia de la señal: -45 dbm Potencia del ruido: -75 dbm

Potencia Señal -55dbm Potencia de Ruido: -85dbm

3. Comparación de niveles de ruido para diferentes RBW

Nivel de ruido aproximadamente en -70dbms FFT size: 512 RBW: 15.6kHz

Nivel de Ruido -80 dbms FFT Size: 4096 RBW 2kHz

 Nivel de ruido: -90dbms FFT size: 32768 RBW 244.1Hz

Análisis y discusión de resultados:

1.
La onda coseno en el dominio del tiempo no luce exactamente igual al modelo que se observa
comúnmente en la literatura o libros de matemáticas. El método de graficar en Matlab hace
uso del espaciamiento en el vector de tiempo para el cual se asigna un valor de la función
matemática a cada elemento del vector. De esta forma cuando los vectores de tiempo y de
valor de la señal se grafican, se une por medio de líneas rectas cada punto.
La gráfica del contenido espectral de la señal usando la transformada rápida de Fourier
aprovecha mejor el espaciamiento en muestras tomadas a una frecuencia de 1000 Hz.
El espectro de potencia es similar al espectro en frecuencia, la diferencia más notable es que
en el espectro de potencia las unidades en el eje vertical están dadas en dbm mientras que el
eje vertical de la FFT muestra valores de magnitud para las frecuencias.

2.1
En las mediciones con valores de RBW más altos se puede diferenciar claramente que cada
muestra sobre el espectro toma una ancho de banda más grande, por lo tanto la calidad de la
imágen muestra líneas horizontales o recuadros en cada banda. Cada rectángulo corresponde
a una muestra y cuando el RBW es más grande esos rectángulos son más grandes. Entre menos
RBW estos rectángulos se hacen más pequeños ya que se toman muestras a menor frecuencia.
En AM se observa un mayor tamaño en los rectángulos cuando configuramos un RBW alto ya
que las emisoras están espaciadas a menor frecuencia.
2.2

RBW: 15.6kHz
Potencia de la Señal: -35dbm Potencia de Ruido: -65 dbm

𝑆𝑁𝑅 = ⁡ −35𝑑𝑏𝑚 − (−65𝑑𝑏𝑚) = 30𝑑𝑏𝑚

RBW: 2.1kHz
Potencia de la señal: -45 dbm Potencia del ruido: -75 dbm
𝑆𝑁𝑅 = ⁡ −45𝑑𝑏𝑚 − (−75𝑑𝑏𝑚) = 30𝑑𝑏𝑚

RBW: 2.1kHz
Potencia de la señal: -45 dbm Potencia del ruido: -75 dbm
𝑆𝑁𝑅 = ⁡ −55𝑑𝑏𝑚 − (−85𝑑𝑏𝑚) = 30𝑑𝑏𝑚

La relación señal a ruido no cambia al variar el RBW

3.

RBW[Hz] Nivel de Ruido [dbm]

15.6k -70

2k -80

244.1 -90

El ruido disminuye a medida que el RBW disminuye

Conclusiones:
1. Es necesario establecer condiciones óptimas en los valores de tiempo, frecuencia de muestreo
y número de muestras para obtener una correcta representación en el dominio de la frecuencia
por medio de la transformada rápida de Fourier.

2.1 Podemos concluir de las mediciones tomadas que cada rectángulo en la imagen corresponde
a un filtro IF con un ancho de banda igual al valor de RBW. Esto quiere decir que el valor de
RBW define el ancho de banda del filtro lo cual le da más resolución al espectro. A medida que
el RBW disminuye la resolución también disminuye y es posible apreciar características más
generales como la potencia de ruido y la potencia de señal.

Como se mencionó en el marco teórico, un valor de RBW consume más tiempo de procesamiento
por lo que exige una mayor resolución. Sin embargo, dependiendo de lo que se quiere medir a
veces no es necesario configurar un RBW tan alto ya que esto implica más tiempo de análisis
del sistema (más tiempo de barrido del filtro) .

La banda FM puede trabajar valores de RBW mucho más altos puesto que cada emisora está
espaciada a un rango mayor de frecuencia, por lo tanto, el resultado visual es que los
rectángulos no se van a apreciar tan grandes y el espectro general está mejor definido, a
diferencia de la banda AM donde un RBW alto conlleva rectángulos muy grandes.

2.2 La relación SNR se mantiene estable sin importar el valor de RBW que se asigne. Esto es
debido a que el RBW no modifica la potencia del ruido, por decirlo de manera informal, lo que
está realizando el cambio de RBW es un zoom horizontal en la señal, lo cual no afecta la relación
entre el ruido y la señal, la cual se mantiene constante. (Las distancias entre ruido y señal no
cambian.

3. En este caso si se observa que la potencia del ruido disminuye pero esto no quiere decir
que la señal tenga menos ruido a menor RBW sino que la visualización en la pantalla
permite ver de forma más general los niveles de la señal.