UNIVERSIDAD DE LAS FUERZAS ARMADAS - ESPE

EXTENSIÓN LATACUNGA
DEPARTAMENTO: CIENCIAS DE LA ENERGIA Y MECANICA
CARRERA: INGENIERÍA MECATRÓNICA

INSTRUMENTACIÓN APLICADA A LA MCT

“RESUMEN PROCESADO DIGITAL Y

CONTROL DE PROCESOS”

NOMBRE:
Cevallos Jácome Freddy Daniel
Inte Santafé David Ítalo
Torres Escalante Luis Samuel
Yautibug Calderón Daniel Alexander
NRC:
3196

PERIODO ACADÉMICO:
Noviembre 2020 – abril 2021
PROCESADO DIGITAL Y CONTROL DE PROCESOS

El proceso y control digital se fundamentan en la resolución de determinados algoritmos,

que permiten obtener la información contenida en la señal de entrada, la principal
diferencia es la utilización que se hace de esta información.

El Procesado Estudia y extrae la información para visualizar, transmitir, representar,

operar o determinar características de la señal sin interaccionar con su fuente generadora
mientras que el control utiliza la señal de salida del algoritmo para modificar las
características de la señal excitadora de la fuente generadora (señal de control), y
conseguir una salida adecuada, efectuando el efecto de retroalimentación.

Dada la característica de utilización instantánea de la señal resultado del algoritmo de

control, es importante que su tiempo de ejecución sea el más pequeño posible con respecto
a la velocidad de variación de señal que quiere controlarse donde interesa que esta señal
se muestree en tiempo determinados (muestreo síncrono) o predeterminado por el tiempo
de ejecución del algoritmo,Sin embargo normalmente el procesado puede efectuarse de
manera asíncrona, así el procesador puede tratar la señal de entrada y facilitar la señal de
salida en instantes de tiempo propios, fijados por su velocidad de ejecución, para agilizar
esto es necesario utilizar Procesadores de alta velocidad (DSP) figura 1 con la finalidad
de procesar y controlar señales constantes de tiempo pequeñas, con arquitecturas
específicas para minimizar el tiempo de ejecución del algoritmo (Mànuel, 2001).

Figura 1. Proceso de ejecución DSP

(Norman,2009)

En éstos los intervalos entre ejecuciones del algoritmo de control se utilizan para otras tareas
como presentación, transmisión o reacción frente a los datos de entrada.

PROCESADO DIGITAL

Posteriormente a la adquisición de la señal tiene que obtenerse la información que interese de esta
señal, la extracción de información se reduce a dos procedimientos que es el filtrado figura 2 que
permitir eliminar o minimizar al máximo posible el efecto del ruido no deseado de la información
de la señal y el procesado de la señal que permite obtener características predeterminadas, que
exigen un análisis preciso de la información contenida en la señal.

Figura 2. Proceso de filtrado de una señal.

(Norman,2009)

La herramienta básica a partir de la cual se obtienen los diversos procedimientos o

métodos de procesado es la transformada de Fourier (FFT), la cual permite relacionar las
características de una señal con su representación en el dominio frecuencial.

Es importante tener en cuenta que en varias de las aplicaciones la información más

relevante de una señal se encuentra en su contenido frecuencial. Un análisis del contenido
espectral de una señal puede ofrecer información importante con respecto a las
características de esta o del proceso que la origina.

Por ejemplo, en la figura 3 podemos observar la obtención de una señal cuadrada y

mediante la transformada de Fourier podemos obtener la figura 4 que corresponde a la
señal en el dominio de la frecuencia.

Figura 3. Señal cuadrada. (Mànuel,2001)

Figura 4. Señal cuadrada en el dominio de la frecuencia (Mànuel,2001)

Según el concepto de espectro las señales se pueden clasificar en señales de

✓ Frecuencia baja

✓ Frecuencia Alta

✓ Frecuencia media

Y según el ancho de banda o la medida del rango de frecuencias donde se concentra la

potencia o densidad espectral las señales se pueden clasificar en señales de banda limitada
o de banda ancha.

MUESTREO

El uso de procesadores digitales supone el tratamiento de secuencias e números o

muestras, por esta razón se tiene que estudiar el efecto del muestreo sobre señales
continuas en el tiempo, como en espectros continuos (Norman, 2009).

MUESTREO EN EL DOMINIO TEMPORAL

Para realizar el procesado digital de una señal continua es necesario convertirla

previamente en una señal discreta en el tiempo, donde el muestreo periódico cada T
segundos sobre la señal continua permite obtener la señal discreta dada por

𝑥(𝑛) = 𝑥𝑎(𝑛𝑇) −∞<𝑛 <∞

Si xa(t) es una señal no periódica con energía finita, su espectro es determinado por la
TFF
∞
𝑥𝑎(𝐹) = ∫ 𝑥𝑎(𝑡) ∙ 𝑒 −𝑗2𝜋𝐹𝑡 𝑑𝑡
−∞

xa(t) puede ser reconstruida de su espectro según la Transformada inversa

∞
𝑥𝑎(𝑡) = ∫ 𝑥𝑎(𝐹) ∙ 𝑒 −𝑗2𝜋𝐹𝑡 𝑑𝐹
−∞

El espectro de la señal muestreada x(n) viene dada por la TFF

∞

𝑋(𝑓) = ∑ 𝑥(𝑛) ∙ 𝑒 −𝑗2𝜋𝑓𝑛

−∞

La secuencia x(n) puede ser reconstruida de su espectro x(f) por la Transformada inversa
 1/2
𝑥(𝑛) = ∫−1/2 𝑋(𝑓) 𝑥(𝑛) ∙ 𝑒 −𝑗2𝜋𝑓𝑛 𝑑𝑓

Según el concepto de espectro las señales se pueden clasificar en señales de

• Frecuencia baja

• Frecuencia Alta

• Frecuencia media

Y según el ancho de banda o la medida del rango de frecuencias donde se concentra la

potencia o densidad espectral las señales se pueden clasificar en señales de banda
limitada o de banda ancha.

TEOREMA DEL MUESTREO

Una señal continua en el tiempo con anchura de banda limitada a la frecuencia superior
B hercios puede ser construida de sus muestras cuando la frecuencia de muestro cumpla
la inecuación 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠
𝐹𝑠 ≥ 2𝐵
𝑠

De acuerdo con el teorema de muestro, la reconstrucción 𝑥𝑎(𝑡) a partir de sus muestras

𝑥(𝑛) requiere un numero infinito de muestras. Sin embargo, en la práctica no es posible
por el hecho de que trabajamos con señales capturadas en un tiempo de duración finita

Como consecuencia tiene que estudiarse la reconstrucción de una señal temporal de

duración finita desde un numero finito de muestras (Mànuel, 2001).

MUESTREO EN UN DOMINIO FRECUENCIA Y RECONSTRUCCIÓN DE

SEÑALES ANALÓGICAS

El hardware utilizado para efectuar las operaciones que definen los algoritmos de cálculo
para obtener el espectro de una señal muestreada requiere el uso de matrices o arrays de
muestras para obtener matrices o arrays de datos resultantes (Norman, 2009)

Existe una limitación en el conocimiento del espectro de la señal dada, de manera que
únicamente puede conocerse un conjunto de muestras de esta señal
Es relevante conocer la relación que existe entre el espectro frecuencial de una señal finita
continua en el tiempo y el muestreo realizado en el dominio frecuencias de la señal para
lo que debe determinarse la perdida de información al realizar este proceso

Puede demostrarse que las muestras del espectro 𝑋𝑎 (𝐹) corresponden a los coeficientes
de la serie de Fourier de una señal periódica 𝑥𝑝 (𝑡) con periodos Ts

La señal periódica
∞

𝑥𝑝 (𝑡) = ∑ 𝑥𝑎(𝑡 − 𝑛𝑇𝑠 )

𝑛=−∞

Así el muestreo en dominio frecuencial hace paralelismo con el muestreo en dominio

temporal, con la posibilidad de encontrar aliasing en el dominio temporal si no se cumple
la inecuación

𝑇𝑠 ≤ 2𝜏

Donde 𝜏 es el limite temporal de la señal 𝑥𝑎 (𝑡)

MUESTREO EN DOMINIO FRECUENCIAL Y RECONSTRUCCIÓN DE

SEÑALES DISCRETAS

Se considera una señal discreta no periódica con transformada de Fourier

∞

𝑋(𝜔) = ∑ 𝑥(𝑛) ∙ 𝑒 −𝑗𝜔𝑛

𝑛=−∞

Dado que 𝑋(𝜔) es periódica con periodo de 2𝜋,es necesario estudiar el muestro en
dominio frecuencial en este rango, eso es:

𝑁−1 ∞
2𝜋 2𝜋
𝑋 ( 𝑘) = ∑ ∑ 𝑥(𝑛 − 1𝑁) ∙ 𝑒 −𝑗 𝑁 𝑘𝑛 𝑘 = 0,1, … … , 𝑁 − 1
𝑁
𝑛=01= −∞

La señal 𝑥𝑝 (𝑛) = ∑∞
1=−∞ 𝑥(𝑛 − 1𝑁),obtenida como la repetición periódica de 𝑥(𝑛) cada

N muestras, es periódica con periodo fundamental 1N.Por lo tanto, puede descomponerse

en serie de Fourier como

𝑁−1
𝑗2𝜋𝑘𝑛
𝑥𝑝 (𝑛) = ∑ 𝐶𝑘 ∙ 𝑒 𝑁 𝑛 = 0,1, … . . , 𝑁 − 1
𝑘=0
Con coeficientes de Fourier

𝑁−1
1 𝑗2𝜋𝑘𝑛
𝐶𝑘 = ∑ 𝑥𝑝 (𝑛)𝑒 − 𝑁 𝑘 = 0,1, … . . 𝑁 − 1
𝑁
𝑛=0

1 2𝜋
𝐶𝑘 = 𝑋 ( 𝑘)
𝑁 𝑁

En conclusión

𝑁−1
1 2𝜋 𝑗2𝜋𝑘𝑛
𝑥𝑝 (𝑛) = ∑ 𝑋 ( 𝑘) ∙ 𝑒 𝑁 𝑛 = 0,1, … . . , 𝑁 − 1
𝑁 𝑁
𝑘=0

Esta ecuación permite la reconstrucción de la señal periódica 𝑥𝑝 (𝑛) de las muestras del
espectro 𝑋(𝜔)

LA TRANSFORMADA DISCRETA DE FOURIER

Cuando la secuencia de muestras 𝑥(𝑛)tiene una duración finita de 𝐼 ≤ 𝑁,recordando la

expresión 𝑥𝑝 (𝑛) = ∑∞
1=−∞ 𝑥(𝑛 − 1𝑁)

𝑥𝑝 (𝑛) es una repetición periódica de 𝑥(𝑛),donde 𝑥𝑝 (𝑛) en un periodo cumple

𝑥(𝑛) 0 ≤ 𝑛 ≤ 𝐿 − 1
𝑥𝑝 (𝑛) =
0 𝐿 ≤𝑛 ≤𝑁−1

Esta operación se denomina frequency padded.En conclusión ,dado que 𝑥(𝑛) = 𝑥𝑝 (𝑛)en
un periodo ,la secuencia original de duración finita puede obtenerse del muestreo en
dominio frecuencial según la expresión

𝑁−1
1 2𝜋 𝑗2𝜋𝑘𝑛
𝑥𝑝 (𝑛) = ∑ 𝑋 ( 𝑘) ∙ 𝑒 𝑁 𝑛 = 0,1, … . . , 𝑁 − 1 (12)
𝑁 𝑁
𝑘=0

Asi puede considerarse al conjunto de muestras en el dominio frecuencial

𝐿−1
2𝜋 𝑗2𝜋𝑘𝑛
𝑋(𝑘) = 𝑋 ( 𝑘) = ∑ 𝑥(𝑛)𝑒 − 𝑁 𝑘 = 0,1, … . . 𝑁 − 1 (13)
𝑁
𝑛=0

Como resultado de muestrear la transformada de Fourier 𝑋(𝜔) de una secuencia de

duración finita 𝑥(𝑛) en las frecuencias
 2𝜋𝑘
𝜔𝑘 = , 𝑘 = 0,1, … . . 𝑁 − 1 𝑑𝑜𝑛𝑑𝑒 𝑁 ≥ 𝐿
𝑁

Esta última relación recibe el nombre de transformada discreta de Fourier y permite

transformar una secuencia en dominio temporal 𝑥(𝑛),de longitud 𝑁 ≤ 𝐿en una secuencia
de muestra en dominio frecuencial 𝑋(𝑘), de longitud N, que coindicde con el muestreo
realizado sobre la transformada de Fourier de la señal original

ENVENENTANADO

• En las aplicaciones prácticas de procesado es necesario muestrear la señal durante

un tiempo limitado eso trae un proceso de enventanado. Cuando se procesa un
numero de muestras determinando sin efectuar ninguna alteración en el valor de
la señal muestreada se dice que se está efectuado un envenentado que permite
reducir el efecto del truncamiento de la señal muestreada. En conclusión, el
enventanado consiste básicamente en la obtención de la señal que tiene que
procesarse como producto de la señal muestreada y una función determinada
denominada ventana (Norman, 2009).

• Estos métodos (tipos de enventanados) son entre otros:

• Enventadado de Bartlett

• Enventadado de Blackman

• Enventadado de Hanning

• Enventadado de Hamming

FILTRADO

Puede definirse al filtrado como la selección de un rango de interés de frecuencias dentro

del espectro de una señal: es decir un filtrado ideal permite obtener como resultado las
frecuencias deseadas (sin distorsión) y elimina totalmente el resto de los componentes del
espectro. El sistema que realiza esta función es el filtro que puede describirse como un
sistema lineal invariante en el tiempo dedicado a la discriminación frecuencial. Este tipo
de filtrado ofrece ventajas como, por ejemplo (Mànuel, 2001)

• Bajo coste de los componentes analógicos

• Posibilidad de realizar el filtrado en tiempo real

 • Posibilidad de diseñar circuitos integrados que compacte toda una red electrónica

FILTROS DE RESPUESTA IMPULSIONAL FINITA (FIR)

Los filtros de respuesta impulsional finita también se llaman filtros no recursivos por la
expresión de su ecuación en diferencias

𝑁−1

𝑦𝑖 = ∑ 𝑏𝑗𝑥𝑖 − 𝑗
𝐽=0

Donde X representa la secuencia de entrada al filtro y Y es el conjunto de muestras de

salida y B representa los coeficientes del filtro. La respuesta impunsional del filtro viene
definida por
𝑏 0 ≤ 𝑛 ≤ 𝑁. 1
ℎ(𝑛) = { 𝑛
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

Esta ecuación en diferencias se llama no recursiva por que las muestras de salida o
solución de la ecuación no depende de muestras de salida en instantes de muestreo
anteriores.

FILTROS DE RESPUESTA INFINITA (IIR)

Estos filtros son filtros digitales con respuestas impulsional que teóricamente tienen una
duración infinita. Pueden decirse que esta clase de filtros son los equivalentes digitales a
los filtros analógicos y que teóricamente pueden obtenerse como una discretización de
estos. La ecuación en diferencias que caracteriza un filtro IIR tiene la forma siguiente
(Norman, 2009).

𝑁𝑏 − 1 𝑁𝑎 − 1
1
𝑌1 = { ∑ 𝑏𝑗𝑋𝑖 − 𝑗 − ∑ 𝑎𝑘𝑦𝑖 − 𝑘
𝑎0
𝑗=𝑜 𝐾=1

Donde Nb es el número de coeficientes de muestras de entrada y Na es el número de

muestras almacenadas de salida. La respuesta a esta ecuación en diferencias tiene
duración infinita (como ya se ha indicado) pero generalmente si el sistema es estable
decae aproximadamente a cero en un numero finito de muestras (Mànuel, 2001).
CONVOLUCION

Se denomina convolución a una función, que, de forma lineal y continua, transforma una
señal de entrada en una nueva señal de salida. La función de convolución se expresa por
el símbolo *.

En un sistema unidimensional, se dice que g(x) convoluciona f(x) cuando

donde x’ es una variable de integración.

+∞
𝑓(𝑥)∗ 𝑔(𝑥) = ∫ 𝑓(𝑥)∗ 𝑔((𝑥 − 𝑥 ′ ))𝑑𝑥
∞

El resultado de g(x) depende únicamente del valor de f(x) en el punto x, pero no de la

posición de x. Es la propiedad que se denomina invariante respecto la posición (position-
invariant) y es condición necesaria en la definición de las integrales de convolución.

BIBLIOGRAFIA

Mànuel, A. (2001). Instrumentación Virtual. Barcelona: UPC.

Norman, A. (2009). Instrumentation for Process Measurement and Control. Estados Unidos:
Foxboro.