Reconocer los elementos matemáticos que implica la

conversión Analógica Digital

Sanchez Diaz, Yesid Alfonso
Universidad Nacional Abierta Y A Distancia – UNAD
Escuela De Ciencias Básicas Tecnología E Ingeniería
Curso: Procesamiento Digital de Señales
Popayán, Cauca, Colombia
yasanchezd@unadvirtual.edu.co
∞
Abstract — In the development of this document you will find
the definition of basic concepts to understand a little mathematical 𝑥𝐼 (𝑡) = ∑ 𝑥(𝑛𝑡𝑠 )𝛿(𝑡 − 𝑛𝑡𝑠 )
tool such as the transform, sampling and quantization of signals, 𝑛=−∞
in addition you will find a series of exercises that allow you to apply ∞
the concepts. 𝑥𝐼 (𝑡) = ∑ 𝑥[𝑛]𝛿(𝑡 − 𝑛𝑡𝑠 )
𝑛=−∞
Keywords— sampling, quantization, discrete Fourier
transform.
B. ¿Cómo se realiza la cuantización de una señal?
I. INTRODUCCIÓN
En el proceso de cuantificación el objetivo es convertir una
En las telecomunicaciones es cada vez más importante la forma
sucesión de muestras de amplitud continua en una sucesión de
en que se realiza el tratamiento de las señales con el objetivo de
valores discretos según el código utilizado. EL proceso consiste
obtener un adecuado proceso de transmisión de información.
en medir el nivel de tensión de cada una de las muestras
Una de las herramientas más conocidas en la de Fourier, la cual
obtenidas en el proceso de muestreo, y se les asigna un valor
es un procedimiento matemático que descompone una función
discreto de amplitud, el cual es seleccionado dentro de un
en las frecuencias que la conforman; inicialmente, esta técnica
margen de niveles previamente fijado. Ahora bien, cada
se implementó para funciones periódicas, pero se puede
muestra cuantificada está representada por un grupo de ceros y
extender a funciones no periódicas haciendo tender a infinito su
unos que se procesan de manera digital
período.
II. CONTENIDO TEÓRICO La señal puede cuantizarse mediante redondeo al nivel de
cuantización más próximo, por truncamiento al nivel menor que
A. ¿A qué se refiere el muestreo de una señal analógica? el siguiente superior, o por truncamiento en magnitud y signo,
El muestreo ideal describe una señal muestreada como una un proceso que es similar al truncamiento de los valores
suma ponderada de impulsos, en la que los factores de absolutos
ponderación son iguales a los valores de la señal analógica en
los instantes donde ocurren los impulsos. Existen dos tipos básicos de cuantificadores. La cuantificación
uniforme es aquella en la que todos los segmentos en que se
divide la recta real son de igual longitud, salvo en los extremos
del cuantificador.”

La señal muestreada idealmente puede describirse en forma

matemática como Los valores preestablecidos se eligen en función de la
resolución que utilice el código empleado durante la
∞ codificación. Si el nivel obtenido no coincide exactamente con
𝑥𝐼 (𝑡) = 𝑥(𝑡)𝑖(𝑡) = 𝑥(𝑡) ∑ 𝛿(𝑡 − 𝑛𝑡𝑠 ) ninguno, se toma como valor el inferior más próximo. La señal
𝑛=−∞ analógica se convierte en una señal digital. La señal queda
 𝑁
representada por un valor finito que durante la codificación se
(𝑗−1)(𝑘−1)
transforma en una sucesión de ceros y unos. 𝑋(𝑘) = ∑ 𝑥(𝑗)𝑤𝑁
2𝜋𝑖
(− ) 𝑗=1
C. ¿Qué indica el teorema de muestreo de Nyquist? 𝑤𝑁 = 𝑒 𝑁 𝑁
1 (𝑗−1)(𝑘−1)
𝑥(𝑗) = ∑ 𝑥(𝑘)𝑤𝑁
aclara que a la muestrear una señal cualquiera que esta sea la { 𝑁
𝑘=1
frecuencia de muestreo debe ser mayor que 2 veces el ancho de
banda de la señal de entrada para así poder reconstruir la señal III. EJERCICIOS MATEMÁTICOS
original o partir de las muestras.

Por el teorema de NYQUIST se estable que la velocidad A. TDF

máxima de transmisión en bps para un canal sin ruido con Para realizar el ejercicio de la transformada discreta de Fourier
ancho de banda B es: se usará los últimos tres dígitos de mi cedula la cual es
1061710773
𝐶 = 2𝐵 𝑥 log 2 𝑀
∞
𝑗2𝜋𝑘𝑛
Donde M son los niveles de la señal, por tanto, si hacemos M=2 𝑥(𝑘) = ∑ 𝑥(𝑛)𝑒 − 𝑁
se tiene que 𝑛=−∞

𝐶 = 2𝐵 𝑥 = {7,7,3}

𝑁=3
D. ¿Cuál es el fenómeno llamado Alias o Aliasing?
𝑗2𝜋(0)(0) 𝑗2𝜋(0)(1) 𝑗2𝜋(0)(2)
Este efecto se define como el efecto que se produce cuando las 𝑥(0) = 𝑥(0)𝑒 − 3 + 𝑥(1)𝑒 − 3 + 𝑥(2)𝑒 − 3

señales continuas se vuelven indistinguibles al muestrearlas de

manera digital. Este efecto es causado cuando la frecuencia de 𝑥(0) = 7𝑒 0 + 7𝑒 0 + 3𝑒 0
muestreo es inferior al doble de la máxima frecuencia contenida
en el espectro de la señal analógica (frecuencia de Nyquist), es 𝑥(0) = 7 ∗ (1) + 7 ∗ (1) + 3 ∗ (1)
decir, si se hace un muestreo incorrecto de la señal aparece el
aliasing 𝑥(0) = 7 + 7 + 3

𝑥(0) = 17
E. ¿Qué realiza la transformada de Fourier?
𝑗2𝜋(1)(0) 𝑗2𝜋(1)(1) 𝑗2𝜋(1)(2)
La transformada de Fourier es una herramienta que permite 𝑥(1) = 𝑥(0)𝑒 − 3 + 𝑥(1)𝑒 − 3 + 𝑥(2)𝑒 − 3

analizar funciones no periódicas. Según Fourier una señal 𝑗2𝜋 𝑗4𝜋

aperiódica podría considerarse como una señal periódica con un 𝑥(0) = 7𝑒 0 + 7𝑒 − 3 + 3𝑒 − 3
periodo infinito, de tal manera que cuando el periodo de la señal
aumenta, la frecuencia fundamental disminuye y las 2𝜋 2𝜋
componentes relacionadas armónicamente se hacen más 𝑥(1) = 7 ∗ (1) + 7 ∗ [cos ( ) − 𝑗 sin ( )] + 3
3 3
cercanas a la frecuencia. En otras palabras, a medida que le 4𝜋 4𝜋
periodo se hace infinito, las componentes de frecuencia forman ∗ [cos ( ) − 𝑗 sin ( )]
3 3
un continuo y la suman de la serie de Fourier se convierte en la
integral 1 √3 1 √3
∞ 𝑥(1) = 7 + 7 ∗ [(− ) − 𝑗 ( )] + 3 ∗ [(− ) + 𝑗 ( )]
𝐹(𝑓(𝑡)) = 𝐹(𝑤) = ∫ 𝑓(𝑡)𝑒 −𝑗𝑤𝑡
𝑑𝑡, ∀ − ∞ < 𝑤 < +∞ 2 2 2 2
−∞

7 7√3 3 3√3
Finalmente se dice que f(t) tiene transformada de Fourier si la 𝑥(1) = 7 − − 𝑗 − +𝑗
integral de la ecuación converge 2 2 2 2

F. ¿Qué es la transformada rápida de Fourier? 𝑥(1) = 2 − 𝑗2√3

𝑗2𝜋(2)(0) 𝑗2𝜋(2)(1) 𝑗2𝜋(2)(2)

Es una técnica que permite calcular de manera eficiente la 𝑥(2) = 𝑥(0)𝑒 − 3 + 𝑥(1)𝑒 − 3 + 𝑥(2)𝑒 − 3
transformada de Fourier discreta y su inversa, logrando reducir
el tiempo de cálculo de n^2 pasos a n*log_2⁡〖(n)〗 y el 𝑗4𝜋 𝑗8𝜋
único requisito que tiene este método es que el número de 𝑥(2) = 7𝑒 0 + 7𝑒 − 3 + 3𝑒 − 3

puntos en la serie tiene que ser una potencia de 2.

 4𝜋 4𝜋
𝑥(2) = 7 ∗ (1) + 7 ∗ [cos ( ) − 𝑗 sin ( )] + 3
3 3 5𝐾𝐻𝑧 > 300 𝐻𝑧
8𝜋 8𝜋
∗ [cos ( ) − 𝑗 sin ( )] • Para 𝑓2
3 3

1 √3 1 √3 5𝐾𝐻𝑧 > 2 ∗ 125 𝐻𝑧

𝑥(2) = 7 + 7 ∗ [(− ) + 𝑗 ( )] + 3 ∗ [(− ) − 𝑗 ( )]
2 2 2 2
5𝐾𝐻𝑧 > 250𝐻𝑧
7 7√3 3 3√3
𝑥(2) = 7 − + 𝑗 − −𝑗 • Para 𝑓3
2 2 2 2

𝑥(2) = 2 + 𝑗2√3 5𝐾𝐻𝑧 > 2 ∗ 3𝐾𝐻𝑧

𝑥(𝑘) = 17 , 2 − 𝑗2√3 , 2 + 𝑗2√3 𝟓𝑲𝑯𝒛 > 𝟔𝑲𝑯𝒛

B. MUESTREO • Para 𝑓4
𝑥(𝑡) = 2 sin(300𝜋𝑡)
+ 4 cos(250𝜋𝑡) 5𝐾𝐻𝑧 > 2 ∗ 22𝐾𝐻𝑧
+ 8 cos(6𝑘𝜋𝑡) + 5 sin(44𝑘𝜋𝑡)
𝟓𝑲𝑯𝒛 > 𝟒𝟒𝑲𝑯𝒛
Determine:
Dado que los componentes de las frecuencias 3 y 4 superan a la
1) Encuentre las frecuencias f_0 de cada una de las frecuencia de muestreo, se presenta un solapamiento de
componentes de la señal x(t) información en la señal por tanto se concluye que se presenta
aliasing en los componentes 3 y 4 de la señal x(t)
Para hallar las frecuencias f_0 se hace uso de la ecuación 〖ω
=2πf〗_0 por tanto se tiene: Por tanto, se procede a hallar las fa para reconstruir la señal x(t)

𝜔 Para la componente 3 se tiene

𝑓0 =
2𝜋
𝑓𝑎 = 𝑓0 − 𝑆
300𝜋
𝑓1 = = 150 𝐻𝑧
2𝜋 𝑓𝑎 = 3 𝐾𝐻𝑧 − 5 𝐾𝐻𝑧

250𝜋 𝑓𝑎 = −2 𝐾𝐻𝑧
𝑓2 = = 125 𝐻𝑧
2𝜋
Reescribiendo la componente 3 queda:
6𝑘𝜋
𝑓3 = = 3 𝑘𝐻𝑧
2𝜋 𝑓𝑎 = −8 cos(4𝐾𝜋𝑡)
44𝑘𝜋 Para la componente 4 se tiene
𝑓4 = = 22 𝑘𝐻𝑧
2𝜋
𝑓𝑎 = 𝑓0 − 𝑆
2) ¿Se presenta fenómeno alias o aliasing si x(t) es
muestreada a S=5 KHz? Explique paso a paso y se presenta 𝑓𝑎 = 44 𝐾𝐻𝑧 − 5 𝐾𝐻𝑧
alias, encuentre la frecuencia f_a y reconstruya la señal x_a (t)
𝑓𝑎 = 39 𝐾𝐻𝑧
Para determinar si la señal x(t) presenta aliasing al ser
muestreada S=5 KHz, lo que se hace es realizar la comparación Reescribiendo la componente 4 queda:
S>2*B y de no cumplirse entonces se halla la nueva frecuencia
fa=f_0-S 𝑓𝑎 = 5 sin(78𝐾𝜋𝑡)

• Para 𝑓1 Finalmente reconstruyendo la señal 𝑥(𝑡) se tiene:

5𝐾𝐻𝑧 > 2 ∗ 150 𝐻𝑧

 𝒙𝒂𝟏 (𝒕) = 𝟐 𝐬𝐢𝐧(𝟑𝟎𝟎𝝅𝒕) 4) Halle el ancho de banda de la señal x(t) y el ancho de
+ 𝟒 𝐜𝐨𝐬(𝟐𝟓𝟎𝝅𝒕) banda de las dos señales reconstruidas en los dos puntos
− 𝟖 𝐜𝐨𝐬(𝟒𝑲𝝅𝒕) + 𝟓 𝐬𝐢𝐧(𝟕𝟖𝑲𝝅𝒕) anteriores

3) ¿Se presenta fenómeno alias o aliasing si x(t) es Para hallar el ancho de banda se usa:
muestreada a S=40 KHz? Explique paso a paso y se presenta
alias, encuentre la frecuencia f_a y reconstruya la señal x_a (t) 𝐵𝑤 = 𝑓𝑀𝐴𝑋 − 𝑓𝑀𝐼𝑁

• Para 𝑓1 𝜔𝑀𝐴𝑋
𝑓𝑀𝐴𝑋 =
2𝜋
𝜔𝑀𝐼𝑁
40𝐾𝐻𝑧 > 2 ∗ 150 𝐻𝑧 𝑓𝑀𝐼𝑁 =
2𝜋
40𝐾𝐻𝑧 > 300 𝐻𝑧 Para 𝑥(𝑡)
• Para 𝑓2
44𝐾𝜋
40𝐾𝐻𝑧 > 2 ∗ 125 𝐻𝑧 𝑓𝑀𝐴𝑋 = = 22𝐾𝐻𝑧
2𝜋

40𝐾𝐻𝑧 > 250𝐻𝑧 300𝜋

𝑓𝑀𝐼𝑁 = = 150 𝐻𝑧
2𝜋
• Para 𝑓3
𝐵𝑤 = 𝑓𝑀𝐴𝑋 − 𝑓𝑀𝐼𝑁
40𝐾𝐻𝑧 > 2 ∗ 3𝐾𝐻𝑧
𝐵𝑤 = 22 𝐾𝐻𝑧 − 150𝐻𝑧
40𝐾𝐻𝑧 > 6𝐾𝐻𝑧
𝑩𝒘 = 𝟐𝟏. 𝟖𝟓 𝑲𝒉𝒛
• Para 𝑓4 Para 𝑥𝑎1 (𝑡)

78𝐾𝜋
40𝐾𝐻𝑧 > 2 ∗ 22𝐾𝐻𝑧 𝑓𝑀𝐴𝑋 = = 39𝐾𝐻𝑧
2𝜋
𝟒𝟎𝑲𝑯𝒛 > 𝟒𝟒𝑲𝑯𝒛 300𝜋
𝑓𝑀𝐼𝑁 = = 150 𝐻𝑧
Dado que los componentes de la frecuencia 4 superan a la 2𝜋
frecuencia de muestreo, se presenta un solapamiento de
𝐵𝑤 = 𝑓𝑀𝐴𝑋 − 𝑓𝑀𝐼𝑁
información en la señal por tanto se concluye que se presenta
aliasing en la componente 4 de la señal x(t)
𝐵𝑤 = 39 𝐾𝐻𝑧 − 150𝐻𝑧
Por tanto, se procede a hallar las f_a para reconstruir la señal
𝑩𝒘 = 𝟑𝟖. 𝟖𝟓 𝑲𝑯𝒛
x(t)
Para 𝑥𝑎2 (𝑡)
Para la componente 4 se tiene
8𝐾𝜋
𝑓𝑎 = 𝑓0 − 𝑆 𝑓𝑀𝐴𝑋 = = 4𝐾𝐻𝑧
2𝜋
𝑓𝑎 = 44 𝐾𝐻𝑧 − 40 𝐾𝐻𝑧 300𝜋
𝑓𝑀𝐼𝑁 = = 150 𝐻𝑧
𝑓𝑎 = 4 𝐾𝐻𝑧 2𝜋

𝐵𝑤 = 𝑓𝑀𝐴𝑋 − 𝑓𝑀𝐼𝑁
Reescribiendo la componente 4 queda:
𝐵𝑤 = 4 𝐾𝐻𝑧 − 150𝐻𝑧
𝑓𝑎 = 5 sin(8𝐾𝜋𝑡)
𝑩𝒘 = 𝟑. 𝟖𝟓 𝑲𝒉𝒛
Finalmente reconstruyendo la señal 𝑥(𝑡) se tiene:
5) Halle la frecuencia de muestreo para que la señal x(t)
𝒙𝒂𝟐 (𝒕) = 𝟐 𝐬𝐢𝐧(𝟑𝟎𝟎𝝅𝒕)
no presenta fenómeno de Alias
+ 𝟒 𝐜𝐨𝐬(𝟐𝟓𝟎𝝅𝒕)
+ 𝟖 𝐜𝐨𝐬(𝟔𝑲𝝅𝒕) + 𝟓 𝐬𝐢𝐧(𝟖𝑲𝝅𝒕)
Para que la señal x(t) no presente el fenómeno de aliasing se 12𝑉
debe cumplir que f_s≥2f_MAX por tanto: 𝐵 = log 2 ( )
(0.035)√12

𝑓𝑠 ≥ 2𝑓𝑀𝐴𝑋 𝑩 = 𝟔. 𝟔𝟐𝟖𝟗 ≅ 𝟕 𝑩𝒊𝒕𝒔

𝑓𝑠 ≥ 2(22 𝐾𝐻𝑧) 2) ¿Si el cuantizador ahora es de 10 bits, cual sería si error

rms σ?
𝒇𝒔 ≥ 𝟒𝟒 𝑲𝒉𝒛
Utilizando la misma fórmula anterior se tiene:
Por tanto, la frecuencia de muestreo para que la señal x(t) no
presente aliasing debe ser de 44 Khz 𝐷
𝜎=
2𝐵 √12
C. CUANTIZACIÓN
12𝑉
𝜎=
Se va a muestrear una señal con niveles de amplitud entre -6V 210 √12
y 6V y se va a cuantizar por redondeo con un error rms σ=35
mV 𝝈 = 𝟑. 𝟑𝟖 𝒎𝑽
Determine
Las señales x[n] y x_q [n] son:
1) ¿Cuántos bits B se requieren?
𝑥[𝑛] = {6.0, −6.0,5.0, −5.0,4.0, −2.5,2.0, −1.1 }
∆
𝜎= 𝑥𝑞 [𝑛] = {5.8, −5.8,4.8, −4.8,3.8, −2.2,1.7, −1.0}
√12

Donde: 3) ¿Cuál es la señal de error 𝑒(𝑛)?

𝐷 𝑒(𝑛) = 𝑥[𝑛] − 𝑥𝑞 [𝑛]

∆= , 𝐿 = 2𝐵
𝐿
𝒆[𝒏] = {𝟎. 𝟐, −𝟎. 𝟐, 𝟎. 𝟐, −𝟎. 𝟐, 𝟎. 𝟐, −𝟎. 𝟑, 𝟎. 𝟑, −𝟎. 𝟏}
Reemplazando se tiene:
4) ¿Cuál es la potencia de la señal de ruido?
𝐷
∆ 2 𝐵 𝐷 𝑁−1
𝜎= = = 1
√12 √12 2𝐵 √12 𝑃𝑁 = ∑ 𝑒 2 [𝑛]
𝑁
𝑛=0

Despejando B se tiene: Para efectos del ejercicio N = 8

𝐷 𝑁−1
2𝐵 =
𝜎√12 ∑ 𝑒 2 [𝑛] = {((0.2)2 ) + ((−0.2)2 ) + ((0.2)2 ) + ((−0.2)2 )
𝑛=0
𝐷 + ((0.2)2 ) + ((−0.3)2 ) + ((0.3)2 )
log 2 (2𝐵 ) = log 2 ( ) + ((−0.1)2 )}
𝜎√12
𝑁−1
𝐷
𝐵 = log 2 ( ) ∑ 𝑒 2 [𝑛] = 0.39
𝜎√12
𝑛=0
1
Ahora D será igual a la longitud que hay entre -6V y 6V, por 𝑃𝑁 = (0.39)
tanto: 8

𝑷𝑵 = 𝟎. 𝟎𝟒𝟖𝟕𝟓
𝐷 = 6𝑉 − (−6𝑉)

𝐷 = 12𝑉

Reemplazando los valores se tiene que los Bits necesarios son:

 5) ¿Cuál es la potencia de la señal muestreada?
𝑁−1
1
𝑃𝑆 = ∑ 𝑥 2 [𝑛]
𝑁
𝑛=0

Para efectos del ejercicio N = 8

𝑁−1

∑ 𝑥 2 [𝑛] = {((6.0)2 ) + ((−6.0)2 ) + ((5.0)2 ) + ((−5.0)2 )

𝑛=0
+ ((4.0)2 ) + ((−2.5)2 ) + ((2.0)2 )
+ ((−1.1)2 )}
𝑁−1

∑ 𝑥 2 [𝑛] = 149.46
𝑛=0

1
𝑃𝑆 = (149.46)
8

𝑷𝑺 = 𝟏𝟖. 𝟔𝟖𝟐𝟓

6) ¿Cuál es la relación señal a ruido del cuantizador

𝑆𝑁𝑅𝑄 ?
𝑃𝑆
𝑆𝑁𝑅𝑄 [𝑑𝐵] = 10 log
𝑃𝑁

18.6825
𝑆𝑁𝑅𝑄 [𝑑𝐵] = 10 log ( )
0.04875

𝑺𝑵𝑹𝑸 [𝒅𝑩] = 𝟐𝟓. 𝟖𝟑𝟒𝟔

D. ALGORITMO TDF EN MATLAB

𝑁−1 2
𝑗2𝜋𝑘𝑛 𝑗2𝜋𝑘𝑛
𝑥(𝑘) = ∑ 𝑥(𝑛)𝑒 − 𝑁 = ∑ 𝑥(𝑛)𝑒 − 3
𝑛=0 𝑛=0

Verificación en el espacio de trabajo de Matlab con la función

para TDF

IV. VIDEO DE EJERCICIO

https://youtu.be/S6O9KMeGSAk
 𝒇𝒔 ≥ 𝟐𝟎𝟎𝟎𝟎 𝑯𝒛
V. RANGOS DE FRECUENCIAS 3) La guitarra acústica abarca el rango de frecuencia
A. HUMANO fundamental desde 82 Hz a 988 Hz con armónicos entre los
1000 Hz a 15000 Hz
El oído humano percibe frecuencias entre 20 Hz (tono más
bajo) a 20 kHz (tono más alto). Todos los sonidos por debajo 𝑓𝑠 ≥ 2𝑓𝑀𝐴𝑋
de 20 Hz se califican como infrasonidos, aunque algunos
animales los escuchan (como por ejemplo la rata topo o el 𝑓𝑠 ≥ 2(15000 𝐻𝑧)
elefante). Del mismo modo, todos los sonidos por encima de 20
kHz se califican como ultrasonidos, pero son sonidos para un 𝒇𝒔 ≥ 𝟑𝟎𝟎𝟎𝟎 𝑯𝒛
gato o un perro (hasta 40 kHz) o para un delfín o un murciélago
(hasta 160 kHz) 4) El bombo abarca el rango de frecuencia fundamental
desde 30 Hz a 147 Hz con armónicos entre los 1000 Hz a 6000
Hz

𝑓𝑠 ≥ 2𝑓𝑀𝐴𝑋

𝑓𝑠 ≥ 2(6000 𝐻𝑧)

𝒇𝒔 ≥ 𝟏𝟐𝟎𝟎𝟎 𝑯𝒛

5) El Trombón abarca un rango de frecuencia fundamental

desde 73 Hz a 587 Hz con armónicos entre los 1000 Hz a 4000
Hz

𝑓𝑠 ≥ 2𝑓𝑀𝐴𝑋

𝑓𝑠 ≥ 2(4000 𝐻𝑧)

𝒇𝒔 ≥ 𝟖𝟎𝟎𝟎 𝑯𝒛

VI. CONCLUSIONES
Matlab es una poderosa herramienta que permite visualizar de
manera adecuada el funcionamiento y la utilidad de las distintas
herramientas matemáticas, entre ellas la transformada de
B. INSTRUMENTOS MUSICALES Fourier, el muestreo y la cuantización

1) El piano abarca el rango de frecuencia fundamental VII. BIBLIOGRAFIA

desde 28 Hz a 4196 Hz con armónicos entre los 5000 Hz a 8000
Hz
[1]. A. Ambardar, “Muestreo Ideal. En Procesamiento de
señales analógicas y digitales”, México: Cengage Learning,
𝑓𝑠 ≥ 2𝑓𝑀𝐴𝑋
2nd ed., pp. 446-455, 2002, Recuperado de https://go-gale-
com.bibliotecavirtual.unad.edu.co/ps/i.do?p=GVRL&u=unad
𝑓𝑠 ≥ 2(8000 𝐻𝑧)
&id=GALE|CX4060300145&v=2.1&it=r&sid=GVRL&asid=
495113b6
𝒇𝒔 ≥ 𝟏𝟔𝟎𝟎𝟎 𝑯𝒛
[2]. A. Ambardar, “Muestreo Ideal. En Procesamiento de
2) El oboe abarca el rango de frecuencia fundamental señales analógicas y digitales”, México: Cengage Learning,
desde 261 Hz a 1568 Hz con armónicos entre los 2000 Hz a 2nd ed., pp. 456-460, 2002, Recuperado de https://go-gale-
10000 Hz com.bibliotecavirtual.unad.edu.co/ps/i.do?p=GVRL&u=unad
&id=GALE|CX4060300146&v=2.1&it=r&sid=GVRL&asid=
𝑓𝑠 ≥ 2𝑓𝑀𝐴𝑋 44cdb0b2
𝑓𝑠 ≥ 2(10000 𝐻𝑧)
[3]. A. Ambardar, “Muestreo Ideal. En Procesamiento de &id=GALE|CX4060300152&v=2.1&it=r&sid=GVRL&asid=
señales analógicas y digitales”, México: Cengage Learning, 63c52a5d
2nd ed., pp. 460-464, 2002, Recuperado de https://go-gale-
com.bibliotecavirtual.unad.edu.co/ps/i.do?p=GVRL&u=unad [5]. http://www.cochlea.org/es/sonidos/campo-auditivo-
&id=GALE|CX4060300147&v=2.1&it=r&sid=GVRL&asid= humano
80fe31fe
[6]. https://www.hispasonic.com/reportajes/tabla-rango-
[4]. A. Ambardar, “Muestreo Ideal. En Procesamiento de frecuencias-instrumentos-musicales/39
señales analógicas y digitales”, México: Cengage Learning,
2nd ed., pp. 482, 2002, Recuperado de https://go-gale-
com.bibliotecavirtual.unad.edu.co/ps/i.do?p=GVRL&u=unad