TAREA 2- Reconocer los elementos

matemáticos del sistema de conversión

analógica digital
EDER DANIEL FERREIRA BARRERA
CODIGO:1.098.691.373
TUTOR
FABIAN EDUARDO GIRON
GRUPO: 208060_7
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
TRATAMIENTO DIGITAL DE SEÑALES
2021

La actividad consiste en: forma continua sino solamente unas muestras

equiespaciadas, con lo que el resultado es un conjunto
Inicialmente, el estudiante debe revisar los recursos
finito de valores.
educativos correspondientes a las temáticas de la unidad 1,
los cuales se pueden encontrar en el syllabus del curso, +∞
a k e jk ω t
q ( t )= ∑ m

específicamente en las referencias bibliográficas. k =−∞

La actividad consta de cuatro (4) partes fundamentales, la +∞

Q(ω)=2 π ∑ ak δ (ω−k ωm )
primera parte consiste en la asimilación de los conceptos k=−∞

relacionados con la conversión analógica digital.

Cada estudiante realizará de manera individual, aportes
teóricos (incluir ecuaciones con editor de word) sobre las
siguientes preguntas:
1) ¿A qué se refiere el muestreo de una señal
analógica?
Cuando la señal original no es un conjunto de valores
discretos sino una variación continua a lo largo del
tiempo, es necesaria una transformación para obtener la
señal en forma digital. Esta transformación se conoce
como conversión analógico - digital (A/D), que implica
dos etapas: el muestreo y la cuantificación de la señal.
El muestreo consiste en tomar valores de la señal cada
cierto tiempo, es decir, no considerar todo el tiempo de
2) ¿Cómo se realiza la cuantización de una señal?
El parámetro que determina la precisión con que se
cuantifica, es el número de bits empleado por cada
muestra. Cuanto mayor sea, mayor precisión. El
número de niveles en el que se divide el fondo de
escala (el espacio entre los valores máximo y
mínimo que puede tomar la señal) será una
potencia de 2. Esto es así porque se trabaja en
código binario. Cada muestra se asigna al nivel más
cercano.
Por ejemplo, si cada muestra se cuantifica con 4
bits, el espacio se divide en 16 niveles (2^4),
existiendo 16 franjas, donde todas las muestras son
asignadas al mismo nivel.
 A la diferencia entre xR(t) y xQ(t) se le llama ruido
de cuantificación; y siempre es menor que la mitad
del intervalo de cuantificación ; en el ejemplo:
∆/2=0,1.
Cuantificación uniforme
el aliasing, o solapamiento, es el efecto que causa
que señales continuas distintas se tornen
indistinguibles cuando se muestrean digitalmente.
Cuando esto sucede, la señal original no puede ser
reconstruida de forma unívoca a partir de la señal
digital

n q ( t )=X R ( t )−X Q (t)

5) ¿Qué realiza la transformada de Fourier?
Δ Realiza la conversión de una señal en el dominio
¿ nq ( t )∨¿
2 en función al tiempo a una señal en el dominio en
función a la frecuencia

3) ¿Qué indica el teorema de muestreo de Nyquist? ∞

1
f ( t )= ∫ F (ω) e iωt dω
2 π −∞
El teorema trata con el muestreo, que no debe ser
confundido o asociado con la cuantificación,
6) ¿Qué es la transformada rápida de Fourier?
proceso que sigue al de muestreo en la
La transformada rápida de Fourier FFT es
digitalización de una señal y que no es reversible
un método matemático, es muy útil para el
(se produce una pérdida de información en el análisis de los fenómenos dependiente del tiempo,
es denominado como un algoritmo y puede reducir
proceso de cuantificación, incluso en el caso ideal
el tiempo de cálculo de la transformada Fourier
teórico, que se traduce en una distorsión conocida discreto y su inversa
como error o ruido de cuantificación y que
establece un límite teórico superior a la relación
señal-ruido). Dicho de otro modo, desde el punto
EJERCICIOS
de vista del teorema, las muestras discretas de una
Muestreo
señal son valores exactos que no han sufrido
redondeo o truncamiento alguno sobre una
precisión determinada. Ejercicio 4:

Ejercicio 4:
sin 2 πBt Siendo (𝑡)=5(100𝜋𝑡)+6(250𝜋𝑡)+11𝑐𝑜𝑠(1100𝜋𝑡)
g(t )
2 πBt +6𝑠𝑒𝑛(7000𝜋𝑡)

El teorema demuestra que la 4.1. Encuentre las frecuencias 𝑓0 de cada una de las
reconstrucción exacta de una componentes de la señal (𝑡)

señal periódica continua en banda base a partir de Para 5 sen ( 100 π t )

sus muestras es matemáticamente posible si la
señal está limitada en banda y la tasa de muestreo
f 0=?
es superior al doble de su ancho de banda ω=100 π

4) ¿Cuál es el fenómeno llamado Alias o Aliasing? 100 π =2 π∗f 0

 100 π 7000 π
f 0= f 0=
2π 2π

100 7000
f 0= f 0=
2 2

f 0=50 Hz f 0=3500 Hz
4.2. ¿Se presenta fenómeno alias o aliasing si (𝑡) es
muestreada a 𝑆=1000 𝐻𝑧? ? Explique paso a paso y si
Para 6 sen ( 250 π t ) presenta alias, encuentre la frecuencia 𝑓𝑎 y reconstruya
la señal (𝑡)
f 0=?
si fo≤ 0.5 s=2 F Max ; no existe fenomeno de aliasing
ω=250 π
si fo> 0.5 s=2 F Max; si existe fenomeno de aliasing
100 π =2 π∗f 0
0.5 s=0.5 s ( 1000 Hz )=500 Hz
250 π
f 0=
2π

250 Para 5 sen ( 100 π t ) donde f 0=50 Hz

f 0=
2
fo=50 Hz ≤ 0.5 s ( 500 Hz )
f 0=125 Hz
No existe fenomeno de Aliasing

Para 11 cos(1100 π t)
Para 6 sen ( 250 π t ) donde f 0=125 Hz
f 0=?
fo=125 Hz ≤ 0.5 s ( 500 Hz )
ω=1100 π
No existe fenomeno de Aliasing
1100 π=2 π∗f 0

1100 π
f 0= Para 11 cos ( 1100 π t ) donde f 0=550 Hz
2π
fo=550 Hz ≤ 0.5 s ( 500 Hz )
1100
f 0=
2 siexiste fenomeno de Aliasing
f 0=550 Hz 550
se puede comprobar que =0.55 s
1000

Para 6 sen (7000 π t)

f 0=? Hallamos fa 1

ω=7000 π fa1=fo−Nfs

7000 π =2 π∗f 0 fa1=550−1000

fa 1=−450 Hz fo=125 Hz ≤ 0.5 s ( 3300 Hz )

No existe fenomeno de Aliasing

Para 6 sen ( 7000 π t ) donde f 0=3500 Hz
fo=3500 Hz ≤ 0.5 s ( 500 Hz ) Para 11 cos ( 1100 π t ) donde f 0=550 Hz
siexiste fenomeno de Aliasing fo=550 Hz ≤ 0.5 s ( 3300 Hz )

3500 no existe fenomeno de Aliasing

se puede comprobar que =3.55 s
1000

Hallamos fa 1
Para 6 sen ( 7000 π t ) donde f 0=3500 Hz
fa 1=fo−Nfs fo=3500 Hz ≤ 0.5 s ( 3300 Hz )
fa 1=3500−1000 siexiste fenomeno de Aliasing
fa 1=2500 Hz 3500
se puede comprobar que =1.06 s
3300

Reconstruccion de la se ñ al
Hallamos fa 1
x (t)=5 en(100 π t)+6 sen( 250 π t)+11 cos (−450 π t)+6 sen (2500 π t)
fa 1=fo−Nfs

4.3. ¿Se presenta fenómeno alias o aliasing si (𝑡) es fa1=3500−3300

muestreada a 𝑆=6600 𝐻𝑧? ? Explique paso a paso y si
presenta alias, encuentre la frecuencia 𝑓𝑎 y reconstruya fa 1=200 Hz
la señal (𝑡)

Reconstruccion de la se ñ al
si fo ≤ 0.5 s=2 F Max ; no existe fenomeno de aliasing
x (t)=5 en(100 π t)+6 sen(250 π t)+11 cos (1000 π t)+6 sen(2
si fo> 0.5 s=2 F Max; si existe fenomeno de aliasing

0.5 s=0.5 s ( 6600 Hz )=3300 Hz

4.4. Halle el ancho de banda de la señal (𝑡) y el ancho de
banda de las dos señales reconstruidas en 4.2 y 4.3.

Para 5 sen ( 100 π t ) donde f 0=50 Hz Bw=frecuenciamaxima−frecuencia minima ( 4.2 )

fo=50 Hz ≤ 0.5 s ( 3300 Hz ) Bw=x ( t )=2500 Hz−100 Hz

No existe fenomeno de Aliasing Bw=2400 Hz

Bw=frecuenciamaxima−frecuencia minima ( 4.3 )

Para 6 sen ( 250 π t ) donde f 0=125 Hz Bw=x ( t )=1000 Hz−100 Hz

Bw=900 Hz B=6.87 7 Bits
Numero de niveles a cuantizar L.

4.5. Halle la frecuencia de muestreo para que la señal (𝑡) no

L=2 B → L=27 →128
presente fenómeno de Alias. 4.2. ¿Si el cuantizador ahora es de 10 bits, cual sería su error
rms 𝜎?
f s=2 ( 2.5 kHz )
Las señales [𝑛] 𝑦 [𝑛] 𝑠𝑜𝑛:
𝑥 [𝑛]={0.0,0.2,0.5,1.0,1.4,1.8,2.0,2.4}
f s=5 kHz [𝑛]={0.1,0.1,0.4,0.8,1.3,1.6,2.1,2.2}

D ∆
∆= B
: σ=
2 √ 12
8v
Ejercicio 4 ∆=
log 2 10
Se va a muestrear una señal con niveles de amplitud entre ∆=2.4082
-4V y 4V, y se va a cuantizar por redondeo con un error rms
𝜎=13 . 2.4082
σ=
4.1. ¿Cuántos bits 𝐵 se requieren? √12
σ =0.69518
DefinimosVariables
D=Intervalo Dinamico=x max −X min 4.3. ¿Cuál es la señal de error (𝑛)?
σ =Error RMS De cuantizacion dado en Mv
e ( n )=x ( n )−xq (n)
B=bits de cuantizacion
e ( n )= {−0.1,0 .1,0 .1,0 .2,0.1,0 .2 ,−0.1,0.2 }

Se usa la siguiente Formula 4.4. ¿Cuál es la potencia de la señal de ruido?

n =1
∆ P N =∑ x 2 (n)
σ=
√ 12 n=0
7
∆=√ 12 ( 13∗10−3 V ) 1
P N= ∑ ¿¿
∆=√ 12 ( 0.013V ) 8 N=0
∆=3.464 ( 0.013 v )
1
∆=0.045032 P N = [ 1.36 ] =0.17[W ]
8
D=Intervalo Dinamico=x max −X min=4 — 4=8 V
D
∆= B 4.5. ¿Cuál es la potencia de la señal muestreada?
2
8v P x[n ]=potencia de la se ñ al muestreada
2B =
0.045032
2B =117.651
−1
1
P x[n ]= ∑x 2
N n=0 (n)
Aplicamos la propiedad de la longitud para despejar B
a b=c=log a c=b 1
7
P x [ n] = ∑ ¿ ¿
8 n=0
2B =117.651=log 2 117.651
 1 65 65 Para k=1
P x ( n) =
8 4[ ]
= =2.03125[W ]
32
− j2 π ( 1 )( 0 ) − j 2 π ( 1 ) (1) − j 2 π (1)(2)
3 3 3
X ( k 1 )=X ( 0 ) e + X (1) e + X (2)e
4.6. ¿Cuál es la relación señal ruido del cuantizador 𝑆𝑁𝑅𝑄?
− j2π − j4π
P x(n) 3 3
SRN ( dB )=10 log
PN ( ) X ( k 1 )=3+7 e +3 e

SRN ( dB )=10 log ( 2.03125

0.01 ) X =3+7 cos
[ ( ) 2π
3
− j sen
2π
3
+ 3 cos
4π
3 ( )] [(
− j sen
4π
3 ) ( )]
SNR=23.077 dB

3. En la tercera parte cada estudiante realizará el

X =3+7 ([ −12 )− j √23 ]+3 [( −12 + √23 j)]
algoritmo de la Transformada Discreta de Fourier, en
el cual debe estar planteada la sumatoria de la
transformada con dos ciclos for. Dicho algoritmo se X =−2 √3 j−2
realizará para una señal de longitud de tres (3)
muestras. Los tres valores de las muestras
corresponden a los tres últimos números del documento Para k=2
de identificación, por ejemplo, si mi cédula es
1.098.691.373, entonces el algoritmo se hará para la
señal x[n] = [373]. Para desarrollar esta parte el − j2 π ( 2 ) ( 0 ) − j 2 π ( 2) (1) − j2 π (2)(2)
estudiante podrá utilizar Matlab, Octave Online, o X ( k 2 )=X ( 0 ) e 3
+ X ( 1) e 3
+ X (2)e 3
Scilab.

Cada estudiante realizará un video en you tube, en el

cual explicará línea a línea el funcionamiento del − j4π −j8π
3 3
algoritmo de la transformada discreta de Fourier (TDF). X ( k 2 )=3+7 e +3 e

Rta. para el desarrollo de este ejercicio mi señal será

x [ n ] =[373] por lo tanto resolvemos
N−1
[
X ( k 2 )=3+7 cos ( 43π )]− j sen( 43π )+3 [ cos ( 83π )− j sen ( 83π
X [ n ]= ∑ x ( n ) e 3 3
n=0

N=3 muestras
X ( k 2 )=3+7
[( ) √ ] [ ( ) √ ]
−1
2
+j
2
+3
−1
2
−j
2

Para k =0 X ( k 2 )=2 √ 3 j−2

− j 2 π ( 0) ( 0 ) − j 2 π ( 0 ) (1) − j 2 π (0)(2)
3 3 3
X ( k 0 )= X ( 0 ) e + X (1) e + X (2) e
Matlab

X ( k 0 )=3+7 +3=13+ 0 j
 4. En la cuarta parte de la actividad, cada estudiante
investigará sobre el rango de frecuencias que el oído
humano es capaz de escuchar, además investigará cual es el
rango de frecuencias que emiten cinco (5) instrumentos
musicales, se debe tener en cuenta los armónicos de los
instrumentos ya que son las frecuencias más altas que
emiten, y a partir de este dato, argumentará a que frecuencia
de muestreo mínima se debe muestrear cada uno de los
cinco (5) instrumentos musicales para ser digitalizados de
manera correcta. Por ejemplo, si el bombo tiene un rango de
50 Hz a 15 Khz, Fs = 30 Khz mínimo.

Por lo general, el “sonido” se utiliza para indicar el sonido

que puede ser percibido por el oído humano, es decir, el
“sonido” se refiere al sonido audible, a menos que se
clasifique de otra forma. Una definición razonablemente
estándar de sonido audible es, la de una onda de presión con
frecuencia entre 20 Hz y 20.000 Hz, y con una intensidad
por encima del umbral de audición estándar. Dado que el
oído está rodeado por el aire, o tal vez bajo el agua, las
ondas de sonido están limitadas a ser ondas longitudinales.
También se pueden especificar los rangos normales
de presión sonora y la intensidad del sonido.

Frecuencia 20 Hz – 20.000 (corresponde con

: Hz el tono)

10-12 – 10
Intensidad: vatios/m2 (0 a 130 decibelios)

2 x 10-5 – 60 2 x 10-10 –
Presión: Newtons/m2 0,0006 atmósferas

Cada estudiante realizará un video en you tube, en el cual

explicará línea a línea el funcionamiento del algoritmo de
Rango Frecuenci
Instrument Armónico
la transformada discreta de Fourier (TDF) Fundamenta a
o s
l Muestreo
Nota: El video no es grabar el desarrollo matemático, es
explicar el algoritmo de tres muestras, paso a paso.
Platillos 300-587 1-15 KHz 30 Khz
Violín 196-3136 4-15 KHz 30 Khz

Viola 131-1175 2-8.5 KHz 17 Khz

Cello 65-698 1-6.5 KHz 13 khz

Bajo 10 khz
41-294 1-5KHz
acústico