PROCESAMIENTO DIGITAL DE SEÑALES

TAREA 2– RECONOCER LOS ELEMENTOS MATEMÁTICOS QUE IMPLICA LA CONVERSIÓN

ANALÓGICA DIGITAL
PRESENTADO POR NICOLAS HERNANDO ALVAREZ DIAZ
CODIGO 80034963
nhalvarezd@unadvirtual.edu.co
GRUPO 299004_25
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
PROGRAMA INGENIERIA ELECTRONICA
BOGOTA 04 DE OCTUBRE DE 2021

ABSTRACT
In this work we will know the basic concepts and
operations of digital processing of continuous and
discrete signals, in the same way we will know the
characteristics, definitions and graphics of each of
the continuous and discrete signals that we will
deal with in this work.
In addition, we will see discrete and continuous
convolution, Fourier series, continuous Fourier
transform, in the same way we will know the
characteristics, definitions and graphs of each of
them and their application.
Keywords— Analog and digital signal,
antialiasing, quantization signal, Sampling,
Fourier series, Fourier transform, Aliasing
phenomenon, Nyquist sampling.
INTRODUCCION
A través de la presente la frecuencia y del tiempo
mediante análisis matemáticos. Las teorías del
muestreo para señales digitales: Muestreo,
cuantización y transformada discreta de Fourier.
DESARROLLO DEL TRABAJO
. (orden de los MHz o GHz) sería poco
La actividad consta de cuatro (4) partes
fundamentales, la primera parte consiste en la
asimilación de los conceptos 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?
El muestreo, también denominado
“Discretización de señal”, es el primer
paso en el proceso de conversión de una
señal analógica en la que se maneja las
variables de tiempo y amplitud continuos,
en una señal digital estas variables serian
tiempo y amplitud discretos. La
conversión de la señal Análoga en Digital
(Conversión A/D) se realiza, entre otras
razones porque las señales digitales
presentan grandes ventajas a la hora de ser
transmitidas y/o procesadas: mayor
inmunidad al ruido, mayor facilidad de
procesamiento y facilidad de multiplexaje.
Cuando se requiere muestrear una señal
analógica para su posterior transmisión en
forma digital, siempre se toma como base
el criterio de Nyquist, el cual indica que
dicho muestreo se debe realizar al doble de
la frecuencia máxima contenida en la
señal; criterio que para señales que están
ubicadas en la parte más alta del espectro
práctico, por tanto, se puede recurrir al
criterio que indica que el muestreo se
realice al doble del ancho de banda.
Existen varios tipos de muestreo entre
ellos esta el muestreo ideal, cuya fórmula
matemática es la siguiente. Cuando la
señal muestreadora q ( t ), es un tren de
impulsos delta de la forma.
+∞
q ( t )= ∑ δ ( t−K T M )
k =−∞
 Muestreo Natural, es cuando la señal
muestreadora de un tren de pulsos esta
dada por la forma.
+∞
q ( t )= ∑ Π ( t−K T M )
k =−∞
2) ¿Cómo se realiza la cuantización de una
señal?
El proceso de cuantificación
digital es posterior a la etapa de muestreo
en la que se toman valores de amplitud de
una determinada señal analógica. El
objetivo de este proceso es cuantificar con
bits estos valores, mediante la asignación
de niveles. En esta etapa se le asigna un
valor a la muestra, pero no es digital.
La forma más sencilla de cuantificar
una señal es elegir el valor de amplitud
digital más cercano a la amplitud
analógica original. El error de
cuantificación que resulta de este esquema
simple de cuantificación es una función
determinística de la señal de entrada.
El análisis matemático del proceso de
cuantificación se realiza con el objetivo de
relacionar el número de bits y la SNR
resultante.
Existe la cuantificación uniforme, y la
cuantificación no uniforme.
Tenemos.
Ruido de cuantificación
n q ( t )=X R ( t )−X Q ( t )
Intervalo de cuantificación.
∆ dominio de la frecuencia de señales en el
|n q ( t )|< 2
3) ¿Qué indica el teorema de muestreo de
Nyquist?
Explica la relación entre la velocidad de
muestreo y la frecuencia de la señal
medida. Afirma que la velocidad de
muestreo fs debe ser mayor que el doble
del componente de interés de frecuencia
más alto en la señal medida. Esta
frecuencia por lo general se conoce como
la frecuencia Nyquist, fN.
f s >2∗f N
4) ¿Cuál es el fenómeno llamado Alias o
Aliasing?
se produce cuando una velocidad de
muestreo es demasiado baja y reproduce
una representación incorrecta de forma de
onda. Es decir, si una señal es muestreada
a una velocidad de muestreo menor que el
doble de la frecuencia Nyquist, los
componentes de frecuencias falsas más
bajas aparecen en los datos
muestreados. La frecuencia alias
fa se puede calcular para determinar cómo
aparece una señal de entrada a una
frecuencia sobre la frecuencia de Nyquist.
Afecta más a las frecuencias altas, que se
pierden antes, por lo tanto, los tonos
agudos se verán más afectados por el
aliasing.
f a=|closest integermultiple of f s∗f s−f |
5) ¿Qué realiza la transformada de Fourier?
Es una transformación matemática
empleada para transformar señales entre el
dominio del tiempo (o espacial) y el
dominio de la frecuencia.
Es una transformación de dicha señal que
nos permite calcular la contribución de
cada valor de frecuencia a la formación de
la señal Proporciona una descripción en el
dominio del tiempo y puede como una
extensión de las series de Fourier (FS)
aplicada a señales no periódicas. Permite
determinar la amplitud y la fase de cada
una de los componentes de frecuencia que
tiene una señal. Para las señales periódicas
se utiliza las series de Fourier y para las
señales no periódicas se utilizan las
transformadas de Fourier. La transformada
de Fourier se encarga de transformar una
señal del dominio del tiempo, al dominio
 de la frecuencia, de donde se puede
realizar su antitransformada y volver al
dominio del temporal.
Si x (t ) es la función original, su
transformada X (f ) será:
∞
X ( f )= ∫ X ( t ) e− j2 πft dt
−∞
cuantización), ubicado en el entorno de
aprendizaje, en la carpeta de la guía de la tarea 2,
cada estudiante escogerá los ejercicios a realizar,
no se podrán repetir ejercicios entre estudiantes.
MUESTREO
Ejercicio 4.

Siendo
x (t)=5 s en (100 π t)+6 sen(250 π t)+11 cos(1100 π t)+6 sen
6) ¿Qué es la transformada rápida de Fourier?
Resuelva:
La transformada rápida de Fourier,
4.1. Encuentre las frecuencias 𝑓0 de cada una de
conocida por la abreviatura FFT (del
las componentes de la señal 𝑥(𝑡)
inglés Fast Fourier Transform) es un Recordamos la expresión general de una señal
algoritmo eficiente que permite calcular senoidal.
la transformada de Fourier discreta (DFT) f ( t )= A sen ( wt )
y su inversa. Este algoritmo reduce el w=2 πf
tiempo de cálculo de n2 pasos a n·log2(n).
El único requisito es que el número de Ahora procedemos a encontrar la frecuencia de
puntos en la serie tiene que ser una cada uno de los componentes de la expresión.
potencia de 2 (2n puntos). Componente 1.
 La transformada discreta de Fourier sen ( 100 πt )
(DFT, por sus siglas en inglés) se define w=2 πf
N −1 −2 πi
100 πt=2 πf
kn,
X K =∑ Xn e N
k =0 , … ., N−1. Despejamos f
n=0 100 πt
=f
En la cual X K , es un conjunto de numeros 2 πt
complejos. La evaluacion discreta de esa formula
requiere 0 ( N 2 ) operaciones aritmeticas, pero con f =50 H z
un algoritmo FFT se puede obtener el mismo Para nuestro componente 1 la frecuencia es 50 Hz.
resultado con solo 0 ( N log N ) operaciones.
Componente 2.
2-La segunda parte consta de la realización de tres sen ( 25 0 πt )
(3) ejercicios matemáticos de manera individual, w=2 πf
cada uno relacionado con los siguientes temas: 25 0 πt=2 πf
Muestreo, Cuantización, Transformada discreta de Despejamos f
Fourier Fourier. (Esta última se planteará como la 25 0 πt
=f
ecuación de sumatoria de la Transformada 2 πt
discreta de Fourier – revisar OVI de entorno de
conocimiento o web conferencia, allí se muestra f =12 5 Hz
un ejemplo de cómo desarrollar la TDF Para nuestro componente 2 la frecuencia es
matemáticamente, deben realizarlo con los tres 12 5 Hz.
últimos dígitos de su documento de identidad) Los
ejercicios de cuantización y muestreo estarán
dispuestos en el anexo 1 (Ejercicios de muestreo y Componente 3.
cos ( 110 0 πt )
w=2 πf
110 0 πt=2 πf No se presenta la existencia de alias.
Despejamos f
110 0 πt Componente 3.
=f
2 πt cos ( 1100 πt )

f =550 Hz 1000 Hz ≥2(550 Hz)

1000 Hz ≥1100 Hz
Para nuestro componente 3 la frecuencia es
550 Hz. Se presenta la existencia de alias.

Componente 4. f a=f 0−N f s

sen ( 70 00 πt ) f a=550−( 2 ) 1 0 00
w=2 πf f a=−1450
70 00 πt=2 πf
Despejamos f Reconstrucción de la señal.
70 00 πt
=f
2 πt x (t)=5 s en (100 π t)+6 sen(250 π t)+11 cos( 2 π (−1450 ) t )+ 6

f =350 0 Hz Componente 4.
sen ( 70 00 πt )
Para nuestro componente 4 la frecuencia es
350 0 Hz. 1000 Hz ≥2(350 0 Hz)
1000 Hz ≥70 00 Hz
4.2. ¿Se presenta fenómeno alias o aliasing si 𝑥(𝑡)
es muestreada a 𝑆 = 1000 𝐻𝑧? ? Explique paso a Se presenta la existencia de alias.
paso y si presenta alias, encuentre la frecuencia
𝑓𝑎 y reconstruya la señal 𝑥𝑎(𝑡) f a=f 0−N f s
f a=3500−( 2 ) 10 00
Teniendo en cuenta la ecuación f a=1 50 0

f s ≥2 f max Reconstrucción de la señal.

Verificamos los componentes de la expresión x (t)=5 s en (100 π t)+6 sen(250 π t)+11 cos( 2 π (−1450 ) t )+ 6

Componente 1. 4.3. ¿Se presenta fenómeno alias o aliasing si 𝑥(𝑡)

sen ( 100 πt ) es muestreada a 𝑆 = 6600 𝐻𝑧? ? Explique paso a
paso y si presenta alias, encuentre la frecuencia
1000 Hz ≥2(50 Hz) 𝑓𝑎 y reconstruya la señal 𝑥𝑎(𝑡)
1000 Hz ≥100 Hz
Componente 1.
No se presenta la existencia de alias. sen ( 100 πt )
Componente 2.
66 00 Hz ≥ 2(50 Hz)
sen ( 250 πt ) 66 00 Hz ≥ 100 Hz
1000 Hz ≥2(125 Hz) No se presenta la existencia de alias.
1000 Hz ≥250 Hz
 p=GVRL&u=unad&id=GALE|
Componente 2. CX4060300145&v=2.1&it=r&sid=GVRL
sen ( 250 πt ) &asid=495113b6
 Ambardar, A. (2002). Muestreo,
66 00 Hz ≥ 2(125 Hz) Interpolación y Recuperación de la Señal.
66 00 Hz ≥ 250 Hz En Procesamiento de señales analógicas y
digitales (2nd ed., pp. 456-460). Ciudad de
No se presenta la existencia de alias. México, México: Cengage Learning.
Recuperado de https://go-gale-
Componente 3. com.bibliotecavirtual.unad.edu.co/ps/i.do?
cos ( 1100 πt ) p=GVRL&u=unad&id=GALE|
CX4060300146&v=2.1&it=r&sid=GVRL
66 00 Hz ≥ 2(550 Hz) &asid=44cdb0b2
66 00 Hz ≥ 1100 Hz  Ambardar, A. (2002). Cuantización. En
Procesamiento de señales analógicas y
No se presenta la existencia de alias. digitales (2nd ed., pp. 460-464). Ciudad de
México, México: Cengage Learning.
Componente 4. Recuperado de https://go-gale-
sen ( 70 00 πt ) com.bibliotecavirtual.unad.edu.co/ps/i.do?
p=GVRL&u=unad&id=GALE|
66 00 Hz ≥ 2(350 0 Hz) CX4060300147&v=2.1&it=r&sid=GVRL
66 00 Hz ≥ 7000 Hz &asid=80fe31fe
 Ambardar, A. (2002). Transformada de
Se presenta la existencia de alias.
Fourier de Tiempo Discreto. En
f a=f 0−N f s Procesamiento de señales analógicas y
digitales (2nd ed., p. 482). Ciudad de
f a=3500−( 2 ) 66 00
México, México: Cengage Learning.
f a=−97 00 Recuperado de https://go-gale-
com.bibliotecavirtual.unad.edu.co/ps/i.do?
Reconstrucción de la señal. p=GVRL&u=unad&id=GALE|
CX4060300152&v=2.1&it=r&sid=GVRL
x (t)=5 s en (100 π t)+6 sen(250 π t)+11 cos(1100 π t)+6 sen(2 π (−97 00 ) t)
&asid=63c52a5d
 García Martínez, M. (05,07,2017).
4.4. Halle el ancho de banda de la señal 𝑥(𝑡) y el Procesamiento Digital de Señales -
ancho de banda de las dos señales reconstruidas Transformada Discreta de Fourier. [OVI].
en 4.2 y 4.3. Recuperado
4.5. Halle la frecuencia de muestreo para que la de http://hdl.handle.net/10596/12519
señal 𝑥(𝑡) no presente fenómeno de Alias.

BIBLIOGRAFIA

 Ambardar, A. (2002). Muestreo Ideal. En

Procesamiento de señales analógicas y
digital (2nd ed., pp. 446-455). Ciudad de
México, México: Cengage Learning.
Recuperado de https://go-gale-
com.bibliotecavirtual.unad.edu.co/ps/i.do?