PRACTICA DE MUESTREO Y ALIASING

ADRIANA MARCELA QUINTERO

VÁSQUEZ JAIME IVAN MARTINEZ ROJAS

CARLOS ALEXANDER CARO BUSTOS

NOVIEMBRE 2021

UNIVERSIDAD DE INVESTIGACIÓN Y DESARROLLO-UDI

FACULTAD DE INGENIERIAS
PROCESAMIENTO DE SEÑALES
 Resumen

El proyecto ejecutado en este documento, tiene por objetivo reconocer el proceso de muestreo y
aliasing de una señal, en estos momentos donde la naturaleza analógica de las señales cobra gran
relevancia como parte fundamental de las comunicaciones, es por esto que se ejecuta esta
práctica para entender el proceso de digitalización, se presentan resultados y conclusiones.

Palabras clave: Muestreo, Aliasing, Señales, Analógico, Digitalización.

2
 Abstract

The project carried out in this document aims to recognize the process of sampling and aliasing a
signal, in these moments where the analog nature of the signals is of great relevance as a
fundamental part of communications, which is why this practice is carried out to understand the
digitization process, results and conclusions are presented.

Keywords: Sampling, Aliasing, Signals, Analog, Digitization.

 Tabla de Contenido

1.Introducción.......................................................................................................................................6
2.Marco conceptual..............................................................................................................................7
3. Desarrollo de la práctica...................................................................................................................9
3.1 Practica planteada:..........................................................................................................................9
Conclusiones.......................................................................................................................................10
Bibliografía.........................................................................................................................................11
 Tabla de figuras

Figura 1 Señal graficada...................................................................................................................................9

Figura 2 Señal Recuperada.............................................................................................................................10
Figura 3 Señal Muestreada 800 Hz.................................................................................................................10
Figura 4 Señal 125 Hz....................................................................................................................................11
Figura 5 Señal 215 Hz....................................................................................................................................11
Figura 6 Señal 305 Hz....................................................................................................................................12
Figura 7 Señal 395 Hz....................................................................................................................................12
Figura 8 Señal 500 Hz...................................................................................................................................13
Figura 9 Señal 7525 Hz..................................................................................................................................14
Figura 10 Señal 7650 Hz................................................................................................................................14
Figura 11 Señal 7775 Hz................................................................................................................................15
Figura 12 Señal 7900 Hz................................................................................................................................15
 1. INTRODUCCIÓN

El mundo que conocemos es análogo y dependiente del tiempo, así mismo la naturaleza
analógica de las señales hacen necesario el tratamiento mediante sistemas digitales, es por esto
que previamente se digitalizan, para realizar este proceso se necesita de análisis y cálculos de
modelos para la toma de muestras, este es el procedimiento que llevan a cabo los equipos
tecnológicos, y lo abordaremos en el desarrollo de esta práctica cuya finalidad tiene afianzar los
conceptos de muestreo y aliasing.
 2. MARCO CONCEPTUAL

2.1 Señal:
Una señal es cualquier perturbación física medible que transporta información. Una señal de
audio afecta a la presión que el aire ejerce sobre la membrana de un micrófono. Una señal de
audio puede medirse como el desplazamiento que sufre la membrana respecto de su posición de
equilibro. En el caso de una imagen, una señal luminosa afecta al tipo y cantidad de radiación
electromagnética que alcanza un dispositivo sensible a la luz, como puede ser una película
fotográfica.En general, una señal expresa variaciones continuas de una magnitud física y se
habla, en este caso, de señal analógica.1

2.2 Muestreo:
El muestreo consiste en la conversión de una señal analógica (tiempo continuo) en una señal
digital (tiempo discreto). El Teorema de Muestreo de Shannon establece bajo qué condiciones es
posible recuperar exactamente la señal analógica original a partir de sus muestras.2

2.3 Aliasing:
Cuando la frecuencia de muestreo es inferior al doble de la máxima frecuencia contenida en el
espectro de la señal analógica (frecuencia de Nyquist)3

2.4 Teorema de muestreo de Nyquist:

El teorema trata con el muestreo, que no debe ser confundido o asociado con
la cuantificación, proceso que sigue al de muestreo en la digitalización de una señal y que no es
reversible (se produce una pérdida de información en el proceso de cuantificación, incluso en el
caso ideal teórico, que se traduce en una distorsión conocida 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 de vista del teorema, las muestras discretas de una señal son valores
exactos que no han sufrido redondeo o truncamiento alguno sobre una precisión determinada.4

1
https://w3.ual.es/~vruiz/Docencia/Apuntes/Signals/Sampling/index.html
2
https://www.fceia.unr.edu.ar/tesys/html/circulo/index.html
3
https://www.fceia.unr.edu.ar/tesys/html/circulo/index.html
4
https://www.dsi.uclm.es/personal/miguelfgraciani/mikicurri/docencia/bioinformatica/web_bio/Teoria/Teoria%20de
%20la%20informacion/Teorema%20del%20muestreo.htm
 El teorema demuestra que la reconstrucción exacta de una señal periódica continua en banda
base a partir de sus muestras es matemáticamente posible si la señal está limitada en banda y la
tasa de muestreo es superior al doble de su ancho de banda. Dicho de otro modo, la
información completa de la señal analógica original que cumple el criterio anterior está descrita
por la serie total de muestras que resultaron del proceso de muestreo. No hay nada, por tanto, de
la evolución de la señal entre muestras que no esté perfectamente definido por la serie total de
muestras.

El teorema de muestreo establece que una señal de tiempo continuo de banda limitada, con la
frecuencia más alta (o ancho de banda) igual a B Hz, puede recuperarse de sus muestras siempre
que la frecuencia de muestreo, denotada por Fs, sea mayor o igual a 2B Hz. (o muestras por
segundo). La frecuencia mínima de muestreo se denomina a menudo frecuencia de Nyquist. Por
ejemplo, la frecuencia de muestreo mínima para una señal de voz telefónica (asumiendo un filtro
de paso bajo a 4 kHz) debe ser de 8 KHz (o 8000 muestras por segundo), mientras que la
frecuencia de muestreo mínima para una señal de CD de audio con frecuencias de hasta 22 KHz
debe ser de 44 KHz.5

5
https://www.dsi.uclm.es/personal/miguelfgraciani/mikicurri/docencia/bioinformatica/web_bio/Teoria/Teoria%20de
%20la%20informacion/Teorema%20del%20muestreo.htm
 3. DESARROLLO DE LA PRÁCTICA
3.1 Practica planteada:
Si la frecuencia más alta contenida en una señal analógica Xa (𝑡) es 𝐹max ( y la señal se muestrea a
una tasa 𝐹) > 2𝐹max, es así que Xa(𝑡) se podrá recuperar totalmente a partir de sus muestras
mediante la siguiente función:

Si el criterio anterior no se satisface, quiere decir que hay frecuencias cuyo muestreo coincide con
otras, lo que es llama aliasing.

Desarrollo:

y(t) = sen(4πt) + sen(8πt)

frecuencia de sen(4πt) = 4π / 2π = 2
frecuencia de sen(8πt) = 8π / 2π = 4

Figura 1 Señal graficada

9
 Figura 2 Señal Recuperada

Figura 3 Señal Muestreada 800 Hz

Observar los cambios en las formas de onda de la señal muestreada y la señal recuperada. Graficar
en la misma ventana la señal original, la señal muestreada y la señal recuperada.

10
1.Señal 125 Hz Muestreada y recuperada

Figura 4 Señal 125 Hz

2.Señal 215 Hz Muestreada y recuperada

Figura 5 Señal 215 Hz

11
3.Señal 305 Hz Muestreada y recuperada

Figura 6 Señal 305 Hz

4.Señal 395 Hz Muestreada y recuperada

Figura 7 Señal 395 Hz

12
5.Señal 500 Hz Muestreada y recuperada

Figura 8 Señal 500 Hz

13
1.Señal 7525 Hz muestreo 1ms, muestreada y recuperada.

Figura 9 Señal 7525 Hz

2.Señal 7650 Hz muestreo 1ms, muestreada y recuperada.

Figura 10 Señal 7650 Hz

14
3.Señal 7775 Hz muestreo 1ms, muestreada y recuperada.

Figura 11 Señal 7775 Hz

4.Señal 7900 Hz muestreo 1ms, muestreada y recuperada.

Figura 12 Señal 7900 Hz

15
CODIGO DE MATLAB UTILIZADO:

% Practica Procesamiento de senales

% Muestreo y aliasing
% Desarrollado por: Maria Fernanda Rivera Sanclemente
%Limpiar variables, funciones, ventana de comandos y figuras
clear; clc; clf
%Constantes
f1=input('frecuencia de la senal(f1): '); %Armonico de mayor frecuencia
f2=input('frecuencia de la senal(f2): '); %Armonico de menor frecuencia
M=3; %Limite superior de la amplitud
m=-3; %Limite inferior de la amplitud
a=-1; %Tiempo de inicio de la señal
b=1; %Tiempo final de la señal
fs=10; %frecuencia de muestreo
ab=b-a; %Intervalo de la señal
%vector de tiempo cuasicontinuo
fc=100*f1; %Frecuencia usada para visualizar la señal como analogica
tc=1/fc;
t=[a:tc:b];
%vector de tiempo de señal muestreada
ts=1/fs;
td=[a:ts:b];
%Señal a muestrear
yc=sin(2*pi*f1*t)+sin(2*pi*f2*t);
%Se?al muestreada
yd=sin(2*pi*f1*td)+sin(2*pi*f2*td);
%Grafica ambas señales
subplot(3,1,1)
stem(td,yd)
title('Senal muestreada')
axis([a,b,m,M])
subplot(3,1,2), plot(t,yc)
title('Senal original')
axis([a,b,m,M])
hold on
%Rutina para recuperar la se?al original a partir de la muestreada
[xm,xn]=meshgrid(t,td);
aux=(pi/ts)*(xm-xn)+eps;
yi=yd*(sin(aux)./(aux));
%Grafica de la se?al recuperada
plot(t,yi,'r')
title('Senal recuperada')
axis([a,b,m,M])
hold off
% Espectro de la senal
f=linspace(-fs/2,fs/2,length(yc));
subplot(3,1,3), plot(f,fftshift(abs(fft(yc))))
title('Espectro de la senal')
ylabel('Amplitud')
xlabel('frecuencia (Hz)')

16
 CONCLUSIONES

 El teorema de Nyquist Shannon, facilita el muestreo, así las cosas, una señal puede ser reformada por
medio de sus muestras y a frecuencias mucho más bajas que las contenidas en la señal original,
igualmente garantizan la reconstrucción de dicha señal.

 Si la frecuencia de una señal es mayor a la mitad de la frecuencia de muestreo, la señal

reconstruida no será la misma que la original.

 Cuando se ejecuta el muestreo hay perdida de información debido a que la señal no contiene
información sobre la frecuencia de muestreo.

 Mediante el desarrollo del muestreo se evidencia que se deben tomar valores de la señal en
diferentes intervalos de tiempo los cuales deben constantes.

 Por medio de Matlab se analiza el proceso de muestreo de una señal, el cual realizan los equipos
electrónicos conversores AD que resultan transparentes para los usuarios.

17
 BIBLIOGRAFIA

• OPPENHEIM, A. V. (2000) Tratamiento de señales en tiempo discreto.Madrid: PrenticeHall. 2ed.

• SOLIMAN S., Mandyam D. Señales y Sistemas Continuos y discretos. Segunda Edición Prentice
Hall.
• MARIÑO A., JOSE B.(1999) Tratamiento digital de la señal: una introducción experimental.
México: Alfaomega.2ed.
• Proakis, J. G., & Manolakis, D. G. (2007). Tratamiento Digital de Señales. Madrid: Prentice Hall.
• Ingle, V. K., & Proakis, J. G. (2011). Digital Signal Processing using MATLAB. Cengage
Learning.
• Lyons, R. G. (2010). Understanding Digital Signal Processing. Prenice Hall.
• Hayes, M. H. (1996). Statistical digital signal processing and modeling. John Wiley and Sons.
• Hayes, M. H. (1999). Digital Signal Processing. McGraw Hill.
• Haykin, S. (1996). Adaptive filter theory. Prentice Hall.
• Gonzalez, R. C., & Woods, R. E. (2002). Digital Image Processing. Adison Wealey.
• Rabiner, L. R., & Gold, B. (1975). Theory and Application of Digital Signal Processing. Prentice
Hall.
• Burrus, C. S., McClellan, J. H., Oppenheim, A. V., Parks, T. W., Schafer, R. W., & Schuessler, H.
W. (1998). Ejercicios de tratamiento de la señal utilizando Matlab v. 4. Prentice Hall.
• Soria, E., Martinez, M., Frances, J. V., & Camps, G. (2003). Tratamiento digital de señales.
Problemas y ejercicios resueltos. Prentice Hall.
• Bold, B. A. (1988). De Earthquakes. W. H. Freeman and Company.
• Paley, R., & Wiener, N. (1934). Fourier transforms in the complex domain. AMS Coll.

18