Guía de actividades y rúbrica de evaluation - Tarea 2
Reconocer los elementos matemáticos que implica la
conversión Analógica Digital
Luis Rene Sanchez Forero_Cod:1098652525
Universidad Nacional Abierta y a Distancia – UNAD
Escuela de Ciencias Básicas, Ingenierías y Tecnologías
Tratamiento digital de señales
La idea general de esta actividad se espera conseguir los
siguientes resultados de aprendizaje:
Comprender los conceptos y procedimientos que integran la
conversión analógica digital, y su implicación en el dominio de
la frecuencia y del tiempo, mediante análisis matemático
I. INTRODUCCIÓN
La siguiente actividad se basa en reconocer el curso de
tratamiento digital de señales como base fundamental en el
trámite del desarrollo del estudio de las telecomunicaciones. se
debe desarrollar en los siguientes pasos; Paso inicial para
fomentar la buena comunicación entre los docentes y
compañeros, actualizar perfil personal, diligenciar los datos
faltantes como, ciudad de ubicación, centro donde se matriculó,
programa, fotografía, etc. Paso 1 se realizará la investigación y
descripción de los elementos sobre tipos de señales, función de
transferencia, ventajas sobre señales digitales vs análogas y sus
diferentes aplicaciones en el entorno laboral como científico.
II. RESUMEN
La metodología que se realiza para obtener el mejor
conocimiento frente a la unidad es muy acertada. Se investiga
en las diferentes lecturas propuestas en el curso como la
iniciativa el estudiante en abarcar más conocimiento y
profundización .la definición de los términos motivando a en el
tema. ventajas y desventajas de su señal digital vs análoga
observando la amplitud variedades y tipos de las mencionadas.
Continuando con nuestra presentación se trata de comprender la
funcionalidad y aplicación de los diferentes métodos y
componentes que está compuesto señales digitales, la
convulsión discreta, transformada de Fourier y los diferentes
impulsos de un sistema.
III. OBJECTIVOS
• Entender y comprender con el entorno de tratamiento
digital de señales
• Emplear conocimientos básicos de circuitos y
Matemáticas para posibles ecuaciones
• Dominar de forma natural la operaciones básicas y
funciones incorporadas
• Crear archivos dentro del entorno del programa y
ejecutarlos
• Afianzar el conocimiento adquirido sobre los
diferentes tipos de señales digitales, ventajes y
aplicaciones en el entorno laboral
IV. MARCO TEORICO
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?
La definición más Consiente es que el muestreo se refiere
básicamente en tomar valores de la señal continua que
tenemos. El tiempo que se tarda entre muestra y muestra
se le denomina frecuencia de muestreo. ahora también es
denominado “Discretización de señal”, paso a continuar en
el proceso de conversión de una señal analógica (tiempo y
amplitud continuos) en una señal digital (tiempo y
amplitud discretos).
Imagen 1.

Formula inicial.
+∞
𝑞(𝑡) = ∑ 𝑎𝑘 𝑒 −𝑗𝑘𝜔𝑡
𝑘=−∞
+∞
𝑄(𝜔) = 2𝜋 ∑ 𝑎𝑘 𝑆(𝜔 − 𝑘𝜔𝑀 )
𝑘=−∞
Imagen de muestreo
Imagen 2.
2. ¿Cómo se realiza la cuantización de una señal?
Esta es 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.
Ahora si definimos cuantización es el proceso de asignación de
valores infinitos, de un conjunto de niveles definidos
previamente. A las muestras tomadas por la señal análoga.
Imagen 3.
3. ¿Qué indica el teorema de muestreo de Nyquist?
Cuando hablamos del teorema de muestreo de Nyquist este
explica la relación entre la velocidad de muestreo y la
frecuencia de la señal medida. Ahora dice que una señal
analógica puede ser reconstruida sin error a partir de muestras
tomadas en intervalos iguales de tiempo. La razón de muestreo
debe ser igual, o mayor, al doble de su ancho de banda de la
señal analógica”.
Se sabe que el teorema de Nyquist demuestra que toda la
información de una señal contenida en el intervalo temporal
entre dos muestras cualesquiera, está descrita por la serie total
de muestras, siempre que la señal registrada sea de naturaleza
periódica -como lo son las ondas mecánicas del sonido, o las
ondas electromagnéticas se aplica a través del muestreo
periódico de una señal analógica.
Ahora se muestra una imagen del teorema de Nyquist sin
ejecutar ecuaciones.
Imagen 4.
4. ¿Cuál es el fenómeno llamado Alias o Aliasing?
ahora la definición de aliasing es el efecto que causa que
señales continuas distintas se tornen indistinguibles cuando se
les muestrea digitalmente. Cuando esto sucede, la señal original
no puede ser reconstruida de forma unívoca a partir de la señal
digital.
El aliasing es un motivo de preocupación mayor en lo que
concierne a la conversión analógica-digital de señales
de audio y vídeo: el muestreo incorrecto de señales analógicas
puede provocar que señales de alta frecuencia presenten dicho
aliasing con respecto a señales de baja frecuencia. El aliasing
es también una preocupación en el área de la computación
gráfica e infografía, donde puede dar origen a patrones de
muaré (en las imágenes con muchos detalles finos) y también a
bordes dentados.
Ahora si deseamos calcular para determinar cómo aparece una
señal de entrada a una frecuencia sobre la frecuencia de
Nyquist. Es el valor absoluto del múltiplo entero más cercano
de la frecuencia de muestreo menos la frecuencia de la señal
de entrada.
Imagen 4
 𝑁
(𝑗−1)(𝑘−1)
𝑋(𝑘) = ∑ 𝑥(𝑗)𝜔𝑁
5. ¿Qué realiza la transformada de Fourier? 𝑗=1

La Transformada de Fourier es un instrumento de gran valor

para analizar las funciones no periódicas. Complementa de
esta manera a la Serie de Fourier, que permite analizar 𝑁
1 −(𝑗−1)(𝑘−1)
sistemas donde están involucradas las funciones periódicas. 𝑋(𝑗) = ∑ 𝑥(𝑘)𝜔𝑁
Es decir, mediante la Serie de Fourier podemos representar 𝑁
𝑘=1
una señal periódica en términos de sus componentes
sinusoidales, cada componente con una frecuencia en
particular. La Transformada de Fourier permite hacer esto
mismo con señales no periódicas.

Ahora esta se ejecuta ampliamente utilizada a la hora de

convertir señales entre el dominio del tiempo, dominio de la
frecuencia y viceversa. Las señales se pueden clasificar en
varias maneras, como por ejemplo señales digitales o
analógicas, la transformada de Fourier es una operación
matemática que descompone una señal en la frecuencia que la
Figura 5.
conforma.
La segunda parte consta de la realización de tres (3) ejercicios
1 +∞
𝑓(𝑡) = ∫ 𝐹(𝜔)𝑒 𝑗𝜔𝑡 𝑑𝜔 matemáticos de manera individual, cada uno relacionado con
2𝜋 −∞ los siguientes temas: Muestreo, Cuantización, Transformada
discreta de Fourier Fourier. (Esta última se planteará como la
Esta ecuación es llamada antitransformada de Fourier ecuación de sumatoria de la Transformada discreta de Fourier
– revisar OVI de entorno de conocimiento o web conferencia,
+∞
allí se muestra un ejemplo de cómo desarrollar la TDF
𝑓(𝜔) = ∫ 𝑓(𝑡) 𝑒 −𝑗𝜔𝑡 𝑑𝑡
−∞
matemáticamente, deben realizarlo con los tres últimos dígitos
de su documento de identidad)
Esta ecuación es llamada transformada de Fourier
Muestreo
Para que exista la TF de f(t), se debe cumplir que:
Ejercicio 1.
+∞
∫ |𝑓(𝑡) |𝑑𝑡 < ∞
−∞
𝑺𝒊𝒆𝒏𝒅𝒐 𝒙(𝒕) = 𝟑 𝒔𝒆𝒏(𝟑𝝅 𝒕) + 𝟓 𝒔𝒆𝒏(𝟐𝟓𝝅 𝒕) +
𝟏𝟎 𝒄𝒐𝒔(𝟏𝟏𝟎𝝅 𝒕) + 𝟕 𝒔𝒆𝒏(𝟐𝟎𝟐𝟒 𝝅 𝒕)
6. ¿Qué es la transformada rápida de Fourier?
Resuelva:
La transformada rápida de Fourier FFT es un algoritmo que
reduce el tiempo de cálculo de n2 pasos a n·log2(n). El único A. Encuentre las frecuencias 𝑓0 de cada una de las
requisito es que el número de puntos en la serie tiene que ser componentes de la señal 𝑥(𝑡).
una potencia de 2 (2n puntos)

la Transformada Rápida de Fourier es un algoritmo que

permite calcular eficientemente la Transforma de Fourier Partiendo de frecuencia angular la cual equivale a
Discreta y su inversa. La Transformada Rápida de Fourier es 𝜔 = 2𝜋𝑓
de suma importancia en el análisis, diseño y realización de
algoritmos y sistemas de procesamiento de señales dado que Sabemos que la frecuencia es expresada en Hertz
𝜔
brinda mayor eficiencia tanto en tiempo como en recursos. 𝑓=
Palabras clave: Transformada Rápida de Fourier, FFT, 2𝜋
Hallamos la frecuencia para:
Transformada de Fourier Discreta, Procesamiento de Señales
𝟑 𝒔𝒆𝒏(𝟑𝝅 𝒕)
𝑤 = 2𝜋 ∗ 𝑓
 𝑤 = 2𝜋𝑘𝜋 𝑓𝑎 = 𝑓0 − 𝑆
2𝜋 = 3𝜋 𝑓𝑎 = 55𝐻𝑧 − 100𝐻𝑧 = −45𝐻𝑧
𝑓1 = 1.5 𝐻𝑧 𝑓𝑎 = −10𝑐𝑜𝑠 (45ℎ𝑧)

Hallamos la frecuencia para: Para 𝒇𝟒

𝟓 𝒔𝒆𝒏(𝟐𝟓𝝅 𝒕) 100𝐻𝑧 > 2 ∗ 1012𝐻𝑧

𝑤 = 2𝜋 ∗ 𝑓
𝑤 = 2𝜋𝑘𝜋 100𝐻𝑧 > 2024𝐻𝑧
2𝜋 = 25𝜋
𝑓2 = 12.5𝐻𝑧 presenta fenómeno alias o Aliasing para esto hacemos un
tratamiento matemático para construir la señal.
Hallamos la frecuencia para:
𝑓𝑎 = 𝑓0 − 𝑆
𝟏𝟎 𝒄𝒐𝒔(𝟏𝟏𝟎𝝅 𝒕) 𝑓𝑎 = 1012𝐻𝑧 − 100𝐻𝑧 = 912𝐻𝑧
𝑤 = 2𝜋𝑘𝜋 𝑓𝑎 = 7𝑠𝑒𝑛(912𝐻𝑧)
2𝜋 = 110𝜋
𝑓3 = 55𝐻𝑧
𝒙𝒂 (𝒕) = 𝟑 𝒔𝒆𝒏(𝟑𝝅 𝒕) + 𝟓 𝒔𝒆𝒏(𝟐𝟓𝝅 𝒕) − 𝟏𝟎 𝒄𝒐𝒔(𝟒𝟓𝝅 𝒕)
Hallamos la frecuencia para: + 𝟕 𝒔𝒆𝒏(𝟗𝟏𝟐 𝝅 𝒕)

𝟕 𝒔𝒆𝒏(𝟐𝟎𝟐𝟒 𝝅 𝒕)
𝑤 = 2𝜋𝑘𝜋 C. ¿Se presenta fenómeno alias o aliasing si 𝑥(𝑡) es
2𝜋 = 2024𝜋 muestreada a 𝑆 = 2000 𝐻𝑧? ? Explique paso a paso y si
𝑓4 = 1012𝐻𝑧 presenta alias, encuentre la frecuencia 𝑓𝑎 y reconstruya la
señal 𝑥𝑎(𝑡)
Para que no exista fenómeno alias debe cumplirse

B. ¿Se presenta fenómeno alias o Aliasing si 𝑥(𝑡) es 𝑆 > 2𝐵

muestreada a 𝑆 = 100 𝐻𝑧? Explique paso a paso y si Para 𝒇𝟏
presenta alias, encuentre la frecuencia 𝑓𝑎 y reconstruya la
señal 𝑥𝑎(𝑡) 2000𝐻𝑧 > 2 ∗ 1.5𝐻𝑧

Para que no exista fenómeno alias debe cumplirse 2000𝐻𝑧 > 3𝐻𝑧

𝑆 > 2𝐵 Para 𝒇𝟐
2000𝐻𝑧 > 2 ∗ 12.5𝐻𝑧
Para 𝒇𝟏
2000Hz > 25 𝐻𝑧
100𝐻𝑧 > 2 ∗ 1.5𝐻𝑧
Para 𝒇𝟑
100𝐻𝑧 > 3𝐻𝑧 2000𝐻𝑧 > 2 ∗ 55𝐻𝑧

Para 𝒇𝟐 2000𝐻𝑧 > 110𝐻𝑧

100𝐻𝑧 > 2 ∗ 12.5𝐻𝑧
Para 𝒇𝟒
100Hz > 25 𝐻𝑧
2000𝐻𝑧 > 2 ∗ 1012𝐻𝑧
Para 𝒇𝟑
100𝐻𝑧 > 2 ∗ 55𝐻𝑧 2000𝐻𝑧 > 2024𝐻𝑧

100𝐻𝑧 > 110𝐻𝑧
presenta fenómeno alias o Aliasing para esto hacemos un
tratamiento matemático para construir la señal.
presenta fenómeno alias o Aliasing para esto hacemos un
tratamiento matemático para construir la señal.
𝑓𝑎 = 𝑓0 − 𝑆
𝑓𝑎 = 1012𝐻𝑧 − 2000𝐻𝑧 = −988𝐻𝑧
 𝑓𝑎 = −7𝑠𝑒𝑛(988𝐻𝑧) 𝑺 ≥ 𝟐𝒇𝟎

Ahora Teniendo en cuenta que la señal principal nos muestra

𝒙𝒂 (𝒕) = 𝟑 𝒔𝒆𝒏(𝟑𝝅 𝒕) + 𝟓 𝒔𝒆𝒏(𝟐𝟓𝝅 𝒕) − 𝟏𝟎 𝒄𝒐𝒔(𝟏𝟏𝟎𝝅 𝒕)
una frecuencia máxima de 1012𝐻𝑧 , cuando esta frecuencia
+ 𝟕 𝒔𝒆𝒏(𝟗𝟖𝟖 𝝅 𝒕)
debe ser 𝑠 = 2𝑓𝑚𝑎𝑥 lo que nos da un valor de 2024𝐻𝑧

𝒔 = 𝟐𝒇𝒎𝒂𝒙
D. ¿Halle el ancho de banda de la señal 𝑥(𝑡) y el ancho de
banda de las dos señales reconstruidas en 1.2 y 1.3? 𝑠 = 2(1012𝐻𝑧)

La informacion que temenos es la siguiente: 𝑠 = 2024𝐻𝑧

𝒇𝒎𝒊𝒏 = 1.5𝐻𝑧
Cuantización
𝒇𝒎𝒂𝒙 = 1012𝐻𝑧
Ejercicio 1
Procedemos a hallar el ancho de banda
El número de niveles 𝐿 del cuantizador utilizado en un
𝐵𝑤 = 𝑓𝑚𝑎𝑥 − 𝑓𝑚𝑖𝑛 convertidor analógico digital (ADC) es una potencia de 2. Por
lo tanto, 𝐿 = 2𝐵 , donde B es el número de bits.
𝐵𝑤 = 1012𝐻𝑧 − 1.5𝐻𝑧
Ejercicio 1:
Se va a muestrear una señal con niveles de amplitud entre -5V
𝐵𝑤 = 1010.5 𝐻𝑧 y 5V, y se va a cuantizar por redondeo con un error rms 𝜎=20
𝑚𝑉.
El ancho de banda de la señal 𝑥(𝑡) es de 1010.5 𝐻𝑧.
A. ¿Cuántos bits 𝐵 se requieren?
Para la primera señal reconstruida:
Para iniciar debemos o Necesitamos conocer el intervalo
completo, para este caso es 12𝑣, para calcular el error rms
𝒇𝒎𝒊𝒏 = 1.5𝐻𝑧 usamos la siguiente formula:
𝒇𝒎𝒂𝒙 = 912𝐻𝑧
Tenemos lo siguiente
𝐵𝑤 = 𝑓𝑚𝑎𝑥 − 𝑓𝑚𝑖𝑛

𝐵𝑤 = 912𝐻𝑧 − 1.5𝐻𝑧 𝛔 = 𝟐𝟎 𝐦𝐕

𝐵𝑤 = 910.5 𝐻𝑧 Amplitud = −5V y 5V

D = 10V
segunda señal reconstruida: 𝐷
𝜎=
𝐵
2 √12
𝒇𝒎𝒊𝒏 = 1.5𝐻𝑧
𝒇𝒎𝒂𝒙 = 988𝐻𝑧 Ahora despejamos _B:

𝐷
𝐵𝑤 = 𝑓𝑚𝑎𝑥 − 𝑓𝑚𝑖𝑛 𝐵 = 𝑙𝑜𝑔2
𝜎√12
𝐵𝑤 = 988𝐻𝑧 − 1.5𝐻𝑧
10
𝐵 = log 2
𝐵𝑤 = 986.5 𝐻𝑧 0.020√12

E. ¿Halle la frecuencia de muestreo para que la señal 𝑥(𝑡) no 10

𝐵 = 𝑙𝑜𝑔2
presente fenómeno de Alias.? 0.0692820323
 𝐵 = 𝑙𝑜𝑔2 (144.3375673) 𝑵−𝟏
𝟏
𝑷𝑵 = ∑ 𝒆𝟐 [𝒏]
𝑵
𝐵 = 7.17333030 = 𝟕 𝒏=𝟎

𝑵=𝟖
B. ¿Si el cuantizador ahora es de 15 bits, cuál sería su Reemplazamos el valos de N en la formula .
error 𝑟𝑚𝑠 𝜎?
1 2
Tenemos lo siguiente. 𝑃𝑁 = {𝑒 [0] + 𝑒 2 [1]+𝑒 2 [2] + 𝑒 2 [3]+𝑒 2 [4]
8
+ 𝑒 2 [5] + 𝑒 2 [6] + 𝑒 2 [7]}
𝑫 = 𝟏𝟎
𝑩 = 𝟏𝟓
1
Aplicamos la formula para este caso: 𝑃𝑁 = {(0.2)2 + (0.2)2 +(0.2)2 + (0.3)2 +(0.6)2
8
𝐷 + (0.5)2 + (0.1)2 + (0.3)2 }
𝜎=
2𝐵 √12
1
𝑃𝑁 = {0.04 + 0.04 + 0.04 + 0.09 + 0.36 + 0.25
10 8
𝜎= + 0.01 + 0.09}
215 √12

10 𝟏
𝜎= 𝑷𝑵 = {𝟎. 𝟗𝟐}
32768√12 𝟖

10 𝑷𝑵 = 𝟎. 𝟏𝟏𝟓
𝜎=
113511.6817

𝜎 = 0.00008809665
E. ¿Cuál es la potencia de la señal muestreada?
𝜎 = 88𝑢𝑉
Aplicaremos la siguiente formula:
Las señales 𝑥[𝑛] 𝑦 𝑥𝑞[𝑛] 𝑠𝑜𝑛:
𝑁−1
1
𝑥[𝑛]= {0.3, 0.4, 1.5, 2.0, 3.4, 2.8, 3.0, 3.4} 𝑃𝑆 = ∑ 𝑥 2 [𝑛]
𝑁
𝑛=0
𝑥𝑞[𝑛]= {0.1, 0.2, 1.3, 1.7, 2.8, 2.3 ,2.9, 3.1}
𝑵=𝟖
Reemplazamos el valos de N en la formula .
C. ¿Cuál es la señal de error 𝑥𝑒(𝑛) ? 1
𝑃𝑆 = {𝑥 2 [0] + 𝑥 2 [1]+𝑥 2 [2] + 𝑥 2 [3]+𝑥 2 [4] + 𝑥 2 [5]
8
𝒆[𝒏] = 𝒙[𝒏] − 𝒙𝒒 [𝒏] + 𝑥 2 [6] + 𝑥 2 [7]}

1
𝒆[𝒏] = {0.3 − 0.1 ,0.4 − 0.2, 1.5 − 1.3, 2.0 − 1.7, 3. −2.8, 2.8 𝑃𝑆 = {(0.1)2 + (0.2)2 + (1.3)2 + (1.7)2 + (2.8)2 + (2.3)2
− 2.3, 3.0 − 2.9, 3.4 − 3.1} 8
+ (2.9)2 + (3.1)2 }
𝒆[𝒏] = { 𝟎. 𝟐, 𝟎. 𝟐, 𝟎. 𝟐, 𝟎. 𝟑, 𝟎. 𝟔, 𝟎. 𝟓, 𝟎. 𝟏, 𝟎. 𝟑} 1
𝑃𝑆 = {0.1 + 0.4 + 1.69 + 2.89 + 7.84 + 5.29
8
+ 8.41 + 9.61}
D. ¿Cuál es la potencia de la señal de ruido?
1
Apicamos la siguiente formula para el desarrolo de este 𝑃𝑆 = {36.23}
punto 8

𝑃𝑆 = 4.52875 𝑑𝐵
 −𝑗2𝜋 −𝑗4𝜋
F. ¿Cuál es la relación señal ruido del cuantizador 𝑋(𝑘1 ) = 𝑥(0) + 𝑥(1)𝑒 3 + 𝑥(2)𝑒 3
𝑆𝑁𝑅𝑄?
−𝑗2𝜋 −𝑗4𝜋
𝑋(𝑘1 ) = 5 + 2𝑒 3 + 5𝑒 3

Usaremos la siguiente formula:

En este caso aplicamos la fórmula de identidad de Euler
𝑷𝑺
𝑺𝑵𝑹𝑸 (𝒅𝑩) = 𝟏𝟎 𝒍𝒐𝒈 2𝜋 2𝜋
𝑷𝑵 𝑋(𝑘1 ) = 5 + 2 (cos ( ) − 𝑗𝑠𝑒𝑛 ( )
3 3
4𝜋 4𝜋
𝑃𝑆 = 4.52875 + 5 cos ( ) − 𝑗𝑠𝑒𝑛 ( ) )
3 3
𝑃𝑁 = 0.115 2𝜋 2𝜋
𝑋(𝑘1 ) = 5 + 2 cos ( ) − 2𝑗𝑠𝑒𝑛 ( )
3 3
4.52875 4𝜋 4𝜋
𝑆𝑁𝑅𝑄 (𝑑𝐵) = 10 𝑙𝑜𝑔 + 5 cos ( ) − 5𝑗𝑠𝑒𝑛 ( )
0.115 3 3
𝑺𝑵𝑹𝑸 (𝒅𝑩) = 𝟑𝟗. 𝟑𝟖𝒅𝑩
1 √3 1 √3
𝑥(𝑘1 ) = 5 + 2 (− − 𝑖 ) + 5 (− + 𝑖 )
2 2 2 2
En la tercera parte cada estudiante realizará el algoritmo de la
Transformada Discreta de Fourier, en el cual debe estar
planteada la sumatoria de la transformada con dos ciclos for. 𝑥(𝑘1 ) = 5 − 1 + 1.7320𝑖 − 2.5 − 4.33𝑖
Dicho algoritmo se realizará para una señal de longitud de tres
(3) muestras. Los tres valores de las muestras corresponden a 𝑿(𝒌𝟏 ) = 𝟏. 𝟓 − 𝟐. 𝟓𝟗𝟖𝒋
los tres últimos números del documento de identificación.
Cada estudiante realizará un video en YouTube, en el cual 𝑷𝒂𝒓𝒂 𝒌 = 𝟐
explicará línea a línea el funcionamiento del algoritmo de la
transformada discreta de Fourier (TDF) −𝑗2𝜋(2)(0) −𝑗2𝜋(2)(1) −𝑗2𝜋(2)(2)
𝑋(𝑘2 ) = 𝑥(0)𝑒 3 + 𝑥(1)𝑒 3 + 𝑥(2)𝑒 3

En este caso mi cedula es :1098652525 −𝑗4𝜋 −𝑗8𝜋

𝑋(𝑘2 ) = 𝑥(0) + 𝑥(1)𝑒 3 + 𝑥(2)𝑒 3
𝑥[𝑛] = [5, 2, 5 ]
−𝑗4𝜋 −𝑗8𝜋
𝑋(𝑘2 ) = 5 + 2𝑒 3 + 5𝑒 3
Tenemos la ecuación de la transformada discreta de Fourier:
∞ En este caso aplicamos la fórmula de identidad de Euler
−𝒋𝟐𝝅𝒌𝒏
𝑿(𝒌) = ∑ 𝒙(𝒏)𝒆 𝑵
4𝜋 4𝜋
−∞ 𝑋(𝑘2 ) = 5 + 2 (cos ( ) − 𝑗𝑠𝑒𝑛 ( )
3 3
8𝜋 8𝜋
+ 5 cos ( ) − 𝑗𝑠𝑒𝑛 ( ) )
3 3
𝑷𝒂𝒓𝒂 𝒌 = 𝟎
4𝜋 4𝜋 8𝜋 8𝜋
−𝑗2𝜋(0)(0) −𝑗2𝜋(0)(1) −𝑗2𝜋(0)(2) 𝑥(𝑘2 ) = 5 + 2 (𝑐𝑜𝑠 − 𝑗 𝑠𝑖𝑛 ) + 5 (𝑐𝑜𝑠 − 𝑗 𝑠𝑖𝑛 )
𝑥(𝑘0 ) = 𝑥(0)𝑒 3 + 𝑥(1)𝑒 3 + 𝑥(2)𝑒 3 3 3 3 3

𝑋(𝑘0 ) = 𝑥(0) + 𝑥(1) + 𝑥(2) 1 √3 1 √3

𝑋[𝑘2 ] = 5 + 2 (− + 𝑖 ) + 5 (− − 𝑖 )
2 2 2 2
𝑋(𝑘0 ) = 5 + 2 + 5

𝑿(𝒌𝟎 ) = 𝟏𝟐 + 𝟎𝒋 𝑥(𝑘2 ) = 5 − 1 + 1.7320𝑖 − 2.5 − 4.33𝑖

𝑷𝒂𝒓𝒂 𝒌 = 𝟏 𝑿(𝒌𝟐 ) = 𝟏. . 𝟓 − 𝟐. 𝟓𝟗𝟖𝒋

−𝑗2𝜋(1)(0) −𝑗2𝜋(1)(1) −𝑗2𝜋(1)(2)

𝑋(𝑘1 ) = 𝑥(0)𝑒 3 + 𝑥(1)𝑒 3 + 𝑥(2)𝑒 3
Comparamos los resultados en Matlab:

Algoritmo en Matlab

Link de video:
https://youtu.be/yuejpFt0z4g

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.
VI. BIBLIOGRAFIA
Ambardar, A. (2002). Muestreo Ideal. En Procesamiento de
señales analógicas y digitales (2nd ed., pp. 446-455). Ciudad
de México, México: Cengage Learning. Recuperado de
https://go-gale-
com.bibliotecavirtual.unad.edu.co/ps/i.do?p=GVRL&u=unad
&id=GALE|CX4060300145&v=2.1&it=r&sid=GVRL&asid=
495113b6
Hispasonic. (s. f.). Tabla: Rango de frecuencias de los
instrumentos musicales. Recuperado 13 de septiembre de
2021, de https://www.hispasonic.com/reportajes/tabla-
rango-frecuencias-instrumentos-musicales/39

La respuesta es de 20 a 20.000 Hz La ciencia del sonido

La frecuencia de las ondas sonoras determina su tono y se

suele medir en hercios (Hz), una unidad que equivale a una
onda por segundo. El oído humano es capaz de percibir un
amplio rango de frecuencias: aproximadamente de 20 a 20.000
Hz.

Instrumentos musicales
INSTRUMENTO RANGO FREC.
FRECUENCIAS MUESTREO
Guitarra acústica 82-988Hz 1-15KHz
Tambor 100-200Hz 400Hz
Bajo Eléctrico 41-300Hz 600Hz
Saxo soprano 247-1175Hz 2-12KHz
Piano 28-4196Hz 8200Hz

V. Conclusiones
En la ejecución y elaboración del documento se evidencio el
manejo de las herramientas de búsqueda para ampliar
conocimiento. también se observó la amplitud Comprender los
conceptos y procedimientos que integran la conversión
analógica digital, y su implicación en el dominio de la frecuencia
y del tiempo, mediante análisis matemático. Utilizando mayoría
de fórmulas como muestreo, cuantización y la más aplicada en
los métodos de circuitos Fourier