Teoría de Muestreo,

Discretización y Reconstrucción de Señales

A. Deisy Julieth, B. Juan David, C. Sergio Andrés

Abstract—The present report contemplates the mathematical

model, implementation and simulation of an electronic system that
performs the sampling and retention of an analog signal in order to
understand the concept of sampling, sampling period, retention and
the theory corresponding to them. In addition, through the
implementation and identification of technical specifications of a
data acquisition card and programming softwares (Labview and
Matlab), the aim is to observe the discretization and reconstruction of
signals.

Resumen— En este documento se presenta el manejo,

aplicaciones y análisis de la transformada de Fourier discreta, Fig. 2. Modelo temporal y discretización señal 1.
tanto inversa como directa, mediante simulaciones con Matlab y
Labview, y procedimientos matemáticos y analíticos.
Del mismo modo el resultado de modelación temporal y
Keywords—Sampling theory, Fourier, Signal reconstruction, discretización de la señal del lado derecho, es expuesto en la
Signal discretization, Data acquisition, Data conversion.
figura 3.
I. INTRODUCCIÓN

II. DESARROLLO DE LA PRÁCTICA

Se presentan a continuación una serie de actividades,
desarrolladas cronológicamente, con el fin de dar
cumplimiento al desarrollo e implementación de la segunda
guía de laboratorio, pertinente a convolución discreta,
transformada discreta de Fourier y FFT.
A. Convolución y correlación discreta Fig. 3. Modelación temporal y discretización señal 2.

Los códigos respectivos a la modelación en tiempo, y su

En primera instancia, se plantea el modelado en tiempo de las
discretización se presentan en anexos, en discretizacion.m.
señales mostradas en la siguiente figura. Dichas señales en
términos de funciones escalón. Posterior a ello graficar las
De las señales expuestas en las figuras 2 y 3, se obtienen los
funciones correspondientes usando comandos STEPFUN,
puntos de amplitud dependientes del periodo de muestreo.
STEAM y PLOT en el software MATLAB.
Con esto en mente se realiza la convolución y correlación de
la señal 1 con la señal 2 expuestas anteriormente.

Fig. 1. Señales de trabajo.

La señal expuesta en la figura 1, del lado izquierdo es

modelada temporalmente y posterior a ello discretizada con un
periodo de muestro de Tm= 0.3s. La señal resultante es
expuesta en la figura 2.
Fig. 4. Convolución señal 1 – señal 2.
 N−1 j 2 πkn
1
X [ k ]=
N
∑ x [ n ]∗e N
(2)
n=0

De igual manera se encuentran en el anexo DFT-IDF.pdf.

Las gráficas obtenidas se pueden observar en la Figura 6, 7, 8,

9.

Fig. 6. Señales alternante y cuadrada en el dominio n.

Fig. 7. Espectros reales e imaginarios.

Fig. 5. Correlación señal 1 – señal 2.
Los códigos respectivos a la convolución y correlación se
Fig. 8. Espectros de magnitud y fase.
presentan en anexos.

Fig. 9. Señales reconstruidas a partir de los espectros en

frecuencia.
B. Transformada discreta de Fourier calculo analítico
Se calculó de manera analítica la DFT y la IDFT de las dos
señales, la primera era una señal alternante igual a:

X [ 0 ] = X [ 2 ] = X [ 4 ]=2 y X [ 1 ] =X [ 3 ] =X [ 5 ] =−2

Donde se tienen 6 muestras y partiendo de la definición de

la DFT:

N −1 − j 2 πkn
X [ k ]= ∑ x [ n ]∗e N
(1)
n=0

Se obtiene la que:

( ) ( )
5 5
πkn πkn
X [k ]=∑ x [ n ]∗cos − j ∑ x [ n ]∗sen
n=0 3 n=0 3

El desarrollo completo del punto, se anexó en DFT-

IDF.pdf. Para la segunda señal se tenía una señal cuadrada
igual a:

X [ 0 ] = X [ 1 ] = X [ 2 ] = X [ 3 ]=2 y
X [ 4 ] =X [ 5 ] = X [ 6 ] =X [ 7 ] =−2

Y partiendo de la misma definición que la señal anterior (1)

se llegó a:

( ) ( )
7 7
πkn πkn
X [k ]=∑ x [ n ]∗cos − j ∑ x [ n ]∗sen
n=0 4 n=0 4

El desarrollo completo del punto, se anexó en DFT-

IDF.pdf.

Una vez obtenido el espectro real, el imaginario, el de fase

y el de magnitud se procedió a obtener la IDFT de las dos
señales anteriores utilizando la siguiente expresión:
C. Trasformada discreta de Fourier y análisis espectral,
empleando el software Matlab
Mediante el software Matlab se calculó la TDF y evaluó la
representación en el dominio de la frecuencia de las siguientes
señales. Los espectros observados son el de magnitud y fase.
1. 2 sen ( πt4 )+3 cos( 10πt )−3 sen ( 20πt )
Primero se realizó el análisis de la transformada de Fourier de
la señal continua.
En primer lugar se definió las constantes a usar en el
programa, los cuales se muestran en la figura 1.
Fig. 1. Constantes de la señal del inciso C.1
En segundo lugar se generaron las respectivas señales que
conforman la sumatoria de la señal resultante para obtener esta
última, graficándolas para observar su comportamiento.
También se graficó la señal resultante para observar su
comportamiento. La generación de tales señales se encuentra
en el código respectivo descrito en Matlab el cual se encuentra
en los anexos: Punto 3.2.4\A\TFF_Matlab\FFT
Fig. 2. Gráficas de las señales que conforman la sumatoria
de la señal resultante, junto con la señal resultante sin y
con ruido.
En la anterior figura se observa en la parte inferior otra señal,
esta es la misma señal resultante pero con ruido. Tal ruido se
generó de la siguiente manera.
Fig. 3. Código generación de la señal resultante con ruido.
La señal resultante se denominó x y la señal con ruido xr.
Se empleó el comando randn(), el cual cumple la función de
generar valores aleatorios, en este caso dentro del vector de
tiempo.
En tercer lugar, se calculó la transformada de Fourier, el
espectro en magnitud y el espectro en fase de la señal sin
ruido, por medio de los comandos fft(), abs() y angle(), tal
como se muestra a continuación. También se muestra el
comportamiento gráfico obtenido.
Fig. 4. Código cálculo de la transformada de Fourier y
espectros frecuenciales en magnitud y fase.

Fig. 5. Comportamiento gráfico de la señal sin ruido:

transformada de Fourier y espectros frecuenciales en
magnitud y fase.

En cuarto lugar, se calculó la transformada de Fourier, el

espectro en magnitud y el espectro en fase de la señal con
ruido, por medio de los comandos fft(), abs() y angle(), tal
como se hizo en el caso anterior. A continuación se muestra el
comportamiento gráfico obtenido.
Fig. 6. Comportamiento gráfico de la señal con ruido:
transformada de Fourier y espectros frecuenciales en
magnitud y fase.

Por último se realizó la reconstrucción de la señal con y sin

ruido por medio del comando ifft().
Fig. 9. Constantes de la señal discretizada del inciso C.1,
cumplimiento del criterio de Nyquist.

En segundo lugar se generaron las respectivas señales que

conforman la sumatoria de la señal resultante para obtener esta
última, graficándolas para observar su comportamiento.
También se graficó la señal resultante para observar su
comportamiento.

La generación de tales señales se encuentra en el código

respectivo descrito en Matlab el cual se encuentra en los
anexos: Punto 3.2.4\A\TDF_Matlab\Cumplimiento_TDF. En
este se observa que se remplazó la variable t1 por n1/Fs1 con
el fin de discretizar las señales.
Fig. 7. Código cálculo de la transformada inversa de Fourier.

Fig. 10. Código para discretización de una señal. Se observa

la discretización de la señal 2*sin((π*t)/4).

Fig. 11. Gráficas de las señales que conforman la sumatoria

de la señal resultante, junto con la señal resultante sin y
con ruido.

En la anterior figura se observa en la parte inferior otra señal,

esta es la misma señal resultante pero con ruido. Tal ruido se
Fig. 8. Comportamiento gráfico, reconstrucción de la señal
generó empleando el comando randn(), el cual cumple la
con y sin ruido.
función de generar valores aleatorios, tal como se hizo con el
análisis de la transformada de Fourier de la señal continua
Segundo se realizó el análisis de la transformada de Fourier de
(Ver Fig. 3.), pero en este caso dentro del vector de n.
la señal discretizada con una frecuencia de muestreo que
cumpla el criterio de Nyquist.
En tercer lugar, se calculó la transformada de Fourier, el
espectro en magnitud y el espectro en fase de la señal sin
En primer lugar se definió las constantes a usar en el
ruido, por medio de los comandos fft(), abs() y angle(), tal
programa, los cuales se muestran a continuación.
como se hizo con el análisis de la transformada de Fourier de
la señal continua (Ver Fig. 4). A continuación muestra el
comportamiento gráfico obtenido.

Fig. 12. Comportamiento gráfico de la señal discretizada sin
ruido: transformada de Fourier y espectros frecuenciales
en magnitud y fase.
En cuarto lugar, se calculó la transformada de Fourier, el
espectro en magnitud y el espectro en fase de la señal con
ruido, por medio de los comandos fft(), abs() y angle(), tal
como se hizo con el análisis de la transformada de Fourier de
la señal continua. A continuación muestra el comportamiento
gráfico obtenido.
Fig. 13. Comportamiento gráfico de la señal discretizada con
ruido: transformada de Fourier y espectros frecuenciales
en magnitud y fase.
Por último se realizó la reconstrucción de la señal con y sin
ruido por medio del comando ifft(), tal como se hizo con el
análisis de la transformada de Fourier de la señal continua.
Fig. 14. Comportamiento gráfico, reconstrucción de la señal
con y sin ruido.
Tercero se realizó el análisis de la transformada de Fourier de
la señal discretizada con una frecuencia de muestreo que
incumpla el criterio de Nyquist.
En primer lugar se definió las constantes a usar en el
programa, los cuales se muestran a continuación.
Fig. 15. Constantes de la señal discretizada del inciso C.1,
incumplimiento del criterio de Nyquist.
En segundo lugar se generaron las respectivas señales que
conforman la sumatoria de la señal resultante para obtener esta
última, graficándolas para observar su comportamiento.
También se graficó la señal resultante para observar su
comportamiento.
La generación de tales señales se encuentra en el código
respectivo descrito en Matlab el cual se encuentra en los
anexos: Punto 3.2.4\A\TDF_Matlab\
IncumplimientoNyquist_TDF. En este se observa que se
remplazó la variable t1 por n1/Fs1 con el fin de discretizar las
señales, tal como se hizo en el análisis de la transformada de
Fourier de la señal discretizada con una frecuencia de
muestreo que cumpla el criterio de Nyquist (Ver Fig. 10).
 la señal continua. A continuación muestra el comportamiento
gráfico obtenido.

Fig. 16. Gráficas de las señales que conforman la sumatoria

de la señal resultante, junto con la señal resultante sin y
con ruido.

En la anterior figura se observa en la parte inferior otra señal,

esta es la misma señal resultante pero con ruido. Tal ruido se
generó empleando el comando randn(), el cual cumple la
función de generar valores aleatorios, tal como se hizo con el
análisis de la transformada de Fourier de la señal continua
(Ver Fig. 3.), pero en este caso dentro del vector de n.
Fig. 18. Comportamiento gráfico de la señal discretizada con
En tercer lugar, se calculó la transformada de Fourier, el ruido: transformada de Fourier y espectros frecuenciales
espectro en magnitud y el espectro en fase de la señal sin en magnitud y fase.
ruido, por medio de los comandos fft(), abs() y angle(), tal Por último se realizó la reconstrucción de la señal con y sin
como se hizo con el análisis de la transformada de Fourier de ruido por medio del comando ifft(), tal como se hizo con el
la señal continua (Ver Fig. 4). A continuación muestra el análisis de la transformada de Fourier de la señal continua.
comportamiento gráfico obtenido.

Fig. 17. Comportamiento gráfico de la señal discretizada sin

ruido: transformada de Fourier y espectros frecuenciales en Fig. 19. Comportamiento gráfico, reconstrucción de la señal
magnitud y fase. con y sin ruido.

En cuarto lugar, se calculó la transformada de Fourier, el 2. Señal diente de sierra

espectro en magnitud y el espectro en fase de la señal con
ruido, por medio de los comandos fft(), abs() y angle(), tal Primero se realizó el análisis de la transformada de Fourier de
como se hizo con el análisis de la transformada de Fourier de la señal continua.
En primer lugar se definió las constantes a usar en el
programa, los cuales se muestran en la siguiente figura.

Fig. 20. Constantes de la señal del inciso C.2.

En segundo lugar se graficó la señal generada por medio del

comando sawtooth(), donde la observada en la parte inferior
de la siguiente figura es la misma señal pero con ruido. Se
empleó el comando randn(), el cual cumple la función de
generar valores aleatorios, en este caso dentro del vector de
tiempo, tal como se mostró en el inciso C.1. El código descrito
en Matlab se encuentra en los anexos: Punto 3.2.4\B\Senal
Sawtooth Matlab\TFF_Matlab\FFT Fig. 22. Comportamiento gráfico de la señal sin ruido:
transformada de Fourier y espectros frecuenciales en
magnitud y fase.

En cuarto lugar, se calculó la transformada de Fourier, el

espectro en magnitud y el espectro en fase de la señal con
ruido, por medio de los comandos fft(), abs() y angle(), tal
como se hizo en el inciso C.1. A continuación se muestra el
comportamiento gráfico obtenido.

Fig. 21. Señal diente de sierra con y sin ruido

En tercer lugar, se calculó la transformada de Fourier, el

espectro en magnitud y el espectro en fase de la señal sin
ruido, por medio de los comandos fft(), abs() y angle(), tal
como se hizo en el inciso C.1. A continuación se muestra el
comportamiento gráfico obtenido.

Fig. 23. Comportamiento gráfico de la señal con ruido:

transformada de Fourier y espectros frecuenciales en
magnitud y fase.

Por último se realizó la reconstrucción de la señal con y sin
ruido por medio del comando ifft(), tal como se hizo con el
análisis de la transformada de Fourier del inciso C.1.
En este se observa que se remplazó la variable t1 por n1/Fs1
con el fin de discretizar la señal, tal como se mostró en el
inciso C.1. El código descrito en Matlab se encuentra en los
anexos: Punto 3.2.4\B\Senal Sawtooth Matlab\TDF_Matlab\
Cumplimiento_TDF.

Fig. 26. Señal diente de sierra discretizada con y sin ruido.

Fig. 24. Comportamiento gráfico, reconstrucción de la señal
con y sin ruido.
Segundo se realizó el análisis de la transformada de Fourier de
la señal discretizada con una frecuencia de muestreo que
cumpla el criterio de Nyquist.
En tercer lugar, se calculó la transformada de Fourier, el
espectro en magnitud y el espectro en fase de la señal sin
ruido, por medio de los comandos fft(), abs() y angle(), tal
como se hizo en el inciso C.1. A continuación se muestra el
comportamiento gráfico obtenido.

En primer lugar se definió las constantes a usar en el

programa, los cuales se muestran a continuación.

Fig. 25. Constantes de la señal discretizada diente de sierra,

cumplimiento del criterio de Nyquist.

En segundo lugar se graficó la señal generada por medio del

comando sawtooth(), donde la observada en la parte inferior
Fig. 27. Comportamiento gráfico de la señal discretizada sin
de la siguiente figura es la misma señal pero con ruido. Se
ruido: transformada de Fourier y espectros frecuenciales
empleó el comando randn(), el cual cumple la función de
en magnitud y fase.
generar valores aleatorios, en este caso dentro del vector de n.

En cuarto lugar, se calculó la transformada de Fourier, el
espectro en magnitud y el espectro en fase de la señal con
ruido, por medio de los comandos fft(), abs() y angle(), tal
como se hizo en el inciso C.1. A continuación se muestra el
comportamiento gráfico obtenido.
Fig. 28. Comportamiento gráfico de la señal discretizada con
ruido: transformada de Fourier y espectros frecuenciales
en magnitud y fase.
Por último se realizó la reconstrucción de la señal con y sin
ruido por medio del comando ifft(), tal como se hizo con el
análisis de la transformada de Fourier del inciso C.1.
Fig. 29. Comportamiento gráfico, reconstrucción de la señal
con y sin ruido.
Tercero se realizó el análisis de la transformada de Fourier de
la señal discretizada con una frecuencia de muestreo que
incumpla el criterio de Nyquist.
En primer lugar se definió las constantes a usar en el
programa, los cuales se muestran a continuación.
Fig. 30. Constantes de la señal discretizada diente de sierra,
incumpliendo el criterio de Nyquist.
En segundo lugar se graficó la señal generada por medio del
comando sawtooth(), donde la observada en la parte inferior
de la siguiente figura es la misma señal pero con ruido. Se
empleó el comando randn(), el cual cumple la función de
generar valores aleatorios, en este caso dentro del vector de n.
En este se observa que se remplazó la variable t1 por n1/Fs1
con el fin de discretizar la señal, tal como se mostró en el
inciso C.1. El código descrito en Matlab se encuentra en los
anexos: Punto 3.2.4\B\Senal Sawtooth Matlab\TDF_Matlab\
IncumplimientoNyquist_TDF.
Fig. 31. Señal diente de sierra discretizada con y sin
ruido.
En tercer lugar, se calculó la transformada de Fourier, el
espectro en magnitud y el espectro en fase de la señal sin
ruido, por medio de los comandos fft(), abs() y angle(), tal
como se hizo en el inciso C.1. A continuación se muestra el
comportamiento gráfico obtenido.
 Por último se realizó la reconstrucción de la señal con y sin
ruido por medio del comando ifft(), tal como se hizo con el
análisis de la transformada de Fourier del inciso C.1.

Fig. 34. Comportamiento gráfico, reconstrucción de la señal

con y sin ruido.
Fig. 32. Comportamiento gráfico de la señal discretizada sin
ruido: transformada de Fourier y espectros frecuenciales 3. Señal cuadrada
en magnitud y fase.
Primero se realizó el análisis de la transformada de Fourier de
En cuarto lugar, se calculó la transformada de Fourier, el la señal continua.
espectro en magnitud y el espectro en fase de la señal con
ruido, por medio de los comandos fft(), abs() y angle(), tal En primer lugar, las constantes a usar son las mismas
como se hizo en el inciso C.1. A continuación se muestra el empleados en el inciso C.2, ya que la frecuencia de la señal
comportamiento gráfico obtenido. cuadrada es la misma de la señal diente de sierra, es decir,
2KHz.

En segundo lugar se graficó la señal generada por medio del

comando square(), donde la observada en la parte inferior de
la siguiente figura es la misma señal pero con ruido. Se
empleó el comando randn(), el cual cumple la función de
generar valores aleatorios, en este caso dentro del vector de
tiempo, tal como se mostró en el inciso C.1. El código descrito
en Matlab se encuentra en los anexos: Punto 3.2.4\B\Senal
Cuadrada Matlab\TFF_Matlab\FFT.

Fig. 33. Comportamiento gráfico de la señal discretizada con

ruido: transformada de Fourier y espectros frecuenciales
en magnitud y fase.
 Fig. 35. Señal cuadrada con y sin ruido.
En tercer lugar, se calculó la transformada de Fourier, el
espectro en magnitud y el espectro en fase de la señal sin
ruido, por medio de los comandos fft(), abs() y angle(), tal
como se hizo en el inciso C.1. A continuación se muestra el
comportamiento gráfico obtenido.
Fig. 36. Comportamiento gráfico de la señal sin ruido:
transformada de Fourier y espectros frecuenciales en
magnitud y fase.
En cuarto lugar, se calculó la transformada de Fourier, el
espectro en magnitud y el espectro en fase de la señal con
ruido, por medio de los comandos fft(), abs() y angle(), tal
como se hizo en el inciso C.1. A continuación se muestra el
comportamiento gráfico obtenido.
Fig. 37. Comportamiento gráfico de la señal con ruido:
transformada de Fourier y espectros frecuenciales en
magnitud y fase.
Por último se realizó la reconstrucción de la señal con y sin
ruido por medio del comando ifft(), tal como se hizo con el
análisis de la transformada de Fourier del inciso C.1.
Fig. 38. Comportamiento gráfico, reconstrucción de la señal
con y sin ruido.
Segundo se realizó el análisis de la transformada de Fourier de
la señal discretizada con una frecuencia de muestreo que
cumpla el criterio de Nyquist.
En primer lugar, las constantes a usar son las mismas
empleados en el inciso C.2, ya que la frecuencia de la señal
cuadrada es la misma de la señal diente de sierra, es decir,
2KHz.
En segundo lugar se graficó la señal generada por medio del
comando square(), donde la observada en la parte inferior de
la siguiente figura es la misma señal pero con ruido. Se
empleó el comando randn(), el cual cumple la función de
generar valores aleatorios, en este caso dentro del vector de
tiempo, tal como se mostró en el inciso C.1. El código descrito
en Matlab se encuentra en los anexos: Punto 3.2.4\B\Senal
Cuadrada Matlab\TDF_Matlab\Cumplimiento_TDF.

Fig. 41. Comportamiento gráfico de la señal discretizada con

ruido: transformada de Fourier y espectros frecuenciales
en magnitud y fase.
Fig. 39. Señal cuadrada discretizada con y sin ruido.
Por último se realizó la reconstrucción de la señal con y sin
ruido por medio del comando ifft(), tal como se hizo con el
En tercer lugar, se calculó la transformada de Fourier, el
análisis de la transformada de Fourier del inciso C.1.
espectro en magnitud y el espectro en fase de la señal sin
ruido, por medio de los comandos fft(), abs() y angle(), tal
como se hizo en el inciso C.1. A continuación se muestra el
comportamiento gráfico obtenido.

Fig. 42. Comportamiento gráfico, reconstrucción de la señal

con y sin ruido.

Tercero se realizó el análisis de la transformada de Fourier de

Fig. 40. Comportamiento gráfico de la señal discretizada sin
ruido: transformada de Fourier y espectros frecuenciales
en magnitud y fase.
En cuarto lugar, se calculó la transformada de Fourier, el
espectro en magnitud y el espectro en fase de la señal con
ruido, por medio de los comandos fft(), abs() y angle(), tal
como se hizo en el inciso C.1. A continuación se muestra el
comportamiento gráfico obtenido.
la señal discretizada con una frecuencia de muestreo que
incumpla el criterio de Nyquist.
En primer lugar, las constantes a usar son las mismas
empleados en el inciso C.2, ya que la frecuencia de la señal
cuadrada es la misma de la señal diente de sierra, es decir,
2KHz.

Fig. 43. Señal discretizada con y sin ruido.
En segundo lugar se graficó la señal generada por medio del
comando square(), donde la observada en la parte inferior de
la siguiente figura es la misma señal pero con ruido. Se
empleó el comando randn(), el cual cumple la función de
generar valores aleatorios, en este caso dentro del vector de
tiempo, tal como se mostró en el inciso C.1. El código descrito
en Matlab se encuentra en los anexos: Punto 3.2.4\B\Senal
Cuadrada Matlab\TDF_Matlab\IncumplimientoNyquist_TDF.
Fig. 44. Comportamiento gráfico de la señal discretizada sin
ruido: transformada de Fourier y espectros frecuenciales
en magnitud y fase.
En tercer lugar, se calculó la transformada de Fourier, el
espectro en magnitud y el espectro en fase de la señal sin
ruido, por medio de los comandos fft(), abs() y angle(), tal
como se hizo en el inciso C.1. A continuación se muestra el
comportamiento gráfico obtenido.
Fig. 45. Comportamiento gráfico de la señal discretizada con
ruido: transformada de Fourier y espectros frecuenciales
en magnitud y fase.
Por último se realizó la reconstrucción de la señal con y sin
ruido por medio del comando ifft(), tal como se hizo con el
análisis de la transformada de Fourier del inciso C.1.
Fig. 46. Comportamiento gráfico, reconstrucción de la señal
con y sin ruido.
4. Señal de audio
Primero se realizó el análisis de la transformada de Fourier de
la señal continua.
En primer lugar se definió las constantes a usar en el
programa, los cuales se muestran en la siguiente figura. Se usó
un archivo de audio dado por el docente en la clase teórica de
la respectiva materia.

Fig. 47. Constantes de la señal de audio.

En segundo lugar se graficó la señal de audio. El código

descrito en Matlab se encuentra en los anexos: Punto 3.2.4\C\
FFT.

Fig. 49. Comportamiento gráfico de la señal de audio:

transformada de Fourier y espectros frecuenciales en
magnitud y fase.

Por último se realizó la reconstrucción de la señal con y sin

ruido por medio del comando ifft().

Fig. 48. Comportamiento gráfico de la señal de audio.

En tercer lugar, se calculó la transformada de Fourier, el

espectro en magnitud y el espectro en fase de la señal de
audio, por medio de los comandos fft(), abs() y angle(). A
continuación se muestra el comportamiento gráfico obtenido.

Fig. 50. Comportamiento gráfico, reconstrucción de la señal

de audio.

Segundo se realizó el análisis de la transformada de Fourier de

la señal discretizada.

En primer lugar, las constantes a usar son las mismas que en la

FFT de la señal de audio continua.

En segundo lugar se graficó la señal de audio. El código

descrito en Matlab se encuentra en los anexos: Punto 3.2.4\C\
TDF.

Fig. 51. Señal de audio discretizada.
En tercer lugar, se calculó la transformada de Fourier, el
espectro en magnitud y el espectro en fase de la señal de
audio, por medio de los comandos fft(), abs() y angle(). A
continuación se muestra el comportamiento gráfico obtenido.
Fig. 52. Comportamiento gráfico de la señal discretizada de
audio: transformada de Fourier y espectros frecuenciales
en magnitud y fase.
Por último se realizó la reconstrucción de la señal con y sin
ruido por medio del comando ifft().
Fig. 53. Comportamiento gráfico, reconstrucción de la señal
de audio.
D. Trasformada discreta de Fourier y análisis espectral,
empleando el software Matlab y Labview
Mediante el software Matlab y labview se calculó la FFT,
TDF y evaluó la representación en el dominio de la frecuencia
de las siguientes señales. Los espectros observados son el de
magnitud y fase.
El código realizado en Matlab tiene la misma estructura y
comandos empleados en el inciso C.
−2 t
1. x ( t )=2 e cos ( 2∗π∗20∗t )
Primero se realizó el análisis de la transformada de Fourier en
Matlab.
En primer lugar se definió las constantes a usar en el
programa, en segundo lugar se generaron las respectivas
señales que conforman la operación de la señal resultante para
obtener esta última. La generación de tales señales se
encuentra en el código respectivo descrito en Matlab el cual se
encuentra en los anexos: Punto 3.2.6\A\TFF_Matlab\FFT para
el análisis de la FFT, en Punto 3.2.6\A\TDF_Matlab\
Cumplimiento_TDF para el análisis de la TDF cumpliendo el
criterio de Nyquist, y en Punto 3.2.6\A\
TDF_Matlab_IncumplimientoNyquist_TDF para el anpalisis
de la TDF uncumpliendo el criterio de Nyquist.
Fig. 54. Señal con y sin ruido en el tiempo continuo
En tercer lugar, se calculó la transformada de Fourier, el
espectro en magnitud y el espectro en fase de la señal sin
ruido, por medio de los comandos fft(), abs() y angle(), tal
como se hizo en el inciso C.1. A continuación se muestra el
comportamiento gráfico obtenido.
 En quinto lugar, se calculó la transformada de Fourier, el
espectro en magnitud y el espectro en fase de la señal sin
ruido, por medio de los comandos fft(), abs() y angle(), tal
como se hizo en el inciso C.1. También se calculó los mismos
espectros para un N=1024 puntos FFT y N=512 puntos FFT,
se la siguiente manera.

Fig. 55. Comportamiento gráfico de la señal sin ruido:

transformada de Fourier y espectros frecuenciales en Fig. 58. Código para calcular la TDF, espectros de magnitud
magnitud y fase. y fase, para un N=1024 puntos FFT.

En cuarto lugar, se debe discretizar la señal observando el

siguiente comportamiento.

Fig. 59. Código para calcular TDF, espectros de magnitud y

Fig. 56. Señal discretizada con y sin ruido fase, para un N=512 puntos FFT.
cumpliendo el criterio de Nyquist.
Las gráficas respectivas de la transformada de Fourier, el
espectro en magnitud y el espectro en fase, se muestran a
continuación.

Fig. 57. Señal discretizada con y sin ruido

incumpliendo el criterio de Nyquist.

Fig. 60. Comportamiento gráfico de la señal discretizada sin

ruido, cumpliendo el criterio de Nyquist: transformada
de Fourier y espectros frecuenciales en magnitud y fase.
 Segundo se realizó el análisis de la transformada de Fourier en
labview. El archivo respectivo se encuentra en los anexos:
Punto 3.2.6\A\PuntoA.

Explicar diagrama de bloques

Fig. 61. Comportamiento gráfico de la señal discretizada sin

ruido, incumpliendo el criterio de Nyquist: transformada
de Fourier y espectros frecuenciales en magnitud y fase

En sexto lugar, se realizó la reconstrucción de la señal con y

sin ruido cumpliendo el criterio de Nyquist por medio del
comando ifft().
La señal resultante con y sin ruido de la operación se muestra
a continuación.

Fig. 62. Comportamiento gráfico, reconstrucción de la señal

con y sin ruido.
Por último, los espectros frecuenciales de la señal resultante
Por último se calcula el espectro de potencia a la señal con con y sin ruido se muestra a continuación.
ruido de la siguiente manera.

Fig. 63. Código para el cálculo del espectro de potencia de la

señal con ruido.

El comportamiento gráfico se muestra a continuación.

III. ANÁLISIS DE RESULTADOS

Fig. 64. Comportamiento gráfico espectro de potencia de la IV. RESPUESTAS A PREGUNTAS Y CONSULTAS DE
señal discretizada con ruido cumpliendo el criterio de INVESTIGACIÓN.
Nyquist.
 V. CONCLUSIONES. VI. REFERENCIAS.

Alan V. Oppenheim. Alan S. Willsky, S. H. (s.f.). Señales y Sistemas. En S. H. Alan V. Oppenheim. Alan S. Willsky, Señales y
Sistemas (pág. Capitulo 7). Mexico: Segunda Edición, Pearson Prentice Hall.

Departamento de Ingeniería electrónica, "Phase Locked-Loop (PLL): Fundamento y aplicaciones", Universidad Politecnica de
Catalunya.

Devices, A. (2015). DataSheet AD633, Low Cost Analog Multiplier. Obtenido de http://www.analog.com/media/en/technical-
documentation/data-sheets/AD633.pdf
Floyd, T. (2006). Fundamentos de sistemas digitales. Madrid: Pearson Educación S.A.
Heberley. (29 de Noviembre de 2016). Como leer un Encoder en Labview NI DAQ 6009+ PWM bloque de comparación de
señales. Obtenido de https://www.youtube.com/watch?v=onGckfVDY5Y
Instruments, N. (19 de Agosto de 2013). Cómo realidar una medición de frecuencia. Obtenido de
http://www.ni.com/tutorial/7111/es/
Instruments, N. (1 de September de 2017). SPECIFICATIONS USB-6009. Obtenido de 8 AI (14-Bit, 48 kS/s), 2 AO (150 Hz),
13 DIO USB Multifunction I/O Device: http://www.ni.com/pdf/manuals/375296c.pdf
Instruments, N. (s.f.). User Guide . Obtenido de NI USB-6008/6009: http://www.ni.com/pdf/manuals/371303n.pdf
Lab, M. (2015). FREQUENCY TO VOLTAGE CONVERTER CIRCUITS. Obtenido de
http://microcontrollerslab.com/frequency-to-voltage-converter-circuits/
Rosario, U. N. (2010). Conversores Tensión-Frecuencia y Frecuencia-Tensión. Obtenido de
https://www.fceia.unr.edu.ar/eca2/Files/Apuntes/CONVERSORES%20TENSION%20-%20FRECUENCIA
%20%20_V-2010_
Semiconductor, O. (May de 2001). Linear Four-Quadrant Multiplier MC1494. Obtenido de Semiconductor Components
Industries, LLC: http://www.analog-innovations.com/SED/MC1594-DataSheet.pdf
SIMetrix Technologies Ltd, S. T. (2018). Sampler and Zero-Order Hold. Obtenido de
https://www.simplistechnologies.com/documentation/simplis/dp_discrete_filters/topics/samplehold.htm
Venezuela, U. N. (s.f.). PLL (Phase Locked Loop). Obtenido de El principio de funcionamiento del PLL:
http://www.angelfire.com/al3/PLL/pllfunc.html
Wikipedia. (7 de September de 2018). Voltage-controlled oscillator. Obtenido de https://en.wikipedia.org/wiki/Voltage-
controlled_oscillator